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:
- 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
- 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。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-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~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









