ഞങ്ങൾ എങ്ങനെയാണ് കുബർനെറ്റസിനുള്ളിൽ ക്ലൗഡ് ഫാസ് ഉണ്ടാക്കി ടിങ്കോഫ് ഹാക്കത്തോണിൽ വിജയിച്ചത്

കഴിഞ്ഞ വർഷം മുതൽ ഞങ്ങളുടെ കമ്പനി ഹാക്കത്തോണുകൾ സംഘടിപ്പിക്കാൻ തുടങ്ങി. അത്തരത്തിലുള്ള ആദ്യത്തെ മത്സരം വളരെ വിജയകരമായിരുന്നു, ഞങ്ങൾ അതിനെക്കുറിച്ച് എഴുതി ലേഖനം. രണ്ടാമത്തെ ഹാക്കത്തോൺ 2019 ഫെബ്രുവരിയിൽ നടന്നു, അത് വിജയിച്ചില്ല. വളരെക്കാലം മുമ്പല്ല രണ്ടാമത്തേത് കൈവശം വയ്ക്കുന്നതിന്റെ ലക്ഷ്യങ്ങളെക്കുറിച്ച് എഴുതി സംഘാടകൻ.

അതിന്റെ നടപ്പാക്കലിനായി ഒരു ടെക്നോളജി സ്റ്റാക്ക് തിരഞ്ഞെടുക്കുന്നതിൽ പങ്കെടുക്കുന്നവർക്ക് പൂർണ്ണ സ്വാതന്ത്ര്യത്തോടെ രസകരമായ ഒരു ചുമതല നൽകി. ഉപഭോക്തൃ സ്‌കോറിംഗ് ഫംഗ്‌ഷനുകളുടെ സൗകര്യപ്രദമായ വിന്യാസത്തിനായി ഒരു തീരുമാനമെടുക്കൽ പ്ലാറ്റ്‌ഫോം നടപ്പിലാക്കേണ്ടത് ആവശ്യമാണ്, അത് ആപ്ലിക്കേഷനുകളുടെ വേഗത്തിലുള്ള ഒഴുക്കിനൊപ്പം പ്രവർത്തിക്കാനും കനത്ത ലോഡുകളെ നേരിടാനും സിസ്റ്റം തന്നെ എളുപ്പത്തിൽ അളക്കാനും കഴിയും.

പങ്കെടുക്കുന്നവരുടെ പ്രോജക്റ്റുകളുടെ അന്തിമ അവതരണങ്ങളുടെ പ്രദർശന വേളയിൽ ഞങ്ങൾക്ക് ബോധ്യപ്പെട്ടതിനാൽ, ചുമതല നിസ്സാരമല്ലാത്തതും പല തരത്തിൽ പരിഹരിക്കാവുന്നതുമാണ്. ഹാക്കത്തണിൽ 6 പേരടങ്ങുന്ന 5 ടീമുകൾ ഉണ്ടായിരുന്നു, എല്ലാ പങ്കാളികൾക്കും നല്ല പ്രോജക്ടുകൾ ഉണ്ടായിരുന്നു, എന്നാൽ ഞങ്ങളുടെ പ്ലാറ്റ്ഫോം ഏറ്റവും മത്സരാധിഷ്ഠിതമായി മാറി. ഞങ്ങൾക്ക് വളരെ രസകരമായ ഒരു പ്രോജക്റ്റ് ഉണ്ട്, ഈ ലേഖനത്തിൽ ഞാൻ സംസാരിക്കാൻ ആഗ്രഹിക്കുന്നു.

കുബർനെറ്റസിനുള്ളിലെ സെർവർലെസ് ആർക്കിടെക്ചറിനെ അടിസ്ഥാനമാക്കിയുള്ള ഒരു പ്ലാറ്റ്‌ഫോമാണ് ഞങ്ങളുടെ പരിഹാരം, ഇത് പുതിയ ഫീച്ചറുകൾ ഉൽപ്പാദനത്തിലേക്ക് കൊണ്ടുവരാൻ എടുക്കുന്ന സമയം കുറയ്ക്കുന്നു. എഞ്ചിനീയർമാരുടെയും ഡവലപ്പർമാരുടെയും പങ്കാളിത്തമില്ലാതെ അവർക്ക് സൗകര്യപ്രദമായ അന്തരീക്ഷത്തിൽ കോഡ് എഴുതാനും അത് ഉൽപ്പാദനത്തിലേക്ക് വിന്യസിക്കാനും ഇത് വിശകലന വിദഗ്ധരെ അനുവദിക്കുന്നു.

