Detecção de anomalias

Importante

Esse recurso está em Visualização Pública.

Esta página descreve o que é a detecção de anomalias, o que ela monitora e como usá-la.

Importante

A detecção de anomalias usa o armazenamento padrão para armazenar os resultados da verificação na tabela do system.data_quality_monitoring.table_results sistema. Você não é cobrado por esse armazenamento.

O que é detecção de anomalias?

A detecção de anomalias permite monitorar a qualidade dos dados em todas as tabelas em um esquema. Analisando padrões históricos, Azure Databricks avalia automaticamente a integridade e o frescor de cada tabela. Os resultados estão disponíveis no Gerenciador de Catálogos.

Requisitos

• Workspace habilitado para Catálogo do Unity.
• A computação sem servidor deve estar disponível em seu workspace (habilitada por padrão em workspaces com o Catálogo do Unity).
• Para habilitar a detecção de anomalias em um esquema, você deve ter o MANAGE privilégio no esquema ou no catálogo pai.
• Para visualizar o indicador de saúde de uma tabela, você precisa do SELECT privilégio na tabela ou do BROWSE privilégio no catálogo pai.
• Para visualizar detalhes de qualidade da tabela, como a aba Qualidade na página da tabela, você precisa do SELECT privilégio na tabela.

Como funciona a detecção de anomalias?

Azure Databricks cria um trabalho em segundo plano que monitora tabelas para atualização e integridade.

Freshness indica há quanto tempo uma tabela foi atualizada. O monitoramento da qualidade de dados analisa o histórico de confirmações em uma tabela e cria um modelo para cada tabela para prever a hora da próxima confirmação. Se um commit estiver atrasado de forma incomum, a tabela será marcada como obsoleta.

Completude refere-se ao número de linhas que devem ser gravadas na tabela nas últimas 24 horas. O monitoramento de qualidade de dados analisa a contagem de linhas históricas e, com base nesses dados, prevê um intervalo de número esperado de linhas. Se o número de linhas com commit nas últimas 24 horas for menor que o limite inferior previsto, a tabela é marcada como incompleta.

Azure Databricks usa o escaneamento inteligente para automatizar as frequências de escaneamento de tabelas. A verificação inteligente prioriza tabelas de alto impacto, conforme determinado pela popularidade e pelo uso em processos subsequentes, e reduz a frequência para tabelas de menor importância. Para excluir tabelas manualmente, use a API Criar um Monitor ou Atualizar um Monitor e especifique as tabelas excluídas no excluded_table_full_names parâmetro. Para obter mais informações, consulte a documentação do API.

A detecção de anomalias não modifica as tabelas monitoradas, nem adiciona sobrecarga a trabalhos que preenchem essas tabelas.

Observação

A atualização do evento, que se baseia em colunas de tempo de evento e latência de ingestão, estava disponível apenas para usuários da versão beta de monitoramento de qualidade de dados. Na versão atual, não há suporte para a atualidade do evento.

Porcentagem nula para integridade

Importante

Esse recurso está em Beta.

Porcentagem nula adiciona detalhes adicionais de qualidade à integridade. Percentual nulo é o percentual de linhas gravadas na tabela nas últimas 24 horas que devem ter valores nulos para uma determinada coluna. O monitoramento de qualidade de dados analisa a tendência histórica de cada coluna e, com base nesses dados, prevê um intervalo. Se a porcentagem nula de uma coluna nas últimas 24 horas for maior que o limite superior desse intervalo, uma tabela será marcada como incompleta.

Segmentação por completude

Importante

Esse recurso está em Beta.

O fatiamento de integridade adiciona verificações de integridade para grupos em uma tabela, além da verificação no nível da tabela existente. A detecção de anomalias agrupa uma tabela por uma coluna especificada e avalia a completude separadamente para cada um dos valores distintos da coluna. Por exemplo, segmentar pela coluna region produz um resultado de completude distinto para cada região, como AMER, APAC e EMEA. Se alguma fatia estiver incompleta, a tabela é marcada como não saudável.

Um esquema pode ter até três colunas segmentadas, cada uma segmentada de forma independente (não combinadas em um único agrupamento). Você configura o fatiamento ao ativar a detecção de anomalias em um esquema, e ele se aplica a todas as tabelas do esquema.

Observação

A detecção de anomalias avalia a completude de uma coluna de segmentação apenas quando ela possui 50 valores distintos ou menos. Se uma coluna tiver mais de 50 valores distintos, ou uma tabela não contiver a coluna, essa tabela é monitorada como um todo.

