Great Expectations 中自定义SQL期望的持久化问题解析
问题背景
在使用Great Expectations(版本1.2.4)进行数据质量验证时,开发人员发现了一个关于自定义SQL期望持久化的问题。当用户在Databricks环境中创建基于SQL的自定义期望并将其添加到期望套件(Expectation Suite)后,如果Python会话结束(如Databricks集群因不活动而关闭),重新初始化数据上下文(Data Context)后,之前创建的自定义期望会丢失。
问题现象
开发人员按照以下步骤操作:
- 创建数据源、数据资产和批处理定义
- 定义一个继承自UnexpectedRowsExpectation的自定义期望类ExpectValidLineItemSum
- 将该期望添加到期望套件中
- 结束当前Python会话(通过重启Databricks集群)
- 重新初始化数据上下文并尝试获取之前保存的期望套件
此时系统抛出ExpectationNotFoundError异常,提示"expect_valid_line_item_sum not found",表明之前创建的自定义期望未能正确持久化。
技术原理分析
Great Expectations的期望套件实际上是存储在JSON文件中的,理论上应该能够持久保存自定义期望。但问题出在以下几个方面:
-
自定义期望类的加载机制:Great Expectations在运行时需要能够识别自定义期望类。当Python会话结束时,所有内存中的类定义都会丢失。重新启动会话后,如果没有重新定义相同的自定义期望类,系统就无法识别之前保存的期望配置。
-
期望类的序列化/反序列化:虽然期望配置被保存为JSON,但Great Expectations在加载时需要能够找到对应的Python类实现。如果类定义不存在,就无法正确重建期望对象。
-
UnexpectedRowsExpectation的特殊性:这个期望类型依赖于SQL查询,其验证逻辑与常规期望有所不同,需要特别注意其持久化方式。
解决方案
针对这个问题,Great Expectations社区在1.3.0版本中已经解决了这个问题。对于使用1.2.4版本的用户,可以采用以下临时解决方案:
-
在每次会话开始时重新定义自定义期望类:确保在任何使用期望套件的Python会话中,都首先定义相同的自定义期望类。
-
使用UnexpectedRowsExpectation直接创建期望:作为替代方案,可以直接使用UnexpectedRowsExpectation而不进行子类化,这样可以避免类定义丢失的问题。
-
升级到1.3.0或更高版本:新版本已经修复了这个问题,提供了更稳定的自定义期望持久化机制。
最佳实践建议
-
自定义期望的管理:对于重要的自定义期望,建议将其定义保存在单独的Python模块中,并在使用前显式导入。
-
版本控制:将自定义期望的定义文件纳入版本控制系统,确保团队成员使用一致的实现。
-
文档记录:详细记录每个自定义期望的用途、参数和SQL查询逻辑,便于后续维护。
-
测试验证:在部署前验证自定义期望在不同会话间的持久化效果,确保其行为符合预期。
总结
Great Expectations作为强大的数据质量验证工具,其自定义期望功能提供了极大的灵活性。理解其持久化机制对于构建可靠的数据质量监控系统至关重要。通过遵循上述解决方案和最佳实践,开发人员可以确保自定义SQL期望在不同会话间正确持久化,从而构建更加健壮的数据验证流程。
Hunyuan3D-Part
腾讯混元3D-Part00Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GitCode-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~0277community
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息011Hunyuan3D-2
Hunyuan3D 2.0:高分辨率三维生成系统,支持精准形状建模与生动纹理合成,简化资产再创作流程。Python00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









