Soda Core 3.5.0版本发布：数据质量监控工具的重大更新

项目简介

Soda Core是一个开源的数据质量监控工具，它帮助数据工程师和分析师确保数据可靠性。通过定义数据质量检查规则，Soda Core可以自动检测数据中的异常、不一致和完整性问题，使团队能够在数据问题影响业务决策前及时发现并修复。

核心功能增强

自定义身份支持

3.5.0版本在Reference和Group Evolution检查中增加了对自定义身份的支持。这一改进使得在复杂的数据环境中，用户能够更灵活地定义数据实体之间的关系和演变规则。例如，在客户数据集成场景中，现在可以基于业务定义的唯一标识符(而非技术主键)来跟踪客户属性的历史变化。

数据有效性验证优化

新版本改进了ISO 8601日期格式的24小时制时间支持。在数据质量检查中，时间格式的有效性验证变得更加严格和准确。这对于处理国际化业务数据特别有价值，因为不同地区可能使用不同的时间表示方法。

数据源支持扩展

Impala数据源支持

本次更新新增了对Apache Impala的支持。Impala是一个开源的MPP(大规模并行处理)SQL查询引擎，常用于Hadoop生态系统。这一集成使得使用Impala作为数据仓库或数据湖查询引擎的团队现在可以直接使用Soda Core进行数据质量监控。

Athena连接增强

对于AWS Athena用户，3.5.0版本增加了会话令牌参数支持。这使得使用临时安全凭证访问Athena服务变得更加方便和安全，特别是在需要短期访问权限的场景下。

查询引擎改进

Dask查询优化

针对Dask分布式计算框架，新版本修复了两个重要问题：

1. 修复了在两列重复检查中使用行计数时的错误计数查询问题
2. 解决了Windows系统上的COUNT查询问题

这些改进确保了在使用Dask处理大规模数据集时，数据质量检查结果的准确性不受操作系统环境影响。

数据库适配性提升

PostgreSQL兼容性

新版本更好地处理了PostgreSQL中不支持的选项参数，提高了与不同PostgreSQL版本和配置的兼容性。这使得在各种PostgreSQL部署环境中运行Soda Core更加稳定可靠。

DuckDB依赖放宽

将DuckDB的依赖版本要求放宽至1.1.0以下，为用户提供了更大的灵活性来选择适合其环境的DuckDB版本。

技术债务清理

3.5.0版本还包含了一些内部改进和依赖项清理：

• 移除了未使用的MarkupSafe依赖
• 放宽了OpenTelemetry的版本约束

这些变更减少了潜在的依赖冲突，使项目维护更加容易。

总结

Soda Core 3.5.0版本通过新增数据源支持、优化现有功能和完善查询引擎，进一步巩固了其作为数据质量监控解决方案的地位。这些改进特别适合需要处理多样化数据源和复杂数据环境的企业。新版本的技术债务清理也为未来的功能扩展奠定了更坚实的基础。