Custo

A detecção de anomalias é executada na computação sem servidor e é cobrada como DBUs sem servidor no DATA_QUALITY_MONITORING produto de cobrança. O custo varia de acordo com o número e o tamanho das tabelas monitoradas em um esquema. A verificação inteligente ajuda a controlar o custo priorizando tabelas importantes e ignorando as de baixo impacto.

Para exibir e acompanhar as despesas de detecção de anomalias, consulte as despesas de detecção de anomalias.

Habilitar a detecção de anomalias

Você pode habilitar a detecção de anomalias em um único esquema ou em vários esquemas no nível do catálogo.

Habilitar a detecção de anomalias em um esquema

Para habilitar a detecção de anomalias em um esquema, navegue até o esquema no Catálogo do Unity.

1. Na página do esquema, clique na guia Detalhes .

2. Para Monitoramento de Qualidade de Dados, clique em Habilitar.

   

3. Na caixa de diálogo Monitoramento de Qualidade de Dados , verifique se a detecção de anomalias está ativada e clique em Salvar.

4. Uma verificação é iniciada. O Azure Databricks analisa automaticamente cada tabela na mesma frequência com que ela é atualizada, fornecendo informações atualizadas sem exigir configuração manual para cada tabela.

5. Depois que a verificação for concluída, você poderá exibir os resultados da detecção de anomalias para suas tabelas das seguintes maneiras:

• Os indicadores de saúde aparecem no Explorador de Catálogos para cada tabela dentro de um esquema. Consulte indicadores de integridade.
• Na guia Detalhes de um esquema com o Monitoramento de Qualidade de Dados habilitado, clique em Exibir resultados e, em seguida, exiba os resultados no Monitoramento da Qualidade dos Dados. Veja Exibir os resultados do monitoramento de qualidade de dados na interface do usuário.
• Os problemas de qualidade detectados são registrados na tabela do sistema de saída. Consulte Examinar os resultados registrados em log da detecção de anomalias.

Habilitar a detecção de anomalias em um catálogo

Você pode habilitar a detecção de anomalias em vários esquemas de uma só vez do catálogo. Navegue até o catálogo no Unity Catalog.

1. Na página do catálogo, clique na guia Detalhes .

2. Para Monitoramento de Qualidade de Dados, clique em Habilitar.

   

3. Na caixa de diálogo Monitoramento de Qualidade de Dados , selecione os esquemas que você deseja monitorar e clique em Salvar.

   

   Observação

   Você pode habilitar até 50 esquemas por vez. Marque a caixa de seleção de nível superior para habilitar todos os esquemas disponíveis no momento para monitorar. Isso não habilita esquemas que serão adicionados ao catálogo no futuro.

   Você vê apenas os esquemas do catálogo dos quais é proprietário ou para os quais possui o privilégio MANAGE.

4. Azure Databricks inicia uma verificação de cada esquema habilitado, verificando automaticamente cada tabela na mesma frequência em que é atualizada, sem a necessidade de configuração manual para cada tabela.

5. Depois que a verificação for concluída, você poderá exibir os resultados da detecção de anomalias usando qualquer um dos métodos descritos em Habilitar detecção de anomalias em um esquema.

Desabilitar a detecção de anomalias

Para desabilitar a detecção de anomalias:

1. Clique no ícone de lápis.

   

2. Na caixa de diálogo Monitoramento de Qualidade de Dados, clique no interruptor.

   Importante

   Quando você desabilitar a detecção de anomalias, o trabalho de detecção de anomalias e todas as tabelas e informações de detecção de anomalias são excluídos. Esta ação não pode ser desfeita.

   

3. Clique em Salvar.

Para desabilitar a detecção de anomalias para vários esquemas ao mesmo tempo, abra a caixa de diálogo Monitoramento de Qualidade de Dados na guia Detalhes do catálogo, desmarque os esquemas que você não deseja mais monitorar e clique em Salvar.

Configuração adicional

Configurar fatiamento de integridade

Importante

Esse recurso está em Beta.

