Sobre el proyecto

delta-explain es una herramienta de diagnóstico de solo lectura que hace visible la poda de Delta Lake. Analiza el registro de transacciones de una tabla Delta (o una ubicación en la nube) para ilustrar cómo la poda por particiones y las estadísticas de columnas reducen el conjunto de archivos candidatos para un predicado de estilo SQL proporcionado. Puedes ejecutarlo desde el shell (`delta-explain ./my-table --where "age > 40 AND country = 'DE'"`), desde Python (`from delta_explain import explain; report = explain(...)`) o integrarlo en CI como una barrera (`--min-pruning 90 --assert-stats`). La herramienta nunca toca los archivos de datos Parquet – solo el registro –, lo que mantiene pequeña su superficie y documentadas sus garantías. Las opciones de instalación incluyen Homebrew, PyPI, Cargo, Docker y binarios precompilados. Admite rutas locales y URI en la nube (S3, Azure, GCS) con manejo de credenciales específico del proveedor. Los informes se emiten como un contrato JSON versionado; un visor HTML autocontenido puede representar embudos de poda, detalles por archivo y diagnósticos. El rendimiento escala con el número de entradas del registro, no con el volumen de datos. Con 200 k archivos, la herramienta se ejecuta en ~1–2 s y usa ~300 MB de RAM. Los esquemas anchos o muchos archivos aumentan la memoria de forma lineal, y el tamaño de salida puede limitarse con `--limit`. El proyecto también funciona como una GitHub Action para el control en CI, exponiendo porcentajes de poda y recuentos de archivos como salidas del paso. Las características clave incluyen: * Visualización de poda paso a paso (primero particiones, luego estadísticas) * Listados detallados por archivo (motivos de conservación/descarte, tamaños, rangos de estadísticas) * Barreras de CI basadas en umbrales (`--min-pruning`, `--assert-stats`) * Informes validados con esquema JSON y un visor HTML * Binarios multiplataforma (Linux, macOS, Windows) e imágenes Docker * Documentación completa, ejemplos y un artículo en profundidad sobre el diseño. La herramienta está construida sobre delta-kernel-rs, es estrictamente de solo lectura y se publica bajo la licencia MIT.