Erwartungen auf neue Daten anwenden

Einführung in Data Quality mit Great Expectations

Davina Moossazadeh

Data Scientist

Checkpoints

Checkpoint – Objekt, das Validierungsdefinitionen mit gemeinsamen Parametern bündelt und ausführt

Ein Schema eines Checkpoints mit folgendem Ablauf: Batch Requests -> Data Source -> Validation Definition. Die Validation Definition erzeugt Validation Results, die in eine optionale Action List mit einer oder mehreren Actions fließen.

Actions – Von Checkpoints konfigurierte Komponenten, die GX basierend auf Validation Results mit anderen Tools integrieren

¹ https://docs.greatexpectations.io/docs/core/trigger_actions_based_on_results/create_a_checkpoint_with_actions/

Warum Checkpoints?

Wiederverwendbarkeit

Mehrere Validierungsdefinitionen gegen einen Batch ausführbar

Actions

Aktionen basierend auf Validation Results auslösen

Einen Checkpoint erstellen

Checkpoint mit Slack-Benachrichtigung per gx.Checkpoint() erstellen:

checkpoint = gx.Checkpoint(

    name="my_checkpoint",

    validation_definitions=[validation_definition],

    actions=[SlackNotificationAction()]  # optional
)

Checkpoint-Fehler

Einen Checkpoint auszuführen, bevor die Validierungsdefinition dem Data Context hinzugefügt wurde, führt zu einem Fehler:

CheckpointRelatedResourcesFreshnessError: 
ValidationDefinition 'my_validation_definition' must be added to the DataContext 
before it can be updated. Please call `context.validation_definitions.add(
<VALIDATION_DEFINITION_OBJECT>)`, then try your action again.

Eine Validierungsdefinition hinzufügen

Füge die Validierungsdefinition dem Data Context mit .validation_definitions.add() hinzu:

validation_definition = context.validation_definitions.add(

    validation_definition=validation_definition
)

Einen Checkpoint ausführen

checkpoint_results = checkpoint.run(
    batch_parameters={"dataframe": dataframe}
)

Checkpoint-Ergebnisse. Die Ausgabe ist lang und passt nicht auf die Folie.

Checkpoint-Ergebnisse bewerten

print(checkpoint_results.success)

False

print(checkpoint_results.describe())

Checkpoint-Ergebnisse bewerten

{ "success": false,
  "statistics": {
    "evaluated_expectations": 1, "successful_expectations": 0,
    "unsuccessful_expectations": 1, "success_percent": 0.0
  },
  "expectations": [{
    "expectation_type": "expect_table_row_count_to_equal",
    "success": false,
    "kwargs": {"batch_id": ""my_datasource-my_dataframe_asset", "value": 118000}, 
    "result": {"observed_value": 11866}}
  ],
  "result_url": "https://app.greatexpectations.io/organizations/my_org/data-assets/*/validations/expectation-suites/0a123b9c-e370-4b18-b703-785dde88732d/results/cb093105-6ede-47d4-a141-dee10c632e18"
}

Data Docs

Data Docs – statische Websites aus GX-Metadaten

# Checkpoint mit Action zum Aktualisieren von Data Docs
gx.Checkpoint(
    name,
    validation_definitions,
    actions=[
      gx.checkpoint.actions.UpdateDataDocsAction(
          name="update_my_site", site_names="my_data_docs_site"
        )
    ],
)

¹ https://docs.greatexpectations.io/docs/core/configure_project_settings/configure_data_docs/

Data Docs

Ein Screenshot einer Data-Docs-Webseite mit einer Liste tabellenweiter Expectations und ihren beobachteten Werten. Eine Expectation für Zeilenzahlbereich ist aufgeklappt und zeigt Validierungshistorie mit Laufzeit, beobachtetem Wert sowie Min- und Max-Wert. Oben rechts steht in einem grünen Kasten mit Häkchen „Alle Expectations erfüllt“.

Spickzettel

Validierungsdefinition zum Data Context hinzufügen:

context.validation_definitions.add(
    validation_definition
)

Checkpoint erstellen:

checkpoint = gx.Checkpoint(
    name: str, 
    validation_definitions: list,
)

Checkpoint ausführen:

checkpoint_results = checkpoint.run(
    batch_parameters={"dataframe": dataframe}
)

Checkpoint-Ergebnisse prüfen:

checkpoint_results.success
checkpoint_results.describe()

Lass uns üben!

Einführung in Data Quality mit Great Expectations