首页
/ Kedro 0.19.12版本发布:数据管道与云存储能力升级

Kedro 0.19.12版本发布:数据管道与云存储能力升级

2025-06-05 13:34:25作者:史锋燃Gardner

Kedro是一个优秀的开源Python框架,专门用于构建可维护、可扩展的数据科学和机器学习管道。它采用了软件工程的最佳实践,为数据科学家和工程师提供了标准化的项目结构和开发模式。

核心功能增强

数据目录过滤功能

新版本引入了KedroDataCatalog.filter()方法,这是一个非常实用的功能升级。通过这个方法,开发者可以基于数据集名称和类型进行灵活筛选。例如,在处理大型项目时,可以快速过滤出所有CSV类型的数据集,或者筛选出特定前缀的数据集,这大大提升了开发效率。

命名空间节点分组

Pipeline.grouped_nodes_by_namespace属性的加入为插件开发者带来了便利。这个属性返回按命名空间分组的节点字典,使得插件能够更轻松地将属于同一命名空间的节点一起部署。这一改进特别适合需要按功能模块部署的场景。

云存储配置支持

0.19.12版本扩展了--conf-source的功能,现在可以直接从S3等云存储位置加载配置。这意味着团队可以将配置文件集中存储在云端,实现配置的统一管理和跨环境共享,这对于分布式团队和云原生部署尤为重要。

重要改进与修复

数据目录优化

开发团队对DataCatalog进行了多项优化,包括改进了_LazyDataset的打印显示效果,使其在调试时更加直观。同时,针对MemoryDataset处理Ibis Tables时的复制模式进行了修正,确保其能正确推断assign模式而非之前的deepcopy

执行器优化

SequentialRunner的执行方式进行了调整,现在明确保证不使用执行器池,确保真正的单线程执行。这一改变消除了潜在的并发问题,使得执行行为更加可预测。

开发工具改进

修复了%load_node魔法命令与新版Jupyter Notebook(>=7.2.0)的兼容性问题,提升了开发体验。同时移除了Kedro Viz工具的默认集成,使其成为可选组件。

文档更新与最佳实践

文档方面,新增了对Delta Lake和Iceberg版本控制的支持说明,帮助用户更好地利用这些技术进行数据版本管理。节点分组部署的文档为插件开发者提供了明确指导。

特别值得注意的是,文档更新了对命名空间嵌套使用的建议,反映了项目团队对架构设计的最新思考。这些最佳实践的分享对于构建可维护的大型项目非常有价值。

总结

Kedro 0.19.12版本在数据管理、云集成和开发体验方面都有显著提升。新加入的数据目录过滤和云配置支持功能,展现了Kedro对现代数据工程需求的积极响应。命名空间节点分组则为复杂项目的模块化部署提供了更好的支持。这些改进共同强化了Kedro作为企业级数据管道框架的地位。

登录后查看全文
热门项目推荐