Застосування Expectations до нових даних

Вступ до контролю якості даних із Great Expectations

Davina Moossazadeh

Data Scientist

Checkpoints

Checkpoint — об'єкт, що групує й запускає Validation Definitions із спільними параметрами

Схема з Checkpoint, що містить такий процес: Batch Requests -> Data Source -> Validation Definition. Validation Definition видає Validation Results, які надходять до необов'язкового Action List з однією або кількома Actions.

Actions — компоненти, які налаштовує Checkpoint для інтеграції GX з іншими інструментами на основі Validation Results

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

Навіщо використовувати Checkpoints?

Повторне використання

Можна запускати кілька Validation Definitions для одного Batch

Actions

Можна запускати Actions на основі Validation Results

Створення Checkpoint

Створення Checkpoint зі сповіщенням у Slack через gx.Checkpoint():

checkpoint = gx.Checkpoint(

    name="my_checkpoint",

    validation_definitions=[validation_definition],

    actions=[SlackNotificationAction()]  # необов'язково
)

Помилки Checkpoint

Запуск Checkpoint до додавання Validation Definition у Data Context спричиняє помилку:

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.

Додавання Validation Definition

Додайте Validation Definition до Data Context за допомогою .validation_definitions.add():

validation_definition = context.validation_definitions.add(

    validation_definition=validation_definition
)

Запуск Checkpoint

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

Результати Checkpoint. Вивід довгий і не вміщується на слайді.

Оцінювання результатів Checkpoint

print(checkpoint_results.success)

False

print(checkpoint_results.describe())

Оцінювання результатів 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 — статичні сайти, згенеровані з метаданих GX

# Checkpoint із дією для оновлення 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

Знімок екрана сторінки Data Docs із переліком очікувань на рівні таблиці та їхніми спостереженими значеннями. Для очікування щодо діапазону кількості рядків розгорнуто таблицю Validation History з часом запуску, спостереженим значенням і мін/макс. Угорі праворуч зелений блок із позначкою: "All Expectations met".

Шпаргалка

Додайте Validation Definition до Data Context:

context.validation_definitions.add(
    validation_definition
)

Створіть Checkpoint:

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

Запустіть Checkpoint:

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

Перевірте результати Checkpoint:

checkpoint_results.success
checkpoint_results.describe()

Давайте потренуємось!

Вступ до контролю якості даних із Great Expectations