Great Expectations 1.3.14版本发布：SQLAlchemy 2.0支持与数据类型校验优化

Great Expectations是一个开源的数据质量验证工具，它帮助数据工程师和分析师定义、记录和验证数据质量预期。通过声明式的期望语法，用户可以轻松构建数据质量测试套件，确保数据在管道中的可靠性。

核心功能增强

SQLAlchemy 2.0全面兼容

本次1.3.14版本最重要的改进之一是全面支持SQLAlchemy 2.x版本。开发团队特别针对BigQuery数据源进行了适配，确保用户在升级SQLAlchemy后仍能正常使用Great Expectations的所有功能。这一改进解决了之前版本中SQLAlchemy 2.0兼容性问题，为用户提供了更灵活的依赖管理选择。

数据类型校验修复

修复了ExpectColumnValuesToBeOfType期望类型的校验逻辑，该功能现在能够正确处理各种数据类型验证场景，特别是在使用SQLAlchemy 2.0时。这个修复确保了数据质量检查的准确性，特别是在处理复杂数据类型转换时。

新增功能与依赖管理

Redshift专用依赖包

版本引入了gx-redshift额外依赖组，为Amazon Redshift用户提供了更精细的依赖管理。用户现在可以通过安装gx[redshift]来获取Redshift相关的所有必要依赖，而不必安装所有数据库驱动，这有助于减少不必要的依赖冲突和包体积。

数据质量指标增强

新增核心指标类型

1.3.14版本引入了多个新的数据质量指标，丰富了数据质量分析的维度：

1. BatchColumnTypes：批量获取列数据类型信息，便于整体数据模式分析
2. SampleValues：抽样展示列中的实际值，帮助用户快速了解数据内容
3. ColumnDistinctValuesCount：计算列中不同值的数量，用于基数分析
4. ColumnNullCount：精确计算列中的空值数量，评估数据完整性

这些新指标为用户提供了更全面的数据质量洞察能力，特别是在数据探索和异常检测阶段。

问题修复与稳定性改进

字符编码处理优化

修复了行条件解析器对8位字符的支持问题，确保了包含特殊字符的条件表达式能够被正确解析。这一改进对国际化应用和多语言数据环境尤为重要。

上下文根目录处理

改进了get_context方法对context_root_dir参数的处理逻辑，确保在不同工作目录下都能正确加载配置文件。这一修复提高了工具在不同部署环境中的一致性。

文档与用户体验改进

更新了使用文档，特别是关于任务调度和PostHog集成配置的部分，使新用户能够更快速地掌握工具的高级用法。同时优化了包的自动补全行为，提升了开发体验。

总结

Great Expectations 1.3.14版本在SQLAlchemy兼容性、数据类型校验和核心指标功能方面做出了重要改进，同时增强了工具的稳定性和用户体验。这些改进使Great Expectations在复杂数据环境中的应用更加可靠，为数据质量保障提供了更强大的工具支持。