如果你的工作是从事数据挖掘、数据仓库建设或者信息系统开发/维护，有没有曾经遇到过如下的烦恼？
面对着几百上千张数据表，不知该如何关联，不知哪些表更有价值
执行着长的令人绝望，慢的无法忍受的SQL脚本，却不敢挥刀整改
准备着新功能上线，但总担心一行代码的修改会造成严重的生产事故
有没有科学的办法，来管理表之间、代码之间的复杂关系？从而帮助开发人员更好地认识和理解业务系统业务与底层表关系、底层表的表间关系，理清当前数据（字段、关键指标或者数据标签）从哪里来、到哪里去，搞清楚哪些下游系统在使用这些数据。
血缘分析是解决这类问题的一种技术手段。数据血缘(DataLineage)，指的是数据从产生、ETL处理、加工、融合、流转到最终消亡，数据之间自然形成一种关系。这些关系就是描述数据的数据（元数据）。掌握了这个元数据，就能最大程度的做好数据的应用和管理。
那么如何推导数据之间的血缘关系呢？其实在开发或者分析师团队提供的成百上千的数据脚本中，每一行代码背后都蕴含着业务逻辑和数据关系。有没有可能通过批量解析这些数据脚本，自动提炼出背后的数据逻辑，以及脚本之间的依赖关系呢？
本文介绍一种针对python代码的推导方法。
既然解析的对象是python代码，我们首先要理解python的编译过程。以CPython为例，编译过程如下：
将源代码解析为解析树（ParserTree）
将解析树转换为抽象语法树（AbstractSyntaxTree）
将抽象语法树转换到控制流图（ControlFlowGraph）
根据流图将字节码（bytecode）发送给虚拟机（eval）
我们平常在python开发环境中编写代码时，IDE会提示各种编写过程中的语法错误，本质上是代码静态检查，对代码的内容和结构进行解析和分析，类似编译过程中的前三个步骤，让机器读懂代码并且判断其是否符合规范。
因此我们就可以利用这个原理，通过代码解析自动提取代码中的关键信息，例如代码
引用了哪些外部函数，进一步调用了哪些数据脚本
SQL语句使用了哪个数据源，查询了哪些表，更新了哪些字段
处理逻辑中对字段做了哪些衍生操作，用了什么算法
这种方法虽不能一键生成完整的开发文档，但却能提供大量丰富的线索，有助于快速开展梳理工作，事半功倍。
我们参考Pyflakes来实现以上功能，Pyflakes是Python的一个代码分析包，用来分析代码，发现潜在的代码问题，例如：引入但没有用到的模块、变量创建但是没有使用。查看Pyflakes的源码，可以发现其进一步使用ast模块，其用于生成和编译Python代码的抽象语法树，关于ast的介绍可以进一步查看