Great Expectations 中同一列添加多个期望的注意事项

在数据质量验证工具 Great Expectations 的使用过程中，开发者可能会遇到一个常见但容易被忽视的问题：当尝试为同一数据列添加多个不同类型的期望（Expectation）时，某些期望可能会意外丢失。本文将深入分析这一现象的原因，并提供解决方案。

问题现象

当开发者尝试为同一列同时添加"值不为空"（ExpectColumnValuesToNotBeNull）和"值唯一"（ExpectColumnValuesToBeUnique）两个期望时，发现只有其中一个期望被成功添加到期望套件（Expectation Suite）中，而另一个期望则神秘消失，且没有任何错误提示。

根本原因

经过技术团队分析，这个问题源于 Great Expectations 内部对期望对象的相等性判断逻辑。在 v1.3.0 版本中，系统错误地将这两个不同类型的期望评估为"相等"，导致在添加第二个期望时，系统认为它已经存在于套件中而不再添加。

这种相等性判断是基于期望的某些核心属性进行的，而在这两个期望的实现中，这些核心属性的比较结果意外地返回了"相等"。

解决方案

Great Expectations 团队已经在 v1.3.1 版本中修复了这个问题。修复的核心是调整了期望对象的相等性判断逻辑，确保不同类型的期望能够被正确识别和区分。

对于正在使用受影响版本的用户，可以采取以下临时解决方案：

1. 升级到最新版本：建议升级到已修复该问题的 Great Expectations 版本。

2. 手动创建期望套件：可以通过直接编辑期望套件的 JSON 定义文件来手动添加多个期望。

3. 使用循环添加期望：如社区建议的，可以使用循环结构逐个添加期望，确保每个期望都被正确处理。

最佳实践

为了避免类似问题，建议开发者在为同一列添加多个期望时：

1. 始终验证期望套件中的实际内容是否包含所有预期的期望
2. 考虑使用单元测试来验证期望套件的构建逻辑
3. 保持 Great Expectations 版本的更新，以获取最新的修复和改进

结论

数据质量验证是数据工程中的重要环节，Great Expectations 作为主流工具之一，其稳定性和可靠性至关重要。通过理解这类问题的成因和解决方案，开发者可以更有效地构建健壮的数据质量检查流程，确保数据验证的全面性和准确性。