Great Expectations中期望配置冲突问题的分析与修复
2025-05-22 04:22:18作者:戚魁泉Nursing
问题背景
在Great Expectations数据质量验证工具中,用户发现无法对同一列同时添加"值唯一性"和"非空值"两种期望验证。这是一个典型的数据验证场景,但在当前版本(1.2.4)中存在实现缺陷。
问题现象
当用户尝试为"sku_id"列同时添加以下两种期望时:
ExpectColumnValuesToBeUnique
- 验证列值唯一ExpectColumnValuesToNotBeNull
- 验证列值非空
系统仅保留了第一个期望配置,第二个期望被错误地视为重复项而忽略。这导致最终生成的期望套件(expectation suite)中只包含唯一性验证,缺失了非空验证。
技术分析
问题的根源在于Great Expectations内部用于比较期望配置是否相等的_expectations_are_equalish
方法存在逻辑缺陷。该方法当前仅比较两个期望配置的参数字典,而忽略了期望类型(expectation_type)这一关键属性。
具体表现为:
- 当比较
ExpectColumnValuesToBeUnique
和ExpectColumnValuesToNotBeNull
时 - 尽管它们的
expectation_type
不同("expect_column_values_to_be_unique" vs "expect_column_values_to_not_be_null") - 但由于它们应用于同一列("sku_id")
- 方法错误地返回True,认为它们是相同的期望
修复方案
修复的核心思路是在比较期望配置时,必须同时考虑期望类型和配置参数。具体修改为:
@staticmethod
def _expectations_are_equalish(expectation_a: Expectation, expectation_b: Expectation) -> bool:
exclude_params = {"id", "rendered_content", "notes", "meta"}
return (
expectation_a.expectation_type == expectation_b.expectation_type and
expectation_a.dict(exclude=exclude_params) == expectation_b.dict(exclude=exclude_params)
)
这一修改确保:
- 首先检查期望类型是否相同
- 然后比较排除元数据后的参数字典
- 只有两者都相同时才认为是相同的期望
影响与意义
该修复解决了以下重要问题:
- 允许用户对同一列配置多种不同类型的验证规则
- 保持了期望配置的唯一性判断准确性
- 提升了Great Expectations在复杂数据质量验证场景下的实用性
对于数据工程师和分析师而言,这意味着可以更灵活地构建全面的数据质量检查体系,确保数据在各个维度上都符合预期要求。
最佳实践建议
在实际使用Great Expectations时,建议:
- 明确区分不同维度的数据质量要求
- 对关键字段考虑多重验证(如唯一性+非空+格式验证)
- 定期检查期望套件配置是否完整覆盖业务需求
- 在升级版本时验证复杂期望组合是否正常工作
这一修复体现了Great Expectations项目对数据质量验证严谨性的持续追求,也为用户提供了更强大的数据治理工具。
登录后查看全文
热门项目推荐
相关项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~056CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
47
248

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
346
381

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
871
516

React Native鸿蒙化仓库
C++
179
263

openGauss kernel ~ openGauss is an open source relational database management system
C++
131
184

deepin linux kernel
C
22
5

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
7
0

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
335
1.09 K

harmony-utils 一款功能丰富且极易上手的HarmonyOS工具库,借助众多实用工具类,致力于助力开发者迅速构建鸿蒙应用。其封装的工具涵盖了APP、设备、屏幕、授权、通知、线程间通信、弹框、吐司、生物认证、用户首选项、拍照、相册、扫码、文件、日志,异常捕获、字符、字符串、数字、集合、日期、随机、base64、加密、解密、JSON等一系列的功能和操作,能够满足各种不同的开发需求。
ArkTS
31
0

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.08 K
0