എന്താണ് സ്കോർ ചെയ്യുന്നത്

Tinkoff.ru, പല ആധുനിക കമ്പനികളെയും പോലെ, ഉപഭോക്തൃ സ്കോറിംഗ് ഉണ്ട്. ഡാറ്റ വിശകലനത്തിന്റെ സ്റ്റാറ്റിസ്റ്റിക്കൽ രീതികളെ അടിസ്ഥാനമാക്കിയുള്ള ഉപഭോക്തൃ വിലയിരുത്തൽ സംവിധാനമാണ് സ്‌കോറിംഗ്.

ഉദാഹരണത്തിന്, ഒരു ഉപഭോക്താവിന് വായ്പ നൽകാനുള്ള അഭ്യർത്ഥനയുമായി ഞങ്ങളിലേക്ക് തിരിയുന്നു, അല്ലെങ്കിൽ ഞങ്ങളോടൊപ്പം ഒരു വ്യക്തിഗത സംരംഭക അക്കൗണ്ട് തുറക്കുക. ഞങ്ങൾ അദ്ദേഹത്തിന് വായ്പ നൽകാൻ പദ്ധതിയിടുകയാണെങ്കിൽ, ഞങ്ങൾ അവന്റെ സോൾവൻസി വിലയിരുത്തേണ്ടതുണ്ട്, കൂടാതെ അക്കൗണ്ട് ഒരു വ്യക്തിഗത സംരംഭകനാണെങ്കിൽ, ക്ലയന്റ് വഞ്ചനാപരമായ ഇടപാടുകൾ നടത്തില്ലെന്ന് ഞങ്ങൾ ഉറപ്പാക്കേണ്ടതുണ്ട്.

അത്തരം തീരുമാനങ്ങൾ എടുക്കുന്നതിനുള്ള അടിസ്ഥാനം ആപ്ലിക്കേഷനിൽ നിന്നുള്ള ഡാറ്റയും ഞങ്ങളുടെ സ്റ്റോറേജിൽ നിന്നുള്ള ഡാറ്റയും വിശകലനം ചെയ്യുന്ന ഗണിതശാസ്ത്ര മോഡലുകളാണ്. സ്കോർ ചെയ്യുന്നതിനു പുറമേ, ഞങ്ങളുടെ ക്ലയന്റുകൾക്ക് പുതിയ ഉൽപ്പന്നങ്ങൾക്കായി വ്യക്തിഗത ശുപാർശകൾ സൃഷ്ടിക്കുന്നതിനുള്ള സേവനത്തിലും സമാനമായ സ്റ്റാറ്റിസ്റ്റിക്കൽ രീതികൾ ഉപയോഗിക്കാനാകും.

അത്തരമൊരു വിലയിരുത്തലിന്റെ രീതിക്ക് വിവിധ ഇൻപുട്ട് ഡാറ്റ സ്വീകരിക്കാൻ കഴിയും. ചില ഘട്ടങ്ങളിൽ നമുക്ക് ഇൻപുട്ടിലേക്ക് ഒരു പുതിയ പാരാമീറ്റർ ചേർക്കാൻ കഴിയും, അത് ചരിത്രപരമായ ഡാറ്റയെക്കുറിച്ചുള്ള വിശകലന ഫലങ്ങളെ അടിസ്ഥാനമാക്കി, സേവനം ഉപയോഗിക്കുന്നതിന്റെ പരിവർത്തന നിരക്ക് വർദ്ധിപ്പിക്കും.

ഉപഭോക്തൃ ബന്ധങ്ങളെക്കുറിച്ചുള്ള ധാരാളം ഡാറ്റ ഞങ്ങൾ കൈവശം വച്ചിട്ടുണ്ട്, ഈ വിവരങ്ങളുടെ അളവ് നിരന്തരം വർദ്ധിച്ചുകൊണ്ടിരിക്കുന്നു. സ്കോറിംഗ് പ്രവർത്തിക്കുന്നതിന്, ഡാറ്റ പ്രോസസ്സിംഗിന് നിയമങ്ങളും (അല്ലെങ്കിൽ ഗണിത മോഡലുകൾ) ആവശ്യമാണ്, അത് ആരെയാണ് ഒരു ആപ്ലിക്കേഷൻ അംഗീകരിക്കേണ്ടത്, ആരെ നിരസിക്കണം, ആർക്കൊക്കെ കൂടുതൽ ഉൽപ്പന്നങ്ങൾ നൽകണം, അവരുടെ സാധ്യതയുള്ള താൽപ്പര്യങ്ങൾ വിലയിരുത്തി വേഗത്തിൽ തീരുമാനിക്കാൻ നിങ്ങളെ അനുവദിക്കുന്നു.

