DataHub 本地跑通全流程：10 分钟从容器启动到看到血缘图

DataHub 本地跑通全流程：10 分钟从容器启动到看到血缘图

【免费下载链接】datahubThe Context Platform for your Data and AI Stack项目地址: https://gitcode.com/GitHub_Trending/da/datahub

DataHub 本地部署其实没那么玄乎——装好 CLI、一条命令拉起服务栈、再灌一份演示数据，10 分钟后你就能在浏览器里点开一张表，看到它的上下游血缘。假设你的数据散落在 5 个平台、没人说得清谁在消费哪张表，这篇文章带你亲手把这套元数据平台在本地跑起来。

🐳 第 1 分钟：把 CLI 装进终端

前置只需要 Docker Desktop 和 Python 3.10+，装好即可，本文不展开。

CLI 是整个流程的遥控器，安装它才能一键起服务、灌数据：

pip install --upgrade acryl-datahub

跑完执行datahub version能看到版本号，说明 DataHub CLI 安装成功。后面所有命令都靠它。

📦 第 5 分钟：一条命令拉起的完整服务栈

datahub docker quickstart

这一条命令会拉镜像、建网络、起 MySQL、Kafka、OpenSearch，再部署 GMS 后端和前端，一条都不用你碰。跑完最后一行出现✔ DataHub is now running，终端还会贴心地告诉你账号密码。

上图是 DataHub 的整体架构：左侧各数据源把元数据推/拉到平台，右侧通过 GraphQL、REST、Kafka 输出给下游。完整 Compose 配置在 docker/quickstart/ 目录下，官方入门文档同步在 docs/quickstart.md。

🧭 第 15 分钟：灌入演示数据，让目录"活"起来

浏览器打开 http://localhost:9002，用默认账号密码登录——都是datahub。

但空的目录没意思，先让 CLI 记住这个实例：

datahub init --username datahub --password datahub

再加载官方演示数据，一次灌入约 1050 个实体，横跨 Snowflake、Looker、PowerBI、Tableau，带血缘、标签、术语和数据产品：

datahub datapack load showcase-ecommerce

跑完终端显示 ingestion 成功，浏览器里整个目录瞬间被填满。这个数据包的加载逻辑就写在 metadata-ingestion/src/datahub/cli/ 里，好奇可以翻翻。

加载演示数据后先看哪三个页面

• 全局搜索：搜个表名，回车，比翻 5 个平台快得多。
• 数据集详情页：点开任意一张表，Schema、Owner、标签一览无余。
• 血缘图（Lineage）：同一页面切到 Lineage 标签，上游是谁、下游谁在消费，一张图说清——这就是开头那个痛点的解法。

🔧 卡住了怎么办

跑不通别慌，90% 的问题出在这两处：

• 端口被占：前端 9002、GMS 8080 被占时，设环境变量DATAHUB_MAPPED_FRONTEND_PORT=9003后重新执行 quickstart。
• 资源不够：容器起不来就先给 Docker 加内存到 8GB 以上，再清理一下：

docker system prune datahub docker check

check会告诉你哪个容器没就绪，照日志修即可。到这里你的本地 DataHub 已经跑通全流程，下一步就可以把演示数据换成真实平台的连接配置，让这个目录替你团队干活了。

【免费下载链接】datahubThe Context Platform for your Data and AI Stack项目地址: https://gitcode.com/GitHub_Trending/da/datahub