下图可看出，血缘信息展示了一张表创建的上游依赖，一般用于统计表的影响范围。历史操作可以溯源到一段时间内，对于某张表的操作。能获取到操作的用户、客户端、平台、以及时间等信息。
在同步给平台失败的场景比较多。若是数据本身不具备同步的条件，例如缺少默写必须信息。或者不满足平台的约束条件，比如平台无此数据。那么只能返回原因，告诉用户处理后再试。
它有易于弹性扩展，支持可插拔连接的特点。业内的使用案例很多，包括FaceBook、AirBnb、美团等都有大规模的使用。我们看到这么多的SQL on Hadoop架构，它侧面地说明了这种架构比较实用且成熟。利用SQL on Hadoop架构，我们可以实现支持海量数据处理的需求。查询平台每日SQL总量在70万左右，DQL的总量在18万左右。AdHoc集群主要用于交互分析及机器查询，DQL平均耗时时间为300s；AdHoc在内部有Loacl任务及加速引擎应用，所以查询要求耗时较低。
利用SQL on Hadoop架构，我们可以实现支持海量数据处理的需求。查询平台每日SQL总量在70万左右，DQL的总量在18万左右。AdHoc集群主要用于交互分析及机器查询，DQL平均耗时时间为300s；AdHoc在内部有Loacl任务及加速引擎应用，所以查询要求耗时较低。ETL集群主要用于ETL处理以及报表的生成。DQL平均耗时时间为1000s，DQL P50耗时时间为100s，DQL P90耗时时间为4000s，除上述两大集群外，其它小的集群主要用于提供给单独的业务来使用。
业内的使用案例很多，包括 FaceBook、AirBnb、美团等都有大规模的使用。我们看到这么多的 SQL on Hadoop 架构，它侧面地说明了这种架构比较实用且成熟。查询平台每日 SQL 总量在 70 万左右，DQL 的总量在 18 万左右。ETL 集群主要用于 ETL 处理以及报表的生成。
