首页
/ Great Expectations 中自定义SQL期望的持久化问题解析

Great Expectations 中自定义SQL期望的持久化问题解析

2025-05-22 22:32:24作者:秋泉律Samson

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:

  1. 创建数据源、数据资产和批处理定义
  2. 定义一个继承自UnexpectedRowsExpectation的自定义期望类ExpectValidLineItemSum
  3. 将该期望添加到期望套件中
  4. 结束当前Python会话(通过重启Databricks集群)
  5. 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:

  1. 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。

  2. 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。

  3. 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:

  1. 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。

  2. 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。

  3. 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

  1. 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。

  2. 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。

  3. 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。

  4. 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。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
154
1.98 K
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
8
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
405
387
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
941
555
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70
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
992
395
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
509
44
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
344
1.32 K
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
194
279