关键数据节点应通过[debuggerdisplay]标记来源信息，并用sourcegenerator自动注入_source字段；activity不适用于数据沿袭追踪，需自定义dataflowcontext；避免weakreference绑定内存对象，优先存储不可变元数据。
如何用 SourceGenerated 和 DebuggerDisplay 标记关键数据节点
数据沿袭不是靠猜，而是靠在源头就埋下可识别的“路标”。C# 里最轻量但有效的做法，是在承载业务数据的类或记录上加 [DebuggerDisplay]，并在构造/解析时注入来源标识（比如文件路径、行号、处理阶段名）。
常见错误现象：调试时看到一堆 Order 实例，分不清哪个来自 input.json，哪个是清洗后生成的中间结果。
- 把来源信息存进只读字段，比如
public readonly string _source = "orders_v2.csv:line=42" - 配合
[DebuggerDisplay("{{{nameof(_source)}}}")]，F9 断点时一眼可见来路 - 避免用
ToString()覆盖实现——它可能被日志或 UI 意外调用，污染输出 - 若用 Source Generators（如
IncrementalGenerator），可在生成代码时自动注入_source字段，减少手写遗漏
System.Diagnostics.Activity 能否用于跨文件数据追踪
不能直接用。Activity 设计目标是分布式请求链路（HTTP → DB → cache），不是数据值的生命周期追踪。它不记录“这个字符串变量从哪读来、被谁改过”，只记录“哪个请求触发了哪次方法调用”。
使用场景错配时，你会遇到：Activity ID 在每个 FileStream.Read 后都断开；Activity.Current 在异步读取多个文件时频繁为 null；最终只得到一堆孤立的 Span，串不起数据流。
- 真正需要的是数据感知的上下文，比如自定义
DataFlowContext类型，用AsyncLocal<dataflowcontext></dataflowcontext>持有当前处理的源文件、步骤序号、校验哈希 - 若坚持用 Activity，至少得手动在每次关键转换点（如
JsonSerializer.Deserialize后）创建新 Activity 并 copy 前一个的 source tag，否则无意义 - 注意
AsyncLocal的开销：在高吞吐 ETL 场景中，每条记录都 new 一个 context 会明显拖慢性能
用 WeakReference 关联原始字节与处理后对象是否可行
理论上可以，实践中极易失效。WeakReference 本意是缓存，不是追踪；一旦 GC 触发，原始 byte[] 或 string 被回收，关联就断了，且无法恢复。
本文档主要讲述的是Android架构基本知识；Android依赖Linux内核2.6来提供核心服务，比如进程管理、网络协议栈、硬件驱动。在这里，Linux内核作为硬件层和系统软件栈层之间的一个抽象层。这个操作系统并非类GNU/Linux的，因为其系统库，系统初始化和编程接口都和标准的Linux系统是有所不同的。 Android 包含一些C/C++库、媒体库、数据库引擎库等等，这些库能被Android系统中不同的组件使用，通过 Android 应用程序框架为开发者提供服务。希望本文档会给有需要的朋友带来帮助
典型翻车点：用 new WeakReference<object>(rawData)</object> 存在 ProcessedItem 里，跑完 10 万行后发现 70% 的引用已返回 null —— 因为中间有 ArrayPool 归还、字符串驻留优化、JIT 内联导致生命周期不可控。
- 更稳的做法是存不可变元数据：文件路径 + 偏移量 + 长度（对二进制），或文件路径 + 行号（对文本）
- 如果必须绑定内存对象，改用
GCHandle.Alloc(data, GCHandleType.Normal)，但要严格配对Free()，否则内存泄漏 - 别试图用
ObjectIDGenerator——它只保证同一进程内唯一 ID，重启后归零，无法支撑日志回溯
日志里打 stacktrace 能不能定位数据源头
不能，除非你每一层都手动加 LogInformation("Processing {source} at {step}", source, step)。默认 Exception.StackTrace 只显示方法调用栈，不包含参数值或数据快照。
例如读取 CSV 后抛出 FormatException，StackTrace 显示在 ParseDecimal() 崩了，但你看不到这行数据来自 C:\data\Q3\sales.csv 第 1203 行。
- 在关键 IO 点（
File.ReadAllLines、StreamReader.ReadLine）附近，用Logger.BeginScope(new Dictionary<string object> { ["file"] = path, ["line"] = i })</string> - 避免在循环体里反复
LogInformation——高频日志会压垮磁盘和线程池，改用采样（如每千行 log 一次）或仅 error 时 dump 上下文 - 结构化日志（Serilog / Microsoft.Extensions.Logging）比字符串拼接更可靠：字段
source_file可被 ELK 直接聚合分析
真正难的不是记录单点信息，而是让不同文件、不同线程、不同序列化格式下的数据能用同一套语义对齐。比如 JSON 里的 "order_id"、CSV 里的 OrderId、数据库里的 order_id_camel，得靠显式映射规则而非运行时猜测——这点常被忽略，直到做数据血缘图时发现节点全断连。