ചുമതലയ്‌ക്കായി, ഞങ്ങൾ ഇതിനകം ഒരു പ്രത്യേക തീരുമാനമെടുക്കൽ സംവിധാനം ഉപയോഗിക്കുന്നു IBM വെബ്‌സ്‌ഫിയർ ILOG JRules BRMS, വിശകലന വിദഗ്ധർ, സാങ്കേതിക വിദഗ്ധർ, ഡെവലപ്പർമാർ എന്നിവർ നിശ്ചയിച്ചിട്ടുള്ള നിയമങ്ങളെ അടിസ്ഥാനമാക്കി, ഒരു പ്രത്യേക ബാങ്കിംഗ് ഉൽപ്പന്നം ക്ലയന്റിന് അംഗീകരിക്കണോ വേണ്ടയോ എന്ന് തീരുമാനിക്കുന്നു.

വിപണിയിൽ നിരവധി റെഡിമെയ്ഡ് സൊല്യൂഷനുകൾ ഉണ്ട്, സ്‌കോറിംഗ് മോഡലുകളും തീരുമാനങ്ങൾ എടുക്കുന്ന സംവിധാനങ്ങളും. ഞങ്ങളുടെ കമ്പനിയിൽ ഈ സംവിധാനങ്ങളിലൊന്ന് ഞങ്ങൾ ഉപയോഗിക്കുന്നു. എന്നാൽ ബിസിനസ്സ് വളരുകയും വൈവിധ്യവത്കരിക്കുകയും ചെയ്യുന്നു, ക്ലയന്റുകളുടെ എണ്ണവും വാഗ്ദാനം ചെയ്യുന്ന ഉൽപ്പന്നങ്ങളുടെ എണ്ണവും വർദ്ധിക്കുന്നു, ഇതോടൊപ്പം, നിലവിലുള്ള തീരുമാനമെടുക്കൽ പ്രക്രിയ എങ്ങനെ മെച്ചപ്പെടുത്താം എന്നതിനെക്കുറിച്ചുള്ള ആശയങ്ങൾ ഉയർന്നുവരുന്നു. നിലവിലുള്ള സിസ്റ്റത്തിൽ പ്രവർത്തിക്കുന്ന ആളുകൾക്ക് ഇത് എങ്ങനെ ലളിതവും മികച്ചതും സൗകര്യപ്രദവുമാക്കാം എന്നതിനെക്കുറിച്ച് ധാരാളം ആശയങ്ങളുണ്ട്, പക്ഷേ ചിലപ്പോൾ പുറത്തുനിന്നുള്ള ആശയങ്ങൾ ഉപയോഗപ്രദമാകും. മികച്ച ആശയങ്ങൾ ശേഖരിക്കുക എന്ന ലക്ഷ്യത്തോടെയാണ് ന്യൂ ഹാക്കത്തോൺ സംഘടിപ്പിച്ചത്.

ടാസ്ക്

ഫെബ്രുവരി 23നായിരുന്നു ഹാക്കത്തോൺ. പങ്കെടുക്കുന്നവർക്ക് ഒരു പോരാട്ട ചുമതല വാഗ്ദാനം ചെയ്തു: നിരവധി വ്യവസ്ഥകൾ പാലിക്കേണ്ട ഒരു തീരുമാനമെടുക്കൽ സംവിധാനം വികസിപ്പിക്കുക.