Configure o fatiamento de integridade no diálogo do Monitoramento da qualidade de dados para um esquema:

1. Em Monitorar por fatia, clique em Adicionar fatias.

   

2. No painel Adicionar fatias , selecione até três colunas para cortar e clique em Salvar fatias.

   

3. Clique em Salvar. As colunas selecionadas aparecem em Monitorar por fatia. Para alterá-los depois, clique em Editar.

   

Indicadores de saúde

Depois de habilitar a detecção de anomalias em um esquema, os indicadores de integridade aparecem nas páginas de visão geral do esquema e da tabela no Gerenciador de Catálogos. O indicador de integridade mostra um resumo da integridade da tabela para consumidores de dados e usuários empresariais sem exigir que eles naveguem até a interface do usuário do Monitoramento de Qualidade de Dados. Os usuários precisam do privilégio SELECT na tabela ou do privilégio BROWSE no catálogo pai para visualizar o indicador de saúde. Para visualizar os detalhes de qualidade da tabela por trás do status, os usuários precisam do SELECT privilégio na tabela.

A tabela a seguir descreve cada status de indicador de integridade:

Situação	Descrição
Saudável	Todas as verificações de detecção de anomalias foram aprovadas durante a verificação mais recente.
Não saudável	Uma ou mais verificações detectaram uma anomalia, como um problema de atualização ou de integridade.
Treinamento	A detecção de anomalias está criando um modelo de linha de base com base em dados históricos. Tabelas monitoradas recentemente exibem esse status até que o modelo tenha dados suficientes para avaliar a qualidade.
Erro	A detecção de anomalias encontrou um erro ao monitorar esta tabela.
Excluído	A tabela é explicitamente excluída da detecção de anomalias.
não ativado	A detecção de anomalias não está habilitada no esquema que contém essa tabela.

Observação

A verificação inteligente poderá atrasar o preenchimento de indicadores de integridade para algumas tabelas em até duas semanas se a tabela tiver sido ignorada durante a verificação inicial. O indicador de saúde é preenchido na próxima reverificação agendada.

Os indicadores de integridade também aparecem nos nós da tabela no gráfico de linhagem, para que você possa revisar o status de integridade das tabelas upstream e downstream enquanto explora a linhagem.

Exibir os resultados do monitoramento de qualidade de dados na interface do usuário

Importante

Em 7 de outubro de 2025, o Databricks lançou uma nova versão da interface do usuário do Monitoramento de Qualidade de Dados. Esquemas habilitados para monitoramento de qualidade de dados em ou após essa data usam automaticamente essa nova interface do usuário. Esta seção descreve esta versão mais recente da interface do usuário.

Para obter informações sobre a interface do usuário herdada, consulte o painel de qualidade de dados (herdado).

O Databricks recomenda que você habilite a nova versão para todos os esquemas existentes.

Para habilitar a nova versão, clique na alternância monitoramento de qualidade de dados para desativar o recurso e clique novamente para ativá-lo novamente.

Depois de habilitar o monitoramento de qualidade de dados em um esquema, você pode abrir a página de resultados clicando em Exibir resultados. Você também pode acessar os resultados de todos os esquemas que têm o monitoramento habilitado no Gerenciador de Catálogos.

A interface do usuário de resultados contém listas suspensas de catálogo e esquema. Quando você seleciona um catálogo, a lista suspensa de esquema é preenchida com esquemas nesse catálogo que têm o monitoramento de qualidade de dados habilitado.

• Se você tiver MANAGE ou SELECT privilégios no catálogo, poderá visualizar incidentes no nível do catálogo. Para exibir todos os incidentes em um catálogo, selecione Todos os Esquemas no menu de Esquema.

  

• Para visualizar incidentes de um esquema específico, você também deve ter privilégios GERENCIAR, SELECT, ou LER METADADOS nesse esquema. Selecionar um esquema mostra incidentes apenas para esse esquema.

A página de resultados mostra uma seção de resumo na parte superior, que exibe a qualidade geral dos dados para o escopo selecionado, incluindo a porcentagem de tabelas íntegras e o percentual de esquemas/tabelas monitorados no momento. Abaixo desta seção está uma tabela listando incidentes em todas as tabelas monitoradas no escopo selecionado. Use os botões para exibir tabelas não saudáveis, saudáveis ou de erro.

A tabela a seguir descreve as colunas, que são ligeiramente diferentes dependendo se você selecionar Não Íntegro, Íntegro ou Erro.

