DataHub 是一个现代数据目录，旨在实现端到端数据发现、数据可观察性和数据治理。这个可扩展的元数据平台专为开发人员构建，以应对快速发展的数据生态系统的复杂性，并帮助数据从业者充分利用组织内数据的总价值。

他的核心功能有以下几部分。

搜索与发现

DataHub 的统一搜索功能可以跨数据库、数据湖、BI 平台、ML 特征存储、编排工具等显示结果。

数据血缘

通过跟踪跨平台、数据集、ETL/ELT 管道、图表、仪表板等的数据血缘，快速了解数据的端到端全过程。

变更影响分析

使用影响分析主动识别哪些实体可能受到重大变更的影响。

查看元数据功能

结合技术和逻辑元数据，提供数据实体的 360° 视图。

生成数据集统计信息以了解数据的形状和分布。

可以结合Great Expectations来实现数据质量。

也支持历史记录来跟踪数据物理结构随时间的变化。

数据治理

• 通知：当 DataHub 上发生更改时生成通知。例如，当“PII”标签添加到任何数据资产时，向治理团队发送电子邮件。

• 工作流程集成：将 DataHub 集成到组织的内部工作流程中。例如，当在数据集上提出特定标签或术语时，创建 Jira 票证。

• 同步：将DataHub 中所做的更改同步到第 3 方系统。例如，将DataHub中添加的Tag反映到Snowflake中。

• 审核：审核谁在 DataHub 上随时间进行了哪些更改。

权限：快速轻松地将实体所有权分配给用户和用户组。

标签、术语表和域

使数据所有者能够通过以下方式管理其数据实体：

1. 标签：非正式的、松散控制的标签，用作搜索和发现的工具。没有正式的中央管理。

2. 词汇表术语：具有可选层次结构的受控词汇表，通常用于描述核心业务概念和度量。

3. 域：精选的顶级文件夹或类别，广泛用于数据网格中，按部门（即财务、营销）或数据产品组织实体。

创建用户、组和访问

DataHub 管理员可以创建策略来定义谁可以针对哪些资源执行什么操作。创建新策略时，您将能够定义以下内容：

• 策略类型平台（顶级 DataHub 平台权限，即管理用户、组和策略）或元数据（操作所有权、标签、文档等的能力）

• 资源类型指定资源类型，例如数据集、仪表板、管道等

• 权限选择权限集，例如编辑所有者、编辑文档、编辑链接

• 用户和/或组分配相关用户和组；您还可以将策略分配给资源所有者，无论他们属于哪个组

页面功能

使用 DataHub 用户界面创建、配置、计划和执行批量元数据摄取。通过最大限度地减少操作自定义集成管道所需的开销，可以更轻松地将元数据导入 DataHub。