[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-data-lineage::ru":3,"gloss-cluster-data-lineage::ru":23,"gloss-next-data-lineage::ru":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"data-lineage","data-infra","Происхождение данных (lineage)","Происхождение данных — это карта того, откуда данные приходят и куда уходят: какой источник породил значение, какие преобразования его затронули и какие нижестоящие таблицы, дашборды или модели от него зависят. Оно отвечает на два ключевых вопроса — «откуда взялась эта цифра?» (вверх по потоку) и «что сломается, если я изменю этот столбец?» (вниз по потоку).\n\nДля SaaS-разработчиков lineage превращает разбор неверного дашборда из дня раскопок в Slack в пятиминутную трассировку. Когда KPI выглядит странно, вы идёте по происхождению назад через каждый шаг пайплайна и находите, где всё разошлось. Перед миграцией схемы вы смотрите нисходящее происхождение, чтобы понять, кого сломаете.\n\nСовременные инструменты фиксируют lineage автоматически. dbt строит граф зависимостей из ваших SQL-моделей; инструменты происхождения на уровне столбцов (в DataHub, OpenMetadata или встроенные в хранилище) разбирают запросы и отслеживают отдельные поля. На практике: для анализа влияния уровень столбцов куда полезнее уровня таблиц, но и сложнее в поддержке — вложитесь сначала в самые важные метрики и доверьте тяжёлую работу автоматическому разбору, а не ручным схемам.","Происхождение данных показывает, откуда пришло значение и что от него зависит: «откуда эта цифра?» и «что сломается, если я изменю этот столбец?»",null,[11,14,17,20],{"slug":12,"name":13},"data-catalog","Каталог данных",{"slug":15,"name":16},"data-contract","Контракт данных (data contract)",{"slug":18,"name":19},"data-pipeline","Конвейер данных (Data Pipeline)",{"slug":21,"name":22},"reverse-etl","Reverse ETL (обратный ETL)",[24,28,31,34,37,41,44,47,50,53,57,60],{"slug":25,"category":5,"name":26,"updated_at":27},"acid","ACID","2026-08-24T02:46:37+00:00",{"slug":29,"category":5,"name":30,"updated_at":27},"ann-search","ANN-поиск (приближённый поиск ближайших соседей)",{"slug":32,"category":5,"name":33,"updated_at":27},"backpressure","Обратное давление (backpressure)",{"slug":35,"category":5,"name":36,"updated_at":27},"batch-processing","Пакетная обработка (Batch Processing)",{"slug":38,"category":5,"name":39,"updated_at":40},"bm25","BM25","2026-08-24T02:46:38+00:00",{"slug":42,"category":5,"name":43,"updated_at":27},"cache","Кэш (Cache)",{"slug":45,"category":5,"name":46,"updated_at":27},"cap-theorem","Теорема CAP (CAP theorem)",{"slug":48,"category":5,"name":49,"updated_at":27},"change-data-capture","Захват изменений данных (CDC)",{"slug":51,"category":5,"name":52,"updated_at":27},"chroma","Chroma",{"slug":54,"category":5,"name":55,"updated_at":56},"chunk-overlap","Перекрытие фрагментов","2026-08-24T03:30:02+00:00",{"slug":58,"category":5,"name":59,"updated_at":27},"columnar-storage","Колоночное хранение",{"slug":61,"category":5,"name":62,"updated_at":27},"connection-pooling","Пулинг соединений (Connection Pooling)"]