Coluna	Descrição
Situação	Healthy, Unhealthy ou Training.
Detectado pela primeira vez	Quando o primeiro incidente foi detectado. Aparece apenas na guia Não íntegro.
Última verificação	Quando a tabela foi escaneada pela última vez. Aparece apenas na guia Saudável.
Reason	Se a tabela está não íntegra devido à atualização ou à integridade. Aparece apenas na guia Não íntegro.
Causa raiz	Informações sobre trabalhos upstream, pipelines ou tabelas que contribuem para o problema. Aparece apenas na guia Não íntegro.
Impacto	Uma medida qualitativa de impacto downstream (Alta, Média ou Baixa), com base no número de tabelas downstream e consultas afetadas.
Frequência de escaneamento	Com que frequência a tabela foi verificada na última semana.
Resultados	Um link para a página de qualidade da tabela em que você pode exibir tendências históricas e visualizações explicando por que uma anomalia foi detectada.
Estado do erro	Mensagem de erro. Aparece apenas na guia Erro .
Detalhes	Detalhes sobre a mensagem de erro. Aparece apenas na guia Erro .

Gerenciar incidentes de tabelas não íntegras

Na guia Não íntegro, clique em Revisar na coluna Resultados para abrir os detalhes do incidente para a tabela. Nesse modo de exibição, duas ações estão disponíveis:

• Atribuir a mim: declara a propriedade do incidente para indicar que ele está sendo investigado ativamente. A tabela permanece no status Não saudável. A atribuição permanece por 7 dias.
• Não é um problema: marca o incidente como um falso positivo e o descarta. O status da tabela muda de Não íntegro para Íntegra, e a coluna Resolução na seção Incidentes Resolvidos Recentemente exibe Não é um problema. A demissão persiste por 7 dias.

Análise de causa raiz

Para cada tabela com problemas, a detecção de anomalias identifica a fonte mais provável do problema de qualidade. Ele analisa as relações entre ativos monitorados para determinar se o problema se origina na própria tabela ou em uma dependência upstream. Essa análise usa a linhagem de dados do Catálogo do Unity para raciocinar sobre relações de vários níveis entre ativos.

Quando a detecção de anomalias identifica uma origem provável, essa origem aparece na coluna Causa raiz da guia Não íntegro na interface de Monitoramento da Qualidade dos Dados. A coluna mostra o motivo mais provável do problema, como uma falha de execução ou um problema de integridade de uma tabela upstream.

As informações de causa raiz também estão disponíveis em alertas para detecção de anomalias. Consulte Alertas para detecção de anomalias.

Exibir incidentes resolvidos recentemente

Importante

Esse recurso está em Beta.

A seção Incidentes Resolvidos Recentemente do painel de monitoramento de qualidade de dados mostra tabelas que anteriormente não estavam íntegras, mas se recuperaram por conta própria. Uma tabela é exibida nesta seção quando seu status muda de Não saudável para íntegro automaticamente, sem intervenção manual.

O monitoramento de incidentes recentemente resolvidos automaticamente ajuda a identificar problemas de qualidade de dados que se corrigem sozinhos. Normalmente, esses problemas são problemas temporários, como atrasos a montante ou períodos de obsolescência que são resolvidos após a chegada de novos dados. A revisão de incidentes resolvidos automaticamente ajuda a distinguir problemas intermitentes de problemas persistentes e garante que suas tabelas permaneçam íntegras ao longo do tempo.

A tabela a seguir descreve as colunas nesta seção:

Coluna	Descrição
Schema	O esquema que contém a tabela.
Table	O nome da tabela.
Situação	O status atual da tabela. As tabelas nesta seção sempre mostram Saudável.
Resolução	Como o incidente foi resolvido. Mostra resolvido automaticamente se a tabela se recuperou por conta própria ou não é um problema se um usuário descartou o incidente usando a ação Não um problema .
Resolvido	Hora em que o status da tabela foi alterado pela última vez para Saudável.
Impacto	Uma medida qualitativa de impacto downstream (Alta, Média ou Baixa), com base no número de tabelas downstream e consultas afetadas.
Resultados	Um link para a página de qualidade da tabela em que você pode exibir tendências históricas e visualizações para a tabela.

Exibir resultados no nível do metastore

Para ver os resultados da qualidade dos dados em todo o seu metastore, use uma das seguintes opções:

• Painel de monitoramento da qualidade dos dados: um painel integrado que resume a integridade das tabelas em todos os catálogos do metastore.
• Modelo de painel: um modelo que você importa para criar um painel da tabela de resultados.

Painel de monitoramento da qualidade de dados

O painel Monitoramento de qualidade de dados resume a integridade da tabela em seu metastore. Para abri-lo, clique no Catálogo na barra lateral do espaço de trabalho e selecione Governança>Monitoramento da Qualidade dos Dados.