നിലവിലുള്ള സിസ്റ്റം എങ്ങനെ പ്രവർത്തിക്കുന്നുവെന്നും അതിന്റെ പ്രവർത്തന സമയത്ത് എന്ത് ബുദ്ധിമുട്ടുകൾ ഉണ്ടാകുന്നുവെന്നും അതുപോലെ വികസിത പ്ലാറ്റ്ഫോം പിന്തുടരേണ്ട ബിസിനസ്സ് ലക്ഷ്യങ്ങളും ഞങ്ങളോട് പറഞ്ഞു. നിയമങ്ങൾ വികസിപ്പിച്ചെടുക്കാൻ സിസ്റ്റത്തിന് വേഗത്തിലുള്ള സമയ-വിപണി ഉണ്ടായിരിക്കണം, അതുവഴി വിശകലന വിദഗ്ധരുടെ വർക്കിംഗ് കോഡ് കഴിയുന്നത്ര വേഗത്തിൽ ഉൽപ്പാദനത്തിലേക്ക് പ്രവേശിക്കുന്നു. ആപ്ലിക്കേഷനുകളുടെ ഇൻകമിംഗ് ഫ്ലോയ്‌ക്ക്, തീരുമാനമെടുക്കാനുള്ള സമയം കുറഞ്ഞത് ആയിരിക്കണം. കൂടാതെ, വികസിപ്പിച്ചുകൊണ്ടിരിക്കുന്ന സിസ്റ്റത്തിന് മറ്റ് കമ്പനി ഉൽപ്പന്നങ്ങൾ ഞങ്ങൾ അംഗീകരിക്കുകയും ക്ലയന്റിൽ നിന്ന് താൽപ്പര്യമുണർത്തുകയും ചെയ്താൽ മറ്റ് കമ്പനി ഉൽപ്പന്നങ്ങൾ വാങ്ങാനുള്ള അവസരം ക്ലയന്റിന് നൽകുന്നതിന് ക്രോസ്-സെൽ കഴിവുകൾ ഉണ്ടായിരിക്കണം.

ഒരു റെഡി-ടു-റിലീസ് പ്രോജക്റ്റ് ഒറ്റരാത്രികൊണ്ട് എഴുതുന്നത് അസാധ്യമാണെന്ന് വ്യക്തമാണ്, അത് തീർച്ചയായും ഉൽ‌പാദനത്തിലേക്ക് പോകും, ​​മാത്രമല്ല മുഴുവൻ സിസ്റ്റവും ഉൾക്കൊള്ളുന്നത് വളരെ ബുദ്ധിമുട്ടാണ്, അതിനാൽ അതിന്റെ ഒരു ഭാഗമെങ്കിലും നടപ്പിലാക്കാൻ ഞങ്ങളോട് ആവശ്യപ്പെട്ടു. പ്രോട്ടോടൈപ്പ് പാലിക്കേണ്ട നിരവധി ആവശ്യകതകൾ സ്ഥാപിച്ചു. എല്ലാ ആവശ്യങ്ങളും പൂർണ്ണമായി ഉൾക്കൊള്ളാനും വികസിപ്പിക്കുന്ന പ്ലാറ്റ്‌ഫോമിന്റെ വ്യക്തിഗത വിഭാഗങ്ങളിൽ വിശദമായി പ്രവർത്തിക്കാനും രണ്ടും പരീക്ഷിക്കാൻ സാധിച്ചു.

സാങ്കേതികവിദ്യയെ സംബന്ധിച്ചിടത്തോളം, എല്ലാ പങ്കാളികൾക്കും തിരഞ്ഞെടുക്കാനുള്ള പൂർണ്ണ സ്വാതന്ത്ര്യം നൽകി. ഏത് ആശയങ്ങളും സാങ്കേതികവിദ്യകളും ഉപയോഗിക്കാൻ കഴിയും: ഡാറ്റ സ്ട്രീമിംഗ്, മെഷീൻ ലേണിംഗ്, ഇവന്റ് സോഴ്‌സിംഗ്, ബിഗ് ഡാറ്റ എന്നിവയും മറ്റുള്ളവയും.

ഞങ്ങളുടെ പരിഹാരം

ഒരു ചെറിയ മസ്തിഷ്കപ്രക്ഷോഭത്തിന് ശേഷം, ടാസ്ക്ക് പൂർത്തിയാക്കാൻ ഒരു FaaS പരിഹാരം അനുയോജ്യമാണെന്ന് ഞങ്ങൾ തീരുമാനിച്ചു.

