Changelog – Wydanie 2026.06¶

W wydaniu 2026.06 digna robi duży krok naprzód w zakresie automatyzacji, rozszerzalności i użyteczności platformy.
W tej wersji wprowadzono nowy digna Python SDK, oficjalne wsparcie dla wdrożeń w Docker, odświeżone doświadczenie pulpitu oraz lepszą przenośność w zarządzaniu regułami walidacji.

Obejrzyj prezentację wydania¶

What's New in digna | The Major Release of 2026 — przegląd tego wydania na kanale YouTube digna.

Nowe funkcje¶

digna Python SDK – Automatyzuj wszystko za pomocą Pythona¶

Instalacja:
```
pip install digna-sdk
```
Programowe zarządzanie i automatyzacja digna przy użyciu Pythona
Tworzenie i konfigurowanie projektów przez kod
Wywoływanie inspekcji i uruchomień monitoringu
Programowe zarządzanie zestawami danych, regułami i konfiguracjami
Profilowanie tabel i wydobywanie informacji o metadanych
Eksport wyników profilowania i jakości danych do zewnętrznych repozytoriów i systemów
Integracja z notebookami, narzędziami orkiestracji i pipeline’ami CI/CD

Wpływ: Umożliwia pełne podejście infrastructure-as-code oraz głęboką automatyzację procesów jakości danych i obserwowalności przy użyciu Pythona.

Wsparcie Docker – Uproszczone wdrożenia i operacje¶

Oficjalne wsparcie obrazu Docker dla digna
Szybka i spójna konfiguracja w różnych środowiskach
Uproszczone onboardowanie dla środowisk deweloperskich, testowych i produkcyjnych
Łatwa integracja z Kubernetes i platformami kontenerowymi
Lepsza przenośność i powtarzalność wdrożeń

Wpływ: Ułatwia wdrażanie i eksploatację digna w nowoczesnych architekturach cloud-native.

QueryMode – Elastyczna strategia wykonywania zapytań SQL¶

Skonfiguruj strategię wykonywania zapytań: tryb Single lub Combined

Single Mode: Każda statystyka jest obliczana za pomocą jednego dedykowanego zapytania SQL

Idealne dla dużych źródeł danych, gdzie istotne są ograniczenia pamięci
Zapobiega wyczerpaniu zasobów przy zapytaniach łączonych (brak pamięci, limity spool)
Większa liczba zapytań, lecz mniejsze zużycie pamięci na zapytanie

Combined Mode: Wszystkie statystyki obliczane są w pojedynczym zapytaniu SQL

Zmniejsza łączną liczbę zapytań i narzut sieciowy
Optymalizuje wydajność, gdy źródła danych mieszczą się w pamięci
Bardziej efektywne przy częstych, równoległych uruchomieniach

Wpływ: Daje użytkownikom precyzyjną kontrolę nad wykonywaniem zapytań, pozwalając wyważyć wydajność, wykorzystanie zasobów i bezpieczeństwo pamięci w zależności od charakterystyki źródła danych.

Konfigurowalny model predykcji¶

Model stojący za wykrywaniem anomalii waży teraz konkurencyjne wyjaśnienia każdego szeregu – wzorzec połączony z odczytem najnowszych obserwacji – i łączy ich prognozy według tego, jak mocno każde z nich jest poparte danymi. Pojedyncza skrajna wartość nie może już przenikać do kolejnych predykcji.

Sterują nim dwa ustawienia na nowej karcie Model źródła danych, każde w zakresie od 0.0 do 1.0, z wartością domyślną 0.5:

Czułość na przełamania – jak szybko skok do nowego poziomu lub zmiana kierunku trendu zostaje uznana za rzeczywistą, zamiast być traktowana jako wartości odstające
Złożoność modelu – jak dużo struktury szuka model, od efektów kalendarzowych i pojedynczej zmiany poziomu po nieznane cykle, efekty dnia miesiąca i comiesięczne resety

Oba ustawienia można w dowolnej chwili przywrócić do wartości domyślnych. Zobacz Ustawienia modelu, aby dowiedzieć się, jak działa każde z nich.

Wpływ: Daje użytkownikom kontrolę nad samym modelem predykcji, obok istniejących ustawień Sensitivity i Memory dla pasma tolerancji, które znajdują się teraz na karcie Progi.

Sterowanie powiadomieniami o anomaliach¶

Nowa karta Powiadomienia w ustawieniach anomalii źródła danych:
Minimalna liczba alertów – ile nieudanych kontroli (nie niepewnych) musi mieć inspekcja, zanim zostanie wysłane powiadomienie (domyślnie 1)
Przerwa po powiadomieniu (dni) – jak długo subskrypcja milczy po wysłaniu powiadomienia o danym źródle danych (domyślnie 0, bez przerwy)

Przeprojektowane doświadczenie pulpitu¶

Zmodernizowany i ulepszony design UI/UX
Czytelniejsza nawigacja i struktura
Lepsza widoczność wyników monitoringu i insightów dotyczących jakości danych
Poprawiona czytelność alertów, statystyk i dashboardów
Szybszy dostęp do kluczowych informacji operacyjnych

Wpływ: Zwiększa użyteczność i produktywność użytkowników w codziennej pracy.

Rozszerzony import i eksport reguł walidacji¶

Ulepszona funkcjonalność importu/eksportu reguł walidacji
Łatwiejsza migracja między środowiskami i projektami
Lepsze ponowne wykorzystanie standaryzowanych zestawów reguł
Udoskonalone zarządzanie cyklem życia reguł i governance
Uproszczona współpraca między zespołami

Wpływ: Umożliwia skalowalne i spójne zarządzanie jakością danych w całej organizacji.

Ulepszenia platformy¶

Pełna integracja Python SDK dla automatyzacji
Konteneryzacja i wdrożenia za pomocą Dockera
Poprawiony UX dzięki przeprojektowanemu pulpitowi
Zwiększona przenośność logiki walidacyjnej

Kto skorzysta z tego wydania¶

Inżynierowie danych: automatyzacja, użycie SDK, integracja z pipeline’ami
Zespoły platformowe: uproszczone wdrożenia przez Docker
Zespoły ds. zarządzania danymi: zarządzanie wielokrotnego użytku reguł walidacji
Zespoły analityczne: lepsza użyteczność i widoczność insightów

Aktualizacje CLI¶

Dodane wsparcie integracji SDK
Ulepszone workflowy import/eksport
Ogólne poprawki stabilności i wydajności