Применение ожиданий к новым данным

Введение в качество данных с Great Expectations

Davina Moossazadeh

Data Scientist

Checkpoints

Checkpoint — объект, который группирует и запускает Validation Definitions с общими параметрами

Схема Checkpoint с рабочим процессом: Batch Requests -> Data Source -> Validation Definition. Validation Definition выводит Validation Results, которые передаются в необязательный Action List с одним или несколькими действиями.

Actions — компоненты, настраиваемые Checkpoints для интеграции GX с другими инструментами на основе Validation Results

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

Зачем использовать Checkpoints?

Повторное использование

Можно запускать несколько Validation Definitions для одного Batch

Actions

Можно инициировать Actions на основе Validation Results

Создание Checkpoint

Создание Checkpoint с уведомлением в Slack через gx.Checkpoint():

checkpoint = gx.Checkpoint(

    name="my_checkpoint",

    validation_definitions=[validation_definition],

    actions=[SlackNotificationAction()]  # optional
)

Ошибки Checkpoint

Запуск Checkpoint до добавления Validation Definition в Data Context приводит к ошибке:

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.

Добавление Validation Definition

Добавьте Validation Definition в Data Context с помощью .validation_definitions.add():

validation_definition = context.validation_definitions.add(

    validation_definition=validation_definition
)

Запуск Checkpoint

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

Результаты Checkpoint. Вывод длинный и не помещается на слайде.

Анализ результатов Checkpoint

print(checkpoint_results.success)

False

print(checkpoint_results.describe())

Анализ результатов 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 — статические веб-сайты, генерируемые на основе метаданных 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

Снимок экрана веб-страницы Data Docs со списком ожиданий на уровне таблицы и их наблюдаемыми значениями. Для одного ожидания по диапазону строк развёрнута таблица истории валидации с временем запуска, наблюдаемым значением, а также минимальным и максимальным значениями. В правом верхнем углу — зелёный блок с галочкой и надписью «All Expectations met».

Шпаргалка

Добавьте Validation Definition в Data Context:

context.validation_definitions.add(
    validation_definition
)

Создайте Checkpoint:

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

Запустите Checkpoint:

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

Проверьте результаты Checkpoint:

checkpoint_results.success
checkpoint_results.describe()

Давайте потренируемся!

Введение в качество данных с Great Expectations