ഈ പരിഹാരത്തിനായി, വികസിപ്പിച്ചുകൊണ്ടിരിക്കുന്ന തീരുമാനമെടുക്കൽ സംവിധാനത്തിന്റെ നിയമങ്ങൾ നടപ്പിലാക്കുന്നതിന് അനുയോജ്യമായ ഒരു സെർവർലെസ്സ് ചട്ടക്കൂട് കണ്ടെത്തേണ്ടത് ആവശ്യമാണ്. ഇൻഫ്രാസ്ട്രക്ചർ മാനേജുമെന്റിനായി ടിങ്കോഫ് സജീവമായി കുബർനെറ്റസ് ഉപയോഗിക്കുന്നതിനാൽ, അതിനെ അടിസ്ഥാനമാക്കിയുള്ള നിരവധി റെഡിമെയ്ഡ് പരിഹാരങ്ങൾ ഞങ്ങൾ പരിശോധിച്ചു; അതിനെക്കുറിച്ച് ഞാൻ പിന്നീട് നിങ്ങളോട് പറയും.

ഏറ്റവും ഫലപ്രദമായ പരിഹാരം കണ്ടെത്താൻ, ഞങ്ങൾ ഉൽപ്പന്നം അതിന്റെ ഉപയോക്താക്കളുടെ കണ്ണിലൂടെ വികസിപ്പിച്ചെടുത്തു. ഞങ്ങളുടെ സിസ്റ്റത്തിന്റെ പ്രധാന ഉപയോക്താക്കൾ റൂൾ ഡെവലപ്‌മെന്റിൽ ഉൾപ്പെട്ടിരിക്കുന്ന അനലിസ്റ്റുകളാണ്. നിയമങ്ങൾ സെർവറിലേക്ക് വിന്യസിച്ചിരിക്കണം, അല്ലെങ്കിൽ ഞങ്ങളുടെ കാര്യത്തിലെന്നപോലെ, തുടർന്നുള്ള തീരുമാനങ്ങൾ എടുക്കുന്നതിനായി ക്ലൗഡിൽ വിന്യസിച്ചിരിക്കണം. ഒരു അനലിസ്റ്റിന്റെ വീക്ഷണകോണിൽ നിന്ന്, വർക്ക്ഫ്ലോ ഇതുപോലെ കാണപ്പെടുന്നു:

1. വെയർഹൗസിൽ നിന്നുള്ള ഡാറ്റയെ അടിസ്ഥാനമാക്കി അനലിസ്റ്റ് ഒരു സ്ക്രിപ്റ്റ്, റൂൾ അല്ലെങ്കിൽ ML മോഡൽ എഴുതുന്നു. ഹാക്കത്തോണിന്റെ ഭാഗമായി, Mongodb ഉപയോഗിക്കാൻ ഞങ്ങൾ തീരുമാനിച്ചു, പക്ഷേ ഡാറ്റ സ്റ്റോറേജ് സിസ്റ്റം തിരഞ്ഞെടുക്കുന്നത് ഇവിടെ പ്രധാനമല്ല.
2. ചരിത്രപരമായ ഡാറ്റയിൽ വികസിപ്പിച്ച നിയമങ്ങൾ പരിശോധിച്ച ശേഷം, അനലിസ്റ്റ് തന്റെ കോഡ് അഡ്മിൻ പാനലിലേക്ക് അപ്‌ലോഡ് ചെയ്യുന്നു.
3. പതിപ്പ് ഉറപ്പാക്കാൻ, എല്ലാ കോഡുകളും Git റിപ്പോസിറ്ററികളിലേക്ക് പോകും.
4. അഡ്‌മിൻ പാനലിലൂടെ ക്ലൗഡിൽ ഒരു പ്രത്യേക ഫംഗ്ഷണൽ സെർവർലെസ്സ് മൊഡ്യൂളായി കോഡ് വിന്യസിക്കാൻ സാധിക്കും.

ക്ലയന്റുകളിൽ നിന്നുള്ള പ്രാരംഭ ഡാറ്റ വെയർഹൗസിൽ നിന്നുള്ള ഡാറ്റ ഉപയോഗിച്ച് പ്രാരംഭ അഭ്യർത്ഥനയെ സമ്പുഷ്ടമാക്കാൻ രൂപകൽപ്പന ചെയ്ത ഒരു പ്രത്യേക സമ്പുഷ്ടീകരണ സേവനത്തിലൂടെ കടന്നുപോകണം. ഒരു ഏകീകൃത ഡാറ്റാ ഘടന നിലനിർത്തുന്നതിന്, ഒരൊറ്റ ശേഖരത്തിൽ (നിയമങ്ങൾ വികസിപ്പിക്കുമ്പോൾ അനലിസ്റ്റ് ഡാറ്റ എടുക്കുന്ന) വിധത്തിൽ ഈ സേവനം നടപ്പിലാക്കുന്നത് പ്രധാനമാണ്.

