首页
/ Great Expectations 与 Spark Connect 兼容性问题分析与解决方案

Great Expectations 与 Spark Connect 兼容性问题分析与解决方案

2025-05-22 15:26:23作者:戚魁泉Nursing

背景介绍

Great Expectations 是一个开源的数据质量验证工具,它能够帮助数据团队定义、记录和验证数据质量预期。在最新版本中,用户在使用 Spark Connect 数据框架时遇到了兼容性问题,导致无法正常构建批处理请求。

问题现象

当用户尝试使用 Spark 3.5.0 及以上版本中的 Spark Connect DataFrame 时,Great Expectations 1.0.0 版本会抛出错误:"Bad input to build_batch_request: Can not build batch request for dataframe asset without a dataframe"。这是因为新版本 Spark 改变了 DataFrame 的导入路径,从原来的 pyspark.sql.DataFrame 变为了 pyspark.sql.connect.dataframe.DataFrame

技术分析

根本原因

Great Expectations 在 spark_datasource.py 文件中通过 isinstance() 检查 DataFrame 类型时,仅检查了传统的 pyspark.sql.DataFrame 类型,而没有考虑到 Spark Connect 引入的新 DataFrame 类型。这种严格的类型检查导致了兼容性问题。

版本差异

在 Great Expectations 0.18.19 版本中,这个问题不存在,因为当时的实现方式更加宽松,没有进行严格的类型检查。但随着 1.0.0 版本的重构,引入了更严格的类型验证机制,暴露了与 Spark Connect 的兼容性问题。

解决方案

官方修复

Great Expectations 团队在 1.0.5 版本中修复了这个问题,修改了类型检查逻辑,使其同时支持传统的 pyspark.sql.DataFrame 和新的 pyspark.sql.connect.dataframe.DataFrame 类型。用户只需升级到最新版本即可解决此问题。

迁移指南

对于从旧版本迁移的用户,需要注意以下几点变化:

  1. 上下文初始化:不再使用 BaseDataContext,而是使用 gx.get_context()
  2. 期望配置ExpectationConfiguration 的使用方式有所变化
  3. 验证流程:新的验证流程更加简洁,直接通过 batch.validate() 方法执行验证

最佳实践

新版本代码示例

以下是使用 Great Expectations 1.0.5+ 验证 Spark DataFrame 的推荐方式:

import great_expectations as gx
from pyspark.sql import SparkSession

# 初始化Spark会话
spark = SparkSession.builder.appName("GEExample").getOrCreate()

# 创建示例DataFrame
data = [("2023-01-10", "A", 40), ("2023-05-15", "A", 60)]
df = spark.createDataFrame(data, ["date", "product", "value"])

# 初始化Great Expectations上下文
context = gx.get_context()

# 配置数据源和数据资产
data_source = context.data_sources.add_spark(name="my_source")
data_asset = data_source.add_dataframe_asset(name="my_asset")

# 创建批处理定义
batch_def = data_asset.add_batch_definition_whole_dataframe("my_batch")
batch_params = {"dataframe": df}

# 获取批处理对象
batch = batch_def.get_batch(batch_parameters=batch_params)

# 定义并执行验证
expectation = gx.expectations.ExpectColumnValuesToBeBetween(
    column="value", min_value=50, max_value=100
)
results = batch.validate(expectation)

处理JSON期望配置

对于需要从JSON加载期望配置的场景,可以使用以下方式:

from great_expectations.core import ExpectationSuite
from great_expectations.core.expectation_configuration import ExpectationConfiguration

# 假设json_schema包含期望配置
expectations_list = []
for ele in json_schema["expectations"]:
    config = ExpectationConfiguration(
        type=ele["expectation_type"],
        kwargs=ele["kwargs"]
    )
    expectations_list.append(config)

# 创建期望套件
suite = ExpectationSuite(
    name="my_suite",
    expectations=expectations_list
)
context.suites.add(suite)

总结

Great Expectations 1.0.5+ 版本已经解决了与 Spark Connect 的兼容性问题,用户现在可以无缝地在 Spark 3.5.0 及以上版本中使用该工具进行数据质量验证。对于从旧版本迁移的用户,建议仔细阅读官方文档,了解API变化,并按照新的模式重构验证流程。

登录后查看全文
热门项目推荐
相关项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
openHiTLS-examplesopenHiTLS-examples
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
openHiTLSopenHiTLS
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-Vue3RuoYi-Vue3
🎉 (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
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
179
263
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
131
184
kernelkernel
deepin linux kernel
C
22
5
nop-entropynop-entropy
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
Cangjie-ExamplesCangjie-Examples
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-utilsharmony-utils
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
CangjieCommunityCangjieCommunity
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