我之前也遇到过类似大规模数据库依赖可视化的需求，结合你的情况，下面几个方案应该能帮你自动生成符合要求的图，不用手动拖拽：

方案1：用Python脚本生成Draw.io可直接导入的XML格式 #

Draw.io（现在叫Diagrams.net）支持导入自定义的mxGraph XML格式，我们可以把SQL导出的CSV数据转换成这种格式，直接导入就能得到带连线的完整依赖图。

步骤： #

1. 导出SQL结果为CSV：
   用Redshift客户端（比如psql）把你的查询结果导出成CSV文件，示例命令：

   psql -d your_redshift_db -U your_user -c "你的SQL查询语句" -o dependencies.csv --csv
   

2. 用Python脚本生成Draw.io XML：
   下面是一个示例脚本，会读取CSV自动去重节点、生成依赖连线，还能标注连线上的连接列数：

   import pandas as pd
   
   # 读取CSV数据
   df = pd.read_csv('dependencies.csv')
   
   # 收集所有唯一实体（节点）
   all_entities = pd.concat([df['dependent_entity_name'], df['entity_name']]).unique()
   
   # 构建Draw.io XML模板
   xml_start = '''<mxfile host="app.diagrams.net">
     <diagram id="1" name="Redshift View Dependencies">
       <mxGraphModel dx="1200" dy="800" grid="1" gridSize="10" guides="1" tooltips="1" connect="1" arrows="1">
         <root>
           <mxCell id="0"/>
           <mxCell id="1" parent="0"/>
   '''
   
   xml_end = '''        </root>
       </mxGraphModel>
     </diagram>
   </mxfile>'''
   
   # 添加节点（自动布局）
   nodes_xml = ""
   entity_pos = {}
   x, y = 50, 50
   step_x, step_y = 150, 100
   row_count = 0
   
   for entity in all_entities:
       node_id = f"node_{entity.replace(' ', '_')}"
       nodes_xml += f'''          <mxCell id="{node_id}" value="{entity}" style="rounded=0;whiteSpace=wrap;html=1;" parent="1" vertex="1">
             <mxGeometry x="{x}" y="{y}" width="120" height="60" as="geometry"/>
           </mxCell>
       '''
       entity_pos[entity] = node_id
       row_count += 1
       if row_count % 8 == 0:
           x = 50
           y += step_y
       else:
           x += step_x
   
   # 添加连线（标注连接列数）
   edges_xml = ""
   edge_id = 1000
   
   for _, row in df.iterrows():
       from_node = entity_pos[row['dependent_entity_name']]
       to_node = entity_pos[row['entity_name']]
       edge_label = f"Cols: {row['joined_column_count']}"
       edges_xml += f'''          <mxCell id="{edge_id}" value="{edge_label}" style="edgeStyle=orthogonalEdgeStyle;html=1;exitX=0;exitY=0.5;entryX=1;entryY=0.5;" parent="1" source="{from_node}" target="{to_node}" edge="1">
             <mxGeometry relative="1" as="geometry"/>
           </mxCell>
       '''
       edge_id += 1
   
   # 拼接并保存完整XML
   full_xml = xml_start + nodes_xml + edges_xml + xml_end
   with open('redshift_dependencies.drawio', 'w') as f:
       f.write(full_xml)
   

3. 导入到Draw.io：
   打开Draw.io，点击「文件」→「导入」→「从设备」，选择生成的.drawio文件，就能看到自动布局好的依赖图，还可以手动调整节点位置。

方案2：用Graphviz生成可视化后导入Draw.io #

如果觉得写XML麻烦，也可以用Graphviz生成标准图形文件，再导入Draw.io：

步骤： #

1. 安装依赖：
   先安装Graphviz工具，再安装Python的graphviz库：

   # Ubuntu示例，其他系统自行调整
   sudo apt install graphviz
   pip install graphviz pandas
   

2. 生成SVG图形：
   用脚本读取CSV生成有向图：

   import pandas as pd
   from graphviz import Digraph
   
   df = pd.read_csv('dependencies.csv')
   dot = Digraph(comment='Redshift View Dependencies', format='svg')
   
   # 添加所有节点
   for entity in pd.concat([df['dependent_entity_name'], df['entity_name']]).unique():
       dot.node(entity, entity)
   
   # 添加依赖连线
   for _, row in df.iterrows():
       dot.edge(row['dependent_entity_name'], row['entity_name'], label=str(row['joined_column_count']))
   
   # 保存为SVG文件
   dot.render('redshift_deps', cleanup=True)
   

3. 导入到Draw.io：
   把生成的redshift_deps.svg直接拖入Draw.io，它会自动解析成可编辑的节点和连线。

方案3：尝试SchemaSpy（开源数据库文档工具） #

如果不想写脚本，可以试试SchemaSpy，它能自动扫描数据库生成依赖图，注意需要确保你的Redshift用户有足够权限：

1. 下载SchemaSpy和Redshift的JDBC驱动
2. 运行扫描命令（替换成你的数据库信息）：

   java -jar schemaspy.jar -t redshift -db your_db -host your_redshift_host -port 5439 -u your_user -p your_password -o output_dir -dp ./redshift-jdbc-driver.jar
   

   生成的文档里会有可视化的依赖图，你可以把图导出后导入Draw.io。

踩坑提示 #

• 你之前用Smartdraw没生成连线，大概率是导入格式不对，用上面的脚本生成标准格式后再导入应该能解决
• VisualParadigm崩溃是因为数据量较大，用轻量脚本或Graphviz先处理，再导入Draw.io会更稳定
• ModelXtractor的权限问题，你可以试试给用户授予pg_class的SELECT权限，或者用自定义脚本绕开这个限制

内容的提问来源于stack exchange，提问作者mattved