Stosowanie Expectations do nowych danych

Wprowadzenie do jakości danych z Great Expectations

Davina Moossazadeh

Data Scientist

Checkpoints

Checkpoint – obiekt grupujący i uruchamiający Validation Definitions ze wspólnymi parametrami

Schemat przedstawiający Checkpoint z następującym przepływem: Batch Requests -> Data Source -> Validation Definition. Validation Definition generuje Validation Results, które trafiają do opcjonalnej listy Actions zawierającej jedną lub więcej akcji.

Actions – komponenty konfigurowane przez Checkpoints, integrujące GX z innymi narzędziami na podstawie Validation Results

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

Dlaczego warto używać Checkpoints?

Możliwość ponownego użycia

Można uruchomić wiele Validation Definitions dla jednego Batch

Actions

Można wyzwalać Actions na podstawie Validation Results

Tworzenie Checkpoint

Tworzenie Checkpoint z powiadomieniem Slack za pomocą gx.Checkpoint():

checkpoint = gx.Checkpoint(

    name="my_checkpoint",

    validation_definitions=[validation_definition],

    actions=[SlackNotificationAction()]  # optional
)

Błędy Checkpoint

Uruchomienie Checkpoint przed dodaniem Validation Definition do Data Context powoduje błąd:

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.

Dodawanie Validation Definition

Dodaj Validation Definition do Data Context za pomocą .validation_definitions.add():

validation_definition = context.validation_definitions.add(

    validation_definition=validation_definition
)

Uruchamianie Checkpoint

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

Wyniki Checkpoint. Dane wyjściowe są długie i nie mieszczą się na slajdzie.

Ocena wyników Checkpoint

print(checkpoint_results.success)

False

print(checkpoint_results.describe())

Ocena wyników Checkpoint

{ "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 – statyczne strony generowane z metadanych GX

# Checkpoint with Action for Updating 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

Zrzut ekranu strony Data Docs z listą Expectations na poziomie tabeli i ich obserwowanymi wartościami. Jedno Expectation dotyczące zakresu liczby wierszy ma rozwiniętą tabelę Validation History z czasem uruchomienia, obserwowaną wartością oraz wartościami min i max. W prawym górnym rogu zielone pole z zaznaczeniem informuje: „All Expectations met".

Ściągawka

Dodaj Validation Definition do Data Context:

context.validation_definitions.add(
    validation_definition
)

Utwórz Checkpoint:

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

Uruchom Checkpoint:

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

Sprawdź wyniki Checkpoint:

checkpoint_results.success
checkpoint_results.describe()

Czas na ćwiczenia!

Wprowadzenie do jakości danych z Great Expectations