Great Expectations中Checkpoint与Teams通知集成的Bug分析与解决方案
问题背景
在使用Great Expectations(版本1.0.3)进行数据质量验证时,开发人员发现当Checkpoint配置中包含"发送Teams通知"这一Action时,Checkpoint运行会失败并抛出CheckpointRelatedResourcesFreshnessError
错误。而当移除此Action后,Checkpoint则能正常运行。
错误现象
具体错误信息显示:"Checkpoint 'my_checkpoint' has changed since it has last been saved. Please update with <CHECKPOINT_OBJECT>.save()
, then try your action again."。即系统认为Checkpoint在上次保存后已被修改,需要重新保存。
技术分析
根本原因
经过深入分析,发现这是Great Expectations 1.0.3版本中的一个已知Bug。当Checkpoint配置中包含MicrosoftTeamsNotificationAction(或类似的通知Action如SlackNotificationAction)时,系统会错误地认为Checkpoint资源已过期,即使实际上已经调用了save()方法。
问题复现条件
- 使用Great Expectations 1.0.3版本
- 在Checkpoint的action_list中包含MicrosoftTeamsNotificationAction
- 在Databricks或类似云环境中运行
- 使用Spark DataFrame作为数据源
影响范围
此问题不仅影响Teams通知功能,同样会影响Slack等其他通知渠道的Action。多位用户报告了类似问题,表明这是一个较为普遍的现象。
解决方案
Great Expectations开发团队已经确认此问题并修复了相关代码。修复方案将包含在下一个正式版本中。对于急需使用的用户,可以考虑以下临时解决方案:
- 暂时移除通知Action,手动处理通知逻辑
- 降级到已知稳定的早期版本
- 从源码构建包含修复的版本
最佳实践建议
- 在配置Checkpoint时,建议先验证基础功能,再逐步添加通知等附加功能
- 对于关键业务场景,建议在测试环境中充分验证所有功能
- 关注Great Expectations的版本更新,及时升级到修复版本
总结
数据质量监控中的通知功能对于及时发现和解决问题至关重要。Great Expectations团队对此类集成问题的快速响应体现了项目对用户体验的重视。建议用户关注官方发布渠道,及时获取修复版本更新信息。
PaddleOCR-VL
PaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0118AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-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).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
项目优选









