首页
/ Great Expectations中COMPLETE结果格式的深度解析与实践指南

Great Expectations中COMPLETE结果格式的深度解析与实践指南

2025-05-22 19:51:42作者:俞予舒Fleming

背景介绍

Great Expectations作为数据质量验证的强大工具,其核心功能之一是能够对数据集执行各种期望验证并返回详细结果。在实际应用中,我们经常需要获取验证失败的详细记录信息,而不仅仅是简单的通过/失败统计。本文将深入探讨Great Expectations中的结果格式配置,特别是COMPLETE格式的使用技巧和常见问题解决方案。

结果格式概述

Great Expectations提供了多种结果格式选项,用于控制验证结果的详细程度:

  • BOOLEAN_ONLY:仅返回验证是否通过
  • BASIC:包含基本的统计信息
  • SUMMARY:增加部分失败样例
  • COMPLETE:提供最完整的结果信息

COMPLETE格式的常见误区

许多开发者在使用COMPLETE格式时会遇到一个典型问题:即使设置了result_format="COMPLETE",结果中仍然缺少预期的unexpected_index_listunexpected_index_query字段。这通常是因为没有正确配置相关参数。

关键配置参数

要使COMPLETE格式返回完整的失败记录信息,需要特别注意以下参数:

  1. include_unexpected_rows:设置为True时返回每个失败记录的完整行数据(字典形式)
  2. return_unexpected_index_query:设置为True时返回可用于查询失败记录的SQL语句
  3. unexpected_index_column_names:指定作为索引的列名列表

最佳实践方案

对于需要获取所有验证失败记录ID的场景,推荐采用以下配置方式:

checkpoint = gx.Checkpoint(
    name="data_quality_check",
    validation_definitions=[validation_definition],
    result_format={
        "result_format": "COMPLETE",
        "unexpected_index_column_names": ["id"],  # 指定ID列
        "partial_unexpected_count": 0,
        "exclude_unexpected_values": False,
        "include_unexpected_rows": True,
        "return_unexpected_index_query": True  # 获取查询SQL
    }
)

性能考量

在处理大型数据集时,直接返回所有失败记录的ID可能会造成以下问题:

  1. 结果文件体积过大
  2. 内存消耗增加
  3. 网络传输压力

因此,更推荐的做法是:

  1. 使用return_unexpected_index_query获取查询语句
  2. 在数据库端执行该查询获取完整结果
  3. 分批处理大量数据

实际应用场景

这种配置特别适用于以下场景:

  1. 数据清洗前的空值检测
  2. 数据迁移后的完整性验证
  3. 定期数据质量监控
  4. 自动化数据管道中的异常处理

总结

Great Expectations的COMPLETE结果格式提供了强大的数据验证细节获取能力,但需要正确配置相关参数才能发挥其全部功能。通过合理设置include_unexpected_rowsreturn_unexpected_index_query等参数,开发者可以灵活平衡结果详细程度和系统性能,构建高效的数据质量监控体系。

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
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