不是。datahub.io 是一个完全独立的项目——一个公共数据集托管服务，与本项目没有任何关联。DataHub（本项目）是一个开源的元数据平台，用于数据发现、治理和可观测性，托管于 datahub.com，并在 github.com/datahub-project/datahub 上进行开发。

DataHub此前托管在 datahubproject.io 域名下。该域名现在重定向至 datahub.com。所有文档已迁移至 docs.datahub.com。如果你在博客文章或教程中看到 datahubproject.io 的引用，它们指向的是同一个项目——只是使用了旧域名。

有关。DataHub最初在LinkedIn内部构建，用于在其数据生态系统中大规模管理元数据。LinkedIn于2020年将DataHub开源。此后，它已发展成为一个独立的社区项目，隶属于 datahub-project GitHub组织，目前托管于 datahub.com。

</需要翻译的内容>

# macOS / Linux (simplest)
brew install datahub-project/tap/datahub

# Or via pip (any platform)
pip install acryl-datahub

datahub docker quickstart

有关完整说明，请参阅下方快速开始部分。PyPI 包名为 acryl-datahub；Homebrew tap 为 datahub-project/homebrew-tap。

用例： 从 Snowflake 数据仓库中提取表元数据、列架构和使用统计信息。

前提条件：

• 已运行的 DataHub 实例（本地或远程）
• 具有只读权限的 Snowflake 账户
• 已安装 DataHub CLI（pip install 'acryl-datahub[snowflake]'）

# snowflake_recipe.yml
source:
  type: snowflake
  config:
    # Connection details
    account_id: "xy12345.us-east-1"
    warehouse: "COMPUTE_WH"
    username: "${SNOWFLAKE_USER}"
    password: "${SNOWFLAKE_PASSWORD}"

    # Optional: Filter specific databases
    database_pattern:
      allow:
        - "ANALYTICS_DB"
        - "MARKETING_DB"

sink:
  type: datahub-rest
  config:
    server: "http://localhost:8080"

# Run ingestion
datahub ingest -c snowflake_recipe.yml

# Expected output:
# ✓ Connecting to Snowflake...
# ✓ Discovered 150 tables in ANALYTICS_DB
# ✓ Discovered 75 tables in MARKETING_DB
# ✓ Ingesting metadata...
# ✓ Successfully ingested 225 datasets to DataHub

摄取内容：

• 表及视图结构（列、数据类型、描述）
• 表统计信息（行数、大小、最后修改时间）
• 血缘信息（上游/下游表）
• 使用统计（查询频率、热门用户）

使用场景： 以编程方式搜索 DataHub 目录并检索数据集元数据。

前提条件：

• 可访问的 DataHub 实例
• 已安装 Python 3.8 及以上版本
• 已安装 DataHub Python 包（pip install 'acryl-datahub[datahub-rest]'）

from datahub.ingestion.graph.client import DatahubClientConfig, DataHubGraph

# Initialize DataHub client
config = DatahubClientConfig(server="http://localhost:8080")
graph = DataHubGraph(config)

# Search for datasets containing "customer"
urns = graph.get_urns_by_filter(
    entity_types=["dataset"],
    query="customer",
)

for urn in urns:
    print(f"Found: {urn}")

# Example output:
# Found: urn:li:dataset:(urn:li:dataPlatform:snowflake,analytics.customer_profiles,PROD)
# Found: urn:li:dataset:(urn:li:dataPlatform:bigquery,marketing.customer_segments,PROD)

响应格式： 每个结果均为唯一标识数据集的URN字符串。使用该URN可通过GraphQL或REST API获取完整元数据。

使用场景： 检索特定数据集的上游与下游依赖关系。

前提条件：

• DataHub GMS端点可访问
• 数据集URN可通过搜索或数据接入获取

GraphQL查询：

query GetLineage {
  dataset(
    urn: "urn:li:dataset:(urn:li:dataPlatform:snowflake,analytics.customer_profiles,PROD)"
  ) {
    # Get upstream dependencies (source tables)
    upstream: lineage(input: { direction: UPSTREAM }) {
      entities {
        urn
        ... on Dataset {
          name
          platform {
            name
          }
        }
      }
    }

    # Get downstream dependencies (consuming tables/dashboards)
    downstream: lineage(input: { direction: DOWNSTREAM }) {
      entities {
        urn
        type
        ... on Dataset {
          name
          platform {
            name
          }
        }
        ... on Dashboard {
          dashboardId
          tool
        }
      }
    }
  }
}