Qualquer usuário pode exibir o painel. Os resultados têm como escopo os catálogos e tabelas que o usuário tem permissão para acessar.

Por padrão, o painel mostra os resultados de Todos os Catálogos e inclui:

• Qualidade de Dados: o percentual de tabelas íntegras no metastore, juntamente com o número total de tabelas íntegras e não íntegras.
• Todos os catálogos monitorados: uma lista de catálogos monitorados, classificada com os catálogos em pior estado primeiro. Para cada catálogo, a lista mostra o número de tabelas monitoradas, o número de tabelas críticas com problemas, a porcentagem de tabelas saudáveis e o proprietário do catálogo.

Para restringir os resultados a um único catálogo, selecione-o no menu suspenso Catálogo.

Importar um modelo de painel

Você também pode importar um modelo para seu workspace. Esse modelo cria um painel que permite exibir todos os resultados de qualidade no metastore.

Para usar esse modelo, você deve ter acesso à system.data_quality_monitoring.table_results tabela. Por padrão, somente os administradores de conta têm acesso a essa tabela. Eles podem conceder acesso a outras pessoas conforme necessário.

Para importar e usar o modelo:

1. Baixe o arquivo de modelo: metastore-quality-dashboard.lvdash.json.
2. Na barra lateral do workspace, clique em Painéis.
3. No canto superior direito, selecione Importar painel do arquivo no menu suspenso Criar painel.
4. Na caixa de diálogo, clique em Escolher arquivo, navegue até o arquivo de modelo e clique em Importar painel.

O arquivo é importado e o painel é exibido.

Detalhes da qualidade da tabela

A interface do usuário Detalhes da Qualidade da Tabela permite que você se aprofunde nas tendências e entenda por que anomalias foram detectadas para tabelas específicas no seu esquema. Você pode acessar essa exibição de várias maneiras:

• Na Interface do usuário Resultados (nova experiência), clique no link de revisão na lista de incidentes.
• No Painel de Monitoramento (painel herdado do Lakeview), clicando no nome da tabela na guia Visão Geral da Qualidade.
• No Visualizador de tabelas do UC, ao acessar a guia Qualidade na página da tabela.

Todas as opções levam você à mesma visualização Detalhes de Qualidade da Tabela para a tabela selecionada. Você precisa do privilégio SELECT na tabela para abrir essa visão.

Dada uma tabela, a interface do usuário mostra os resumos de cada verificação de qualidade realizada na tabela, com gráficos de valores previstos e observados em cada instante de avaliação. Os gráficos plotam os resultados da última semana de dados.

Interface de Detalhes da Qualidade da Tabela para detecção de anomalias.

Se a tabela falhar nas verificações de qualidade, a interface do usuário também exibirá quaisquer processos anteriores identificados como a causa raiz.

Configurar alertas

Para configurar alertas que notificam você quando a detecção de anomalias identifica um problema de qualidade dos dados, consulte Alertas para detecção de anomalias.

Limitações

• A detecção de anomalias não aceita exibições nem tabelas externas.
• A determinação da integridade não leva em conta métricas como a fração de nulos, valores zero ou NaN.

Detecção de anomalias herdada

As seções a seguir abrangem dois recursos herdados: o painel de qualidade de dados e a configuração do trabalho de detecção de anomalias. A versão atual da detecção de anomalias não inclui esses recursos. O painel de controle foi substituído pela interface do usuário dos resultados do monitoramento da qualidade dos dados.

Painel de qualidade de dados (herdado)

Painel de qualidade de dados (herdado)

Observação

O painel de monitoramento de qualidade de dados estava disponível apenas para usuários legados. Na versão atual, use Exibir resultados do monitoramento de qualidade de dados na UI.

A primeira execução do monitor de qualidade de dados cria um painel para resumir resultados e tendências derivados da tabela de registro em log. O painel é preenchido automaticamente com insights para o esquema verificado. Um único painel é criado para cada workspace no seguinte caminho: /Shared/Databricks Quality Monitoring/Data Quality Monitoring.

Visão geral da qualidade

A guia Visão Geral da Qualidade mostra um resumo do status de qualidade mais recente das tabelas em seu esquema com base na avaliação mais recente.

Para começar, você deve inserir a tabela de log do esquema que deseja analisar para preencher o painel.

A seção superior do painel mostra uma visão geral dos resultados da verificação.

