Google Cloud Platform'da Yüksek Hacimli Adres Doğrulaması İçin Tasarım Kalıpları

Hedef

Yüksek Hacimli Adres Doğrulama eğiticisi, yüksek hacimli adres doğrulamanın kullanılabileceği farklı senaryolarda size yol gösterir. Bu eğiticide, Yüksek Hacimli Adres Doğrulaması'nı çalıştırmak için Google Cloud Platform'daki farklı tasarım kalıplarını tanıtacağız.

Cloud Run, Compute Engine veya Google Kubernetes Engine ile Google Cloud Platform'da tek seferlik yürütme işlemleri için Yüksek Hacimli Adres Doğrulama'yı çalıştırmaya genel bakışla başlayacağız. Ardından, bu yeteneğin veri ardışık düzenine nasıl dahil edilebileceğini göreceğiz.

Bu makalenin sonunda, Adres Doğrulama'yı Google Cloud ortamınızda yüksek hacimde çalıştırmak için kullanabileceğiniz farklı seçenekleri öğrenmiş olacaksınız.

Google Cloud Platform'da referans mimari

Bu bölümde, Google Cloud Platform kullanılarak Yüksek Hacimli Adres Doğrulama işlemi için farklı tasarım kalıpları ele alınmaktadır. Google Cloud Platform'da çalıştırarak mevcut süreçleriniz ve veri ardışık düzenlerinizle entegrasyon sağlayabilirsiniz.

Google Cloud Platform'da Yüksek Hacimli Adres Doğrulaması bir kez Çalıştırma

Aşağıda, entegrasyon oluşturma ile ilgili referans mimari verilmiştir. Bu çözüm, tek seferlik işlemler veya testler için daha uygundur.

resim

Bu durumda, CSV dosyasını bir Cloud Storage paketine yüklemenizi öneririz. Böylece Yüksek Hacimli Adres Doğrulama komut dosyası Cloud Run ortamından çalıştırılabilir. Ancak bunu Compute Engine veya Google Kubernetes Engine gibi diğer çalışma zamanı ortamlarında yürütebilirsiniz. Çıkış CSV'si ayrıca Cloud Storage paketine de yüklenebilir.

Google Cloud Platform veri ardışık düzeni olarak çalışma

Önceki bölümde gösterilen dağıtım kalıbı, Yüksek Hacimli Adres Doğrulama'yı tek seferlik kullanım için hızlı bir şekilde test etmek amacıyla idealdir. Ancak veri ardışık düzeninin bir parçası olarak düzenli olarak kullanmanız gerekiyorsa Google Cloud Platform'un yerel özelliklerinden yararlanarak daha güçlü hale getirebilirsiniz. Yapabileceğiniz değişikliklerden bazıları şunlardır:

resim

  • Bu durumda, CSV dosyalarının Cloud Storage paketlerine dökümünü alabilirsiniz.
  • Dataflow işleri, işlenecek adresleri alıp BigQuery'de önbelleğe alabilir.
  • Dataflow Python kitaplığı, Dataflow işindeki adresleri doğrulamak için Yüksek Hacimli Adres Doğrulaması mantığına sahip olacak şekilde genişletilebilir.

Komut dosyasını uzun süreli yinelenen bir işlem olarak bir veri ardışık düzeninden çalıştırma

Yaygın olarak kullanılan diğer bir yaklaşım da adres grubunu, akış verisi ardışık düzeninin parçası olarak yinelenen bir işlem şeklinde doğrulamaktır. Adresler bir BigQuery veri deposunda da bulunabilir. Bu yaklaşımda, yinelenen bir veri ardışık düzeninin nasıl oluşturulacağını göreceğiz (bu ardışık düzenin günlük/haftalık/aylık olarak tetiklenmesi gerekir)

resim

  • İlk CSV dosyasını bir Cloud Storage paketine yükleyin.
  • Memorystore'u kalıcı veri deposu olarak kullanarak ara durum olarak belirlenebilir.
  • BigQuery veri deposundaki son adresleri önbelleğe alın.
  • Komut dosyasını periyodik olarak çalıştırmak için Cloud Scheduler'ı kurun.

Bu mimarinin avantajları şunlardır:

  • Adres doğrulaması, Cloud Scheduler kullanılarak düzenli aralıklarla yapılabilir. Adresleri her ay yeniden doğrulamak veya yeni adresleri her ay/üç ayda bir doğrulamak isteyebilirsiniz. Bu mimari, bu kullanım alanının çözülmesine yardımcı olur.
  • Müşteri verileri BigQuery'deyse doğrulanmış adresler veya doğrulama işaretleri doğrudan orada önbelleğe alınabilir. Not: Neler önbelleğe alınabilir ve nasıl açıklanır? Yüksek Hacimli Adres Doğrulama makalesindeki ayrıntılarda açıklanmıştır.

  • Memorystore'un kullanılması, daha fazla adresin işlenmesine daha yüksek esneklik ve kapasite sağlar. Bu adımlar, çok büyük adresli veri kümelerinin yönetimi için gerekli olan, işleme ardışık düzeninin tamamına durum denetlemesi ekler. Cloud SQL [https://cloud.google.com/sql] veya Google Cloud Platform'un sunduğu diğer veritabanları gibi diğer veritabanı teknolojileri de burada kullanılabilir. Ancak, bellek depolama alanının, ölçeklendirme ve basitlik ihtiyaçlarını mükemmel bir şekilde dengelediğini düşünüyoruz. Bu nedenle, ilk tercihiniz bu olmalıdır.

Sonuç

Burada açıklanan kalıpları uygulayarak Address Validation API'yi Google Cloud Platform'daki farklı kullanım alanları ve farklı kullanım alanları için kullanabilirsiniz.

Yukarıda açıklanan kullanım alanlarını kullanmaya başlamanıza yardımcı olmak için açık kaynaklı bir Python kitaplığı hazırladık. Bilgisayarınızdaki bir komut satırından veya Google Cloud Platform'dan ya da diğer bulut sağlayıcılardan da çalıştırılabilir.

Kitaplığı nasıl kullanacağınızla ilgili daha fazla bilgiyi bu makalede bulabilirsiniz.

Sonraki Adımlar

Güvenilir adreslerle ödeme, teslimat ve işlemleri iyileştirme teknik belgesini indirin ve Adres Doğrulama ile ödeme, teslimat ve işlemleri iyileştirme Webinar'ını görüntüleyin.

Önerilen ek okuma:

Katkıda bulunanlar

Bu makale Google tarafından saklanır. İlk olarak aşağıdaki katkıda bulunanlar yazmış.
. Ana yazarlar:

Henrik Valve | Çözüm Mühendisi
Thomas Anglaret | Çözüm Mühendisi
Sarthak Ganguly | Çözüm mühendisi