通过 cURL 执行：

curl -X POST http://localhost:8080/api/graphql \
  -H "Content-Type: application/json" \
  -d '{"query": "query GetLineage { ... }"}'

响应结构：

• upstream：输入到该数据集的数组
• downstream：消费该数据集的数据集、仪表板或机器学习模型的数组
• 每个实体包含URN、类型和基本元数据

使用场景： 以编程方式添加或更新数据集文档及自定义属性。

前提条件：

• 已安装DataHub Python SDK
• 对DataHub实例具有写入权限
• 数据集已存在于DataHub中（通过数据摄取）

from datahub.metadata.schema_classes import DatasetPropertiesClass
from datahub.emitter.mce_builder import make_dataset_urn
from datahub.emitter.rest_emitter import DatahubRestEmitter

# Create emitter to send metadata to DataHub
emitter = DatahubRestEmitter("http://localhost:8080")

# Create dataset URN (unique identifier)
dataset_urn = make_dataset_urn(
    platform="snowflake",
    name="analytics.customer_profiles",
    env="PROD"
)

# Define dataset properties
properties = DatasetPropertiesClass(
    description="""
    Customer profiles aggregated from CRM and transaction data.

    **Update Schedule:** Updated nightly via Airflow DAG `customer_profile_etl`
    **Data Retention:** 7 years for compliance
    **Owner:** Data Platform Team
    """,
    customProperties={
        "owner_team": "data-platform",
        "update_frequency": "daily",
        "data_sensitivity": "PII",
        "upstream_dag": "customer_profile_etl",
        "business_domain": "customer_analytics"
    }
)

# Emit metadata to DataHub
emitter.emit_mcp(
    entityUrn=dataset_urn,
    aspectName="datasetProperties",
    aspect=properties
)

print(f"✓ Successfully updated documentation for {dataset_urn}")

功能说明：

1. 在 DataHub 界面中添加富文本 Markdown 文档
2. 为治理与发现设置自定义属性
3. 使数据集可通过自定义属性值进行搜索
4. 支持过滤搜索（例如，“显示所有 PII 数据集”）

应用场景： 使 AI 代理（Cursor、Claude Desktop、Cline）能够直接从您的 IDE 或开发环境中查询 DataHub 元数据。

前置条件：

• DataHub 实例已运行且可访问
• 已安装兼容 MCP 的 AI 工具（Cursor、Claude Desktop、Cline 等）
• 已安装 Node.js 18 或更高版本

快速配置：

# Initialize MCP server for DataHub
npx -y @acryldata/mcp-server-datahub init

# Follow the interactive prompts to configure:
# - DataHub GMS endpoint (e.g., http://localhost:8080)
# - Authentication token (if required)
# - MCP server settings

配置您的 AI 工具：

对于 Claude Desktop，请添加到 ~/Library/Application Support/Claude/claude_desktop_config.json：

{
  "mcpServers": {
    "datahub": {
      "command": "npx",
      "args": ["-y", "@acryldata/mcp-server-datahub"]
    }
  }
}

对于 Cursor，可在 设置 → 功能 → MCP 服务器 中进行配置

你可以向 AI 询问的内容：

• "生产环境中哪些数据集包含客户 PII？"
• "显示 analytics.revenue_table 的血缘关系"
• "Looker 中 'Revenue Dashboard' 的所有者是谁？"
• "查找 marketing 域中的所有数据集"
• "user_events 表的 schema 是什么？"
• "列出标记为 'critical' 或 'sensitive' 的数据集"

示例对话：

You: "What datasets are owned by the data-platform team?"

AI: Based on DataHub metadata, here are the datasets owned by data-platform:
- urn:li:dataset:(urn:li:dataPlatform:snowflake,analytics.customer_profiles,PROD)
  Name: customer_profiles
  Platform: Snowflake
  Description: Aggregated customer data from CRM and transactions

- urn:li:dataset:(urn:li:dataPlatform:bigquery,marketing.campaign_performance,PROD)
  Name: campaign_performance
  Platform: BigQuery
  Description: Marketing campaign metrics and ROI tracking

[... more results]

优势：

• ✅ 无需离开 IDE 即可查询元数据
• ✅ 自然语言界面（无需 SQL/GraphQL）
• ✅ 实时访问 DataHub 的元数据图谱
• ✅ 编码时即可理解数据上下文
• ✅ 发现与任务相关的数据集

📖 完整文档： DataHub 的 MCP 服务器