Great Expectations 中 ExpectColumnValuesToBeOfType 验证异常问题分析

问题概述

在使用 Great Expectations 进行数据质量验证时，部分用户在使用 ExpectColumnValuesToBeOfType 和 ExpectColumnValuesToBeInTypeList 这两个期望条件时遇到了异常。具体表现为验证过程中抛出 KeyError: 'type' 错误，导致验证无法正常完成。

问题重现场景

这个问题主要出现在以下场景中：

1. 使用 PostgreSQL 或 Athena 等非流式数据源时
2. 通过 add_query_asset 方法创建查询型数据资产时
3. 针对列数据类型进行验证时

值得注意的是，当使用 add_table_asset 方法创建表型数据资产时，相同的验证条件可以正常工作。

技术分析

根本原因

经过分析，这个问题源于 Great Expectations 在获取查询结果集的列类型信息时的方式差异。当使用查询型资产时，系统无法正确获取到列的类型定义信息，导致在尝试访问类型字典中的 'type' 键时抛出异常。

代码层面分析

在 expect_column_values_to_be_of_type.py 文件中，验证逻辑尝试从类型字典中获取 'type' 字段：

actual_column_type = [
    type_dict["type"]  # 这里会抛出KeyError异常
    for type_dict in metrics["table.column_types"]
]

当使用查询型资产时，metrics["table.column_types"] 返回的类型信息可能不包含标准的 'type' 键，导致字典访问失败。

解决方案与建议

临时解决方案

1. 使用表型资产替代查询型资产
   如果可能，将查询结果存储为临时表，然后使用 add_table_asset 方法创建资产进行验证。

2. 在查询中显式转换数据类型
   在SQL查询中使用CAST或CONVERT函数显式指定列的数据类型：

   SELECT CAST(id AS INTEGER) AS id, other_columns FROM table_name
   

3. 使用其他验证方式
   考虑使用基于值的验证（如范围验证）作为替代方案。

长期解决方案

对于Great Expectations开发团队，建议：

1. 增强查询型资产对列类型信息的处理能力
2. 为不同类型的数据库连接器提供更完善的类型映射支持
3. 在验证失败时提供更友好的错误信息和回退机制

最佳实践建议

1. 优先使用表型资产
   在可能的情况下，优先使用 add_table_asset 而不是 add_query_asset。

2. 明确数据类型定义
   在创建表或视图时，尽可能明确地定义列的数据类型。

3. 逐步验证
   先验证简单的期望条件（如行数、值范围），再验证复杂的数据类型条件。

4. 监控和日志
   对验证过程实施完善的监控和日志记录，便于快速定位问题。

总结

Great Expectations 是一个强大的数据质量验证工具，但在处理某些特定场景下的数据类型验证时仍存在局限性。理解这些限制并采取适当的变通方案，可以帮助数据团队更有效地实施数据质量监控。随着项目的持续发展，这些问题有望在未来的版本中得到改进和完善。