目標
大量地址驗證教學課程說明瞭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 執行大量地址驗證作業。接著，我們會瞭解如何將這項功能納入資料管道。
讀完本文後，您應該會充分瞭解在 Google Cloud 環境中，以高用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 上執行時，您可以與現有的程序和資料管道整合。
在 Google Cloud Platform 上執行大量地址驗證一次
下圖為參考架構，說明如何在 Google Cloud Platform 上建構整合功能，更適合用於一次性作業或測試。
在這種情況下，建議將 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，您可以在任何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 CSV 檔案上傳至 Cloud Storage 值區。
以 Google Cloud Platform 資料管道的形式執行
上一節顯示的部署模式非常適合快速測試大量地址驗證，以供一次性使用。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，則可善用 Google Cloud Platform 原生功能，讓這項功能更加強大。您可以進行的變更包括：
- 在這種情況下，您可以將 CSV 檔案傾印至 Cloud Storage bucket。
- Dataflow 工作可以擷取要處理的地址，然後快取到 BigQuery。
- Dataflow Python 程式庫可擴充為具有大量地址驗證的邏輯，用來驗證 Dataflow 工作中的地址。
從資料管道執行指令碼，做為長期執行的週期性程序
另一個常見做法是定期驗證串流資料管道中的一批地址。您也可能在 BigQuery 資料存放區中擁有地址。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 值區。
- 使用 Memorystore 做為持續性資料儲存空間，維護長時間執行的程序的中間狀態。
- 將最終地址快取至 BigQuery 資料存放區。
- 設定 Cloud Scheduler 定期執行指令碼。
這個架構具有下列優點：
- 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/每季驗證任何新地址。這個架構有助於解決該使用情境的問題。
如果顧客資料位於 BigQuery，則驗證過的地址或驗證標記可直接快取至該處。 注意：如要瞭解可快取的內容和方式，請參閱大量地址驗證文章。
使用 Memorystore 可提高復原能力，並處理更多地址。這個步驟會為整個處理管道新增狀態，以處理非常龐大的地址資料集。您也可以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 完美平衡了擴充性和簡便性需求，因此應該是首選。
結論
套用本文所述模式後，您就能在 Google Cloud Platform 上，針對不同用途使用 Address Validation API。
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「提供可靠的地址，改善結帳、送貨和營運流程 」網路研討會。
建議閱讀：
貢獻者
本文由 Google 維護。以下是這篇文章的原始撰稿人。
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