用途：演示从哈佛艺术博物馆 API 抽取藏品数据、转换为结构化关系表、载入 MySQL/TiDB Cloud，并用 Streamlit 构建交互式分析仪表板的完整数据工程流程。
主要能力：处理 API 分页与限流；将嵌套 JSON 经 ETL 转为关系数据；设计含外键的 SQL 库表结构；提供 20+ 条分析型 SQL 查询；支持交互式可视化。数据分为 artifactmetadata、artifactmedia、artifactcolors 三张表，分别存藏品元数据、图像信息与颜色占比。
使用方式：先克隆仓库并安装依赖：git clone https://github.com/Manali0711/Harvard-Artifacts-Collection-Data-Engineering-Analytics-App.git，装依赖 pip install -r requirements.txt。依赖包括 streamlit、pandas、requests、mysql-connector-python、plotly、python-dotenv。在项目根目录创建 .env，填写 HARVARD_API_KEY、DB_HOST、DB_PORT、DB_USER、DB_PASSWORD、DB_NAME=harvard_artifacts。随后初始化库表、运行 ETL、执行分析查询，最后用 streamlit run app.py 启动，默认访问 http://localhost:8501。
适用场景：数据工程学习与作品演示、藏品元数据与颜色等维度的探索性分析。
限制：需自备哈佛 API Key 与数据库连接信息；API 存在速率限制；较大数据集需注意内存与批量写入性能；资料未提供许可、成本、部署平台及具体运行效果说明。