Tillämpa förväntningar på ny data

Introduktion till datakvalitet med Great Expectations

Davina Moossazadeh

Data Scientist

Checkpoints

Checkpoint – Ett objekt som grupperar och kör Validation Definitions med delade parametrar

Ett schema som visar en Checkpoint med följande arbetsflöde: Batch Requests -> Data Source -> Validation Definition. Validation Definition returnerar Validation Results, som matas in i en valfri Action List med en eller flera Actions.

Actions – Komponenter som konfigureras av Checkpoints och integrerar GX med andra verktyg baserat på Validation Results

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

Varför använda Checkpoints?

Återanvändbarhet

Kan köra flera Validation Definitions mot ett Batch

Actions

Kan utlösa Actions baserat på Validation Results

Skapa en Checkpoint

Skapa en Checkpoint med Slack-avisering via gx.Checkpoint():

checkpoint = gx.Checkpoint(

    name="my_checkpoint",

    validation_definitions=[validation_definition],

    actions=[SlackNotificationAction()]  # optional
)

Checkpoint-fel

Om du kör en Checkpoint innan Validation Definition lagts till i Data Context uppstår ett fel:

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.

Lägga till en Validation Definition

Lägg till Validation Definition i Data Context med .validation_definitions.add():

validation_definition = context.validation_definitions.add(

    validation_definition=validation_definition
)

Köra en Checkpoint

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

Checkpoint-resultat. Utdata är lång och får inte plats på bilden.

Tolka Checkpoint-resultat

print(checkpoint_results.success)

False

print(checkpoint_results.describe())

Tolka Checkpoint-resultat

{ "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 – statiska webbplatser genererade från GX-metadata

# 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

En skärmbild av en Data Docs-webbsida med en lista över förväntningar på tabellnivå och deras observerade värden. En förväntning för radantalsintervall har en expanderad valideringshistorik med körtid, observerat värde samt min- och maxvärden. I det övre högra hörnet visas en grön ruta med en bockmarkering och texten "All Expectations met".

Lathund

Lägg till Validation Definition i Data Context:

context.validation_definitions.add(
    validation_definition
)

Skapa Checkpoint:

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

Kör Checkpoint:

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

Kontrollera Checkpoint-resultat:

checkpoint_results.success
checkpoint_results.describe()

Nu kör vi en övning!

Introduktion till datakvalitet med Great Expectations