ഹാക്കത്തോണിന് മുമ്പുതന്നെ, ഞങ്ങൾ ഉപയോഗിക്കേണ്ട സെർവർലെസ് ചട്ടക്കൂട് ഞങ്ങൾ തീരുമാനിച്ചു. ഇന്ന്, ഈ സമീപനം നടപ്പിലാക്കുന്ന ധാരാളം സാങ്കേതികവിദ്യകൾ വിപണിയിൽ ഉണ്ട്. കുബർനെറ്റസ് വാസ്തുവിദ്യയിലെ ഏറ്റവും ജനപ്രിയമായ പരിഹാരങ്ങൾ ഫിഷൻ, ഓപ്പൺ ഫാസ്, കുബെലെസ് എന്നിവയാണ്. പോലും ഉണ്ട് അവയുടെ വിവരണവും താരതമ്യ വിശകലനവും ഉള്ള നല്ല ലേഖനം.

എല്ലാ ഗുണങ്ങളും ദോഷങ്ങളും തീർത്ത് ഞങ്ങൾ തിരഞ്ഞെടുത്തു ഉത്തേജനം. ഈ സെർവർലെസ്സ് ചട്ടക്കൂട് കൈകാര്യം ചെയ്യാൻ വളരെ എളുപ്പമാണ് കൂടാതെ ചുമതലയുടെ ആവശ്യകതകൾ നിറവേറ്റുന്നു.

ഫിഷനുമായി പ്രവർത്തിക്കാൻ, നിങ്ങൾ രണ്ട് അടിസ്ഥാന ആശയങ്ങൾ മനസ്സിലാക്കേണ്ടതുണ്ട്: പ്രവർത്തനവും പരിസ്ഥിതിയും. ഫിഷൻ പരിതസ്ഥിതി ഉള്ള ഭാഷകളിലൊന്നിൽ എഴുതിയിരിക്കുന്ന ഒരു കോഡാണ് ഫംഗ്ഷൻ. ഈ ചട്ടക്കൂടിനുള്ളിൽ നടപ്പിലാക്കിയ പരിസ്ഥിതികളുടെ ലിസ്റ്റ് പൈത്തൺ, ജെഎസ്, ഗോ, ജെവിഎം തുടങ്ങി നിരവധി ജനപ്രിയ ഭാഷകളും സാങ്കേതികവിദ്യകളും ഉൾപ്പെടുന്നു.

ഒരു ആർക്കൈവിലേക്ക് മുൻകൂട്ടി പാക്കേജുചെയ്‌ത നിരവധി ഫയലുകളായി വിഭജിച്ചിരിക്കുന്ന പ്രവർത്തനങ്ങൾ നിർവഹിക്കാനും വിഘടനത്തിന് കഴിയും. ഒരു കുബർനെറ്റസ് ക്ലസ്റ്ററിലെ വിഘടനത്തിന്റെ പ്രവർത്തനം പ്രത്യേക പോഡുകളാൽ ഉറപ്പാക്കപ്പെടുന്നു, അവ ചട്ടക്കൂട് തന്നെ കൈകാര്യം ചെയ്യുന്നു. ക്ലസ്റ്റർ പോഡുകളുമായി സംവദിക്കുന്നതിന്, ഓരോ ഫംഗ്ഷനും അതിന്റേതായ റൂട്ട് നൽകണം, കൂടാതെ ഒരു POST അഭ്യർത്ഥനയുടെ കാര്യത്തിൽ നിങ്ങൾക്ക് GET പാരാമീറ്ററുകൾ അല്ലെങ്കിൽ അഭ്യർത്ഥന ബോഡി നൽകാം.

