Objectif
Le tutoriel Validation d'adresses à volume élevé vous a présenté différents scénarios dans lesquels la validation d'adresses à volume élevé peut être utilisée. Dans ce tutoriel, nous allons vous présenter différents modèles de conception dans Google Cloud Platform pour exécuter la validation d'adresses à volume élevé.
Nous allons commencer par une présentation de l'exécution de la validation d'adresses à volume élevé dans Google Cloud Platform avec Cloud Run, Compute Engine ou Google Kubernetes Engine pour des exécutions ponctuelles. Nous verrons ensuite comment inclure cette fonctionnalité dans un pipeline de données.
À la fin de cet article, vous devriez avoir une bonne compréhension des différentes options permettant d'exécuter Address Validation en grand volume dans votre environnement Google Cloud.
Architecture de référence sur Google Cloud Platform
Cette section examine plus en détail différents modèles de conception pour la validation d'adresses à volume élevé à l'aide de Google Cloud Platform. En l'exécutant sur Google Cloud Platform, vous pouvez l'intégrer à vos processus et pipelines de données existants.
Exécuter une seule fois la validation d'adresses à volume élevé sur Google Cloud Platform
Vous trouverez ci-dessous une architecture de référence permettant de créer une intégration sur Google Cloud Platform, qui convient mieux aux opérations ponctuelles ou aux tests.
Dans ce cas, nous vous recommandons d'importer le fichier CSV dans un bucket Cloud Storage. Le script High Volume Address Validation peut ensuite être exécuté à partir d'un environnement Cloud Run. Toutefois, vous pouvez l'exécuter dans n'importe quel autre environnement d'exécution, tel que Compute Engine ou Google Kubernetes Engine. Le fichier CSV de sortie peut également être importé dans le bucket Cloud Storage.
Exécution en tant que pipeline de données Google Cloud Platform
Le modèle de déploiement présenté dans la section précédente est idéal pour tester rapidement High Volume Address Validation pour une utilisation ponctuelle. Toutefois, si vous devez l'utiliser régulièrement dans le cadre d'un pipeline de données, vous pouvez mieux exploiter les fonctionnalités natives de Google Cloud Platform pour le rendre plus robuste. Voici quelques exemples de modifications que vous pouvez apporter :
- Dans ce cas, vous pouvez vider les fichiers CSV dans des buckets Cloud Storage.
- Un job Dataflow peut récupérer les adresses à traiter, puis les mettre en cache dans BigQuery.
- La bibliothèque Python Dataflow peut être étendue pour inclure la logique de High Volume Address Validation afin de valider les adresses du job Dataflow.
Exécuter le script à partir d'un pipeline de données en tant que processus récurrent de longue durée
Une autre approche courante consiste à valider un lot d'adresses dans le cadre d'un pipeline de données en flux continu, en tant que processus récurrent. Vous pouvez également stocker les adresses dans un datastore BigQuery. Dans cette approche, nous allons voir comment créer un pipeline de données récurrent (qui doit être déclenché quotidiennement, hebdomadairement ou mensuellement).
- Importez le fichier CSV initial dans un bucket Cloud Storage.
- Utilisez Memorystore comme datastore persistant pour conserver l'état intermédiaire du processus de longue durée.
- Mettre en cache les adresses finales dans un datastore BigQuery.
- Configurez Cloud Scheduler pour exécuter le script régulièrement.
Cette architecture présente les avantages suivants :
- Cloud Scheduler permet de valider les adresses de manière périodique. Vous pouvez revalider les adresses tous les mois ou valider les nouvelles adresses tous les mois ou tous les trimestres. Cette architecture permet de résoudre ce cas d'utilisation.
Si les données client se trouvent dans BigQuery, les adresses validées ou les indicateurs de validation peuvent y être mis en cache directement. Remarque : Les éléments pouvant être mis en cache et la manière de procéder sont décrits en détail dans l'article Validation d'adresses à volume élevé.
L'utilisation de Memorystore offre une meilleure résilience et permet de traiter davantage d'adresses. Cette étape ajoute un état à l'ensemble du pipeline de traitement, ce qui est nécessaire pour gérer de très grands ensembles de données d'adresses. D'autres technologies de base de données, telles que Cloud SQL[https://cloud.google.com/sql] ou tout autre type de base de données proposé par Google Cloud Platform, peuvent également être utilisées ici. Cependant, nous pensons que Memorystore offre un équilibre parfait entre les besoins de scaling et de simplicité, et qu'il doit donc être le premier choix.
Conclusion
En appliquant les modèles décrits ici, vous pouvez utiliser l'API Address Validation pour différents cas d'utilisation et à partir de différents cas d'utilisation sur Google Cloud Platform.
Nous avons écrit une bibliothèque Python Open Source pour vous aider à vous familiariser avec les cas d'utilisation décrits ci-dessus. Il peut être appelé à partir d'une ligne de commande sur votre ordinateur, ou à partir de Google Cloud Platform ou d'autres fournisseurs de services cloud.
Pour en savoir plus sur l'utilisation de la bibliothèque, consultez cet article.
Étapes suivantes
Téléchargez le livre blanc Améliorez les processus de paiement, de livraison et d'exploitation avec des adresses fiables et regardez le webinaire Améliorez les processus de paiement, de livraison et d'exploitation avec Address Validation .
Suggestions de lecture :
- Documentation de l'API Address Validation
- Geocoding et Address Validation
- Explorer la démo d'Address Validation
Contributeurs
Google gère cet article. Les contributeurs suivants l'ont rédigé à l'origine.
Auteurs principaux :
Henrik Valve | Ingénieur solutions
Thomas Anglaret | Ingénieur solutions
Sarthak Ganguly | Ingénieur solutions