返回 AI 工具目录
Great Expectations
基础设施人工精选最近核验 2026年7月23日
Great Expectations(GX Core)是一个开源的数据质量框架,把对数据的校验写成可表达、可扩展的单元测试。核心概念 Expectations 用一致的语言描述数据应满足的规则(如非空、取值范围、唯一性),Checkpoints 执行并记录校验运行,Data Docs 自动生成校验结果文档供团队沉淀数据认知。它以 Python 库形式嵌入数据管线,连接多种数据源做剖析与验证,常用于 ETL、数仓与 MLOps 前置的数据把关。官方仓库现位于 GitHub 的 fivetran 组织下;另有独立的 GX Cloud 托管服务,与开源核心分开提供。
定价开源部署本地运行、自托管国内可达国内可达许可Apache-2.0
解决什么问题
- 把数据校验写成可复用的单元测试
- 用统一语言表达非空、范围、唯一等规则
- 自动生成 Data Docs 沉淀数据质量认知
- Checkpoints 执行并记录批次校验结果
- 在管线中前置拦截脏数据流入下游
适合
- 在 ETL、数仓管线中做数据质量把关
- 团队需要共享、可读的校验规则语言
- 为 MLOps 训练数据做前置质量验证
- 以 Python 技术栈为主的数据团队
不适合
- 面向数据工程师,非业务人员零代码工具
- 仅校验数据,不负责清洗与修复
- 大规模校验性能需结合执行引擎调优
- 托管与协作属独立 GX Cloud,与开源核心分开
如何接入
- 以 pip 安装,作为 Python 库嵌入管线
- 通过 Data Context 连接多种数据源
- 可接入编排工具在管线中触发校验
- 校验结果以 Data Docs 静态文档呈现
已知限制
- 官方支持 Python 3.10–3.13,3.14+ 为实验性
- 1.x 版本 API 与旧版差异较大
- 复杂自定义 Expectation 需自行开发
- 深度托管与协作需另用 GX Cloud
接入与使用事实
- 部署方式
- 本地运行、自托管
- 实现语言
- Python
- 中文界面
- 待确认
- 中文文档
- 待确认
- 定价方式
- 开源
- 许可证
- Apache-2.0
- 国内可达性
- 国内可达
- 可达性观察
- 待补充
权限、依赖与维护信号
这些字段记录公开可见信号，不等同于安全审计结论。
权限信号
暂无公开信号。
依赖信号
暂无公开信号。
维护信号
暂无公开信号。
公开来源与证据
- 代码仓库仅作事实索引