目標
大量地址驗證教學課程會引導您瞭解可使用大量地址驗證的不同情境。在本教學課程中，我們將介紹 Google Cloud Platform 中用於執行大量地址驗證的不同設計模式。
首先，我們會概略說明如何在 Google Cloud Platform 中，使用 Cloud Run、Compute Engine 或 Google Kubernetes Engine 執行大量地址驗證，接著，我們會瞭解如何將這項功能納入資料管道。
閱讀完本文後，您應該能充分瞭解在 Google Cloud 環境中，大量執行地址驗證的不同選項。
Google Cloud Platform 參考架構
本節將深入探討使用 Google Cloud Platform 進行大量地址驗證的不同設計模式。在 Google Cloud Platform 上執行，即可與現有程序和資料管道整合。
在 Google Cloud Platform 上執行一次大量地址驗證
下圖是參考架構，說明如何在 Google Cloud Platform 上建構整合，這種做法較適合一次性作業或測試。
在這種情況下，建議您將 CSV 檔案上傳至 Cloud Storage bucket。接著，您可以在 Cloud Run 環境中執行大量地址驗證指令碼。不過，您也可以在其他執行階段環境中執行，例如 Compute Engine 或 Google Kubernetes Engine。您也可以將輸出的 CSV 檔案上傳至 Cloud Storage bucket。
以 Google Cloud Platform 資料管道的形式執行
上一節介紹的部署模式，很適合用來快速測試一次性使用的大量地址驗證。不過，如果您需要定期使用這項功能做為資料管道的一部分，則可充分運用 Google Cloud Platform 原生功能，讓這項功能更強大。您可以進行的變更包括：
- 在這種情況下，您可以將 CSV 檔案轉儲至 Cloud Storage bucket。
- Dataflow 工作可以擷取要處理的地址，然後快取到 BigQuery。
- Dataflow Python 程式庫可擴充，加入大量地址驗證邏輯，驗證 Dataflow 工作的地址。
從資料管道執行指令碼，做為長期週期性程序
另一種常見做法是將驗證一批地址，做為串流資料管道的週期性程序。您也可能將地址儲存在 BigQuery 資料儲存庫中。在這個方法中，我們會瞭解如何建構週期性資料管道 (需要每天/每週/每月觸發)
- 將初始 CSV 檔案上傳至 Cloud Storage bucket。
- 使用 Memorystore 做為永久資料儲存庫，維護長時間執行程序的的中繼狀態。
- 將最終地址快取到 BigQuery 資料儲存庫。
- 設定 Cloud Scheduler，定期執行指令碼。
這種架構有以下優點：
- 您可以使用 Cloud Scheduler 定期驗證地址。建議您每月重新驗證地址，或每月/每季驗證新地址。這個架構有助於解決該應用實例。
如果客戶資料位於 BigQuery，則可直接在該處快取已驗證的地址或驗證標記。注意：如要進一步瞭解可快取的內容和快取方式，請參閱大量地址驗證文章。
使用 Memorystore 可提高彈性，並處理更多地址。這個步驟會為整個處理管道新增有狀態性，以便處理非常大型的地址資料集。您也可以在這裡使用其他資料庫技術，例如 Cloud SQL[https://cloud.google.com/sql] 或 Google Cloud Platform 提供的任何其他資料庫類型。不過，我們認為 Memorystore 完美兼顧了擴充性和簡易性需求，因此應為首選。
結論
只要套用本文所述的模式，您就能在 Google Cloud Platform 上，將 Address Validation API 用於各種用途。
我們編寫了開放原始碼 Python 程式庫，協助您開始使用上述用途。您可以從電腦的指令列叫用，也可以從 Google Cloud Platform 或其他雲端服務供應商叫用。
如要進一步瞭解如何使用程式庫，請參閱這篇文章。
後續步驟
下載「提供可靠的地址，改善結帳、送貨和營運流程 」白皮書，並觀看「使用地址驗證功能改善結帳、送貨和營運流程 」網路研討會。
建議進一步閱讀：
貢獻者
這篇文章由 Google 維護。以下是原始作者。
主要作者：
Henrik Valve | 解決方案工程師
Thomas Anglaret | 解決方案工程師
Sarthak Ganguly | 解決方案工程師