Abaixo do resumo, há uma tabela que lista os incidentes de qualidade por impacto. Todas as causas raiz identificadas são exibidas na root_cause_analysis coluna.

Abaixo da tabela de incidentes de qualidade está uma tabela de tabelas estáticas identificadas que não são atualizadas há muito tempo.

Definir parâmetros para avaliação de novidade e integridade (herdado)

Definir parâmetros para avaliação de atualidade e completude (herdado)

Observação

A partir de 21 de julho de 2025, não há suporte para a configuração dos parâmetros de trabalho para novos clientes. Se você precisar definir as configurações de trabalho, entre em contato com o Databricks.

Para editar os parâmetros que controlam o trabalho, como a frequência com que o trabalho é executado ou o nome da tabela de resultados registrados, você deve editar os parâmetros de trabalho na guia Tarefas da página de trabalho.

As seções a seguir descrevem configurações específicas. Para obter informações sobre como definir parâmetros de tarefa, consulte Configurar parâmetros de tarefa.

Agendamento e notificações (herdados)

Para personalizar o agendamento da tarefa ou configurar notificações, use as configurações de Agendamento e Disparadores na página de tarefas. Consulte Automatizar trabalhos com agendas e gatilhos.

Nome da tabela de registro em log (herdado)

Para alterar o nome da tabela de log ou salvar a tabela em um esquema diferente, edite o parâmetro logging_table_name da tarefa de trabalho e especifique o nome desejado. Para salvar a tabela de log em um esquema diferente, especifique o nome completo de 3 níveis.

Personalizar avaliações freshness e completeness (herdado)

Todos os parâmetros nesta seção são opcionais. Por padrão, a detecção de anomalias determina limites com base em uma análise do histórico da tabela.

Esses parâmetros são campos dentro do parâmetro metric_configsde tarefa. O formato de metric_configs é uma string JSON com os seguintes valores padrão:

[
  {
    "disable_check": false,
    "tables_to_skip": null,
    "tables_to_scan": null,
    "table_threshold_overrides": null,
    "table_latency_threshold_overrides": null,
    "static_table_threshold_override": null,
    "event_timestamp_col_names": null,
    "metric_type": "FreshnessConfig"
  },
  {
    "disable_check": true,
    "tables_to_skip": null,
    "tables_to_scan": null,
    "table_threshold_overrides": null,
    "metric_type": "CompletenessConfig"
  }
]

Os parâmetros a seguir podem ser usados para avaliações de freshness e completeness.

Nome do campo	Descrição	Exemplo
tables_to_scan	Somente as tabelas especificadas são verificadas.	["table_to_scan", "another_table_to_scan"]
tables_to_skip	As tabelas especificadas são ignoradas durante a verificação.	["table_to_skip"]
disable_check	A verificação não foi executada. Use este parâmetro se você quiser desabilitar apenas a verificação freshness ou apenas a verificação completeness.	true, false

Os seguintes parâmetros se aplicam somente à avaliação freshness.

Nome do campo	Descrição	Exemplo
event_timestamp_col_names	Lista de tabelas de colunas de carimbo de data/hora que seu esquema pode ter. Se uma tabela tiver uma dessas colunas, ela será marcada Unhealthy se o valor máximo dessa coluna for excedido. Usar esse parâmetro pode aumentar o tempo e o custo da avaliação.	["timestamp", "date"]
table_threshold_overrides	Um dicionário que consiste em nomes de tabela e limites (em segundos) que especificam o intervalo máximo desde a última atualização da tabela antes de marcar uma tabela como Unhealthy.	{"table_0": 86400}
table_latency_threshold_overrides	Um dicionário que consiste em nomes de tabela e limites de latência (em segundos) que especificam o intervalo máximo desde o último carimbo de data/hora na tabela antes de marcar uma tabela como Unhealthy.	{"table_1": 3600}
static_table_threshold_override	Tempo (em segundos) antes que uma tabela seja considerada como uma tabela estática (ou seja, uma que não seja mais atualizada).	2592000

Os seguintes parâmetros se aplicam apenas à avaliação de completeness:

Nome do campo	Descrição	Exemplo
table_threshold_overrides	Um dicionário que consiste em nomes de tabela e limites de volume de linha (especificados como inteiros). Se o número de linhas adicionadas a uma tabela nas 24 horas anteriores for menor que o limite especificado, a tabela será marcada Unhealthy.	{"table_0": 1000}