..支持用户在..画布上定义好各自数据源信息和表之间关系定义后（我们可以支持异构表之间的join，例如odps和mysql），我们会将这个前端的Graph提交给Bahamut进行翻译，bahamut将这个前端的Graph解析、优化、拆分、翻译成成若干个blink可执行的graph，比如增量的syncBlink 、全量的BulkLoad MR任务，和Blink Join 任务等。
这里最重要的两个关键的graph节点是merge和left join。merge是将所有的1：1和1：N关系表的处理通过行转列到一个HBASE中间表，而N：1的关系处理以下图的例子来说，我们目前只支持主表N这边（商品表）驱动，也就是说N这方的通过blink sync更新后利用blink Join合并1这方（即用户表）成完整的行记录发送到SwiftSink（增量）&HDFSSink（全量）最终回流到到BuildService构建索引，如下图所示：
通过在线离线管控协同和BaHamut组件..的打造，可以让用户通过可视化的手段就能享受到强大的离线复杂数据关系处理和计算能力，极大地提升了业务支持效率，同时也让我们..成为第一个可以整合离线提供在离线端对端体验的里程碑式的产品。另外我们还在做一件事情将离线能力变成在线服务通用能力，相信不远的将来离线组件..不会是HA3搜索场景的离线组件..，而是整个搜索在线服务的离线组件..。
本文是阿里搜索中台技术系列Devops实践的分享，接下来还会陆续推出搜索离线组件..、搜索AIOps实践的多篇分享，敬请期待。
搜索中台从0到1建设已经走过了3年，但它离我们心目中让天下没有难用的搜索的远大愿景还离得非常远，在这个前行的道路上一定会充满挑战，无论是业务视角的SaaS化能力、搜索算法产品化、云端DevOps&AIOps，还是业务建站等都将遇到世界级的难题。