തൽഫലമായി, എഞ്ചിനീയർമാരുടെയും ഡവലപ്പർമാരുടെയും പങ്കാളിത്തമില്ലാതെ വികസിപ്പിച്ച റൂൾ സ്‌ക്രിപ്റ്റുകൾ വിന്യസിക്കാൻ അനലിസ്റ്റുകളെ അനുവദിക്കുന്ന ഒരു പരിഹാരം നേടാൻ ഞങ്ങൾ പദ്ധതിയിട്ടു. വിവരിച്ച സമീപനം മറ്റൊരു ഭാഷയിലേക്ക് അനലിസ്റ്റ് കോഡ് മാറ്റിയെഴുതേണ്ട ഡെവലപ്പർമാരുടെ ആവശ്യകതയും ഇല്ലാതാക്കുന്നു. ഉദാഹരണത്തിന്, ഞങ്ങൾ ഉപയോഗിക്കുന്ന നിലവിലെ തീരുമാന-നിർമ്മാണ സംവിധാനത്തിന്, വളരെ പ്രത്യേക സാങ്കേതികവിദ്യകളിലും ഭാഷകളിലും നിയമങ്ങൾ എഴുതേണ്ടതുണ്ട്, അതിന്റെ വ്യാപ്തി വളരെ പരിമിതമാണ്, കൂടാതെ എല്ലാ കരട് ബാങ്ക് നിയമങ്ങളും ആയതിനാൽ ആപ്ലിക്കേഷൻ സെർവറിനെ ശക്തമായി ആശ്രയിക്കുകയും ചെയ്യുന്നു. ഒരൊറ്റ പരിതസ്ഥിതിയിൽ വിന്യസിച്ചിരിക്കുന്നു. തൽഫലമായി, പുതിയ നിയമങ്ങൾ വിന്യസിക്കുന്നതിന് മുഴുവൻ സിസ്റ്റവും റിലീസ് ചെയ്യേണ്ടത് ആവശ്യമാണ്.

ഞങ്ങളുടെ നിർദ്ദിഷ്ട പരിഹാരത്തിൽ, നിയമങ്ങൾ റിലീസ് ചെയ്യേണ്ട ആവശ്യമില്ല; ഒരു ബട്ടണിന്റെ ക്ലിക്കിൽ കോഡ് എളുപ്പത്തിൽ വിന്യസിക്കാൻ കഴിയും. കൂടാതെ, കുബെർനെറ്റസിലെ ഇൻഫ്രാസ്ട്രക്ചർ മാനേജുമെന്റ് ലോഡിനെയും സ്കെയിലിംഗിനെയും കുറിച്ച് ചിന്തിക്കാതിരിക്കാൻ നിങ്ങളെ അനുവദിക്കുന്നു; അത്തരം പ്രശ്നങ്ങൾ ബോക്സിന് പുറത്ത് പരിഹരിക്കപ്പെടും. ഒരൊറ്റ ഡാറ്റ വെയർഹൗസിന്റെ ഉപയോഗം, തത്സമയ ഡാറ്റയെ ചരിത്രപരമായ ഡാറ്റയുമായി താരതമ്യം ചെയ്യേണ്ടതിന്റെ ആവശ്യകത ഇല്ലാതാക്കുന്നു, ഇത് അനലിസ്റ്റിന്റെ പ്രവർത്തനത്തെ ലളിതമാക്കുന്നു.

നമുക്ക് കിട്ടിയത്

ഒരു റെഡിമെയ്ഡ് സൊല്യൂഷനുമായി (ഞങ്ങളുടെ ഫാന്റസികളിൽ) ഞങ്ങൾ ഹാക്കത്തണിൽ എത്തിയതിനാൽ, ഞങ്ങൾ ചെയ്യേണ്ടത് നമ്മുടെ എല്ലാ ചിന്തകളെയും കോഡ് ലൈനുകളാക്കി മാറ്റുക എന്നതാണ്.

ഏത് ഹാക്കത്തണിലും വിജയത്തിന്റെ താക്കോൽ തയ്യാറെടുപ്പും നന്നായി എഴുതിയ പദ്ധതിയുമാണ്. അതിനാൽ, ഞങ്ങൾ ആദ്യം ചെയ്തത് ഞങ്ങളുടെ സിസ്റ്റം ആർക്കിടെക്ചർ ഉൾക്കൊള്ളുന്ന മൊഡ്യൂളുകൾ എന്താണെന്നും ഏത് സാങ്കേതികവിദ്യകൾ ഉപയോഗിക്കുമെന്നും തീരുമാനിക്കുകയായിരുന്നു.

ഞങ്ങളുടെ പ്രോജക്റ്റിന്റെ വാസ്തുവിദ്യ ഇപ്രകാരമായിരുന്നു:

ഈ ഡയഗ്രം രണ്ട് എൻട്രി പോയിന്റുകൾ കാണിക്കുന്നു, അനലിസ്റ്റ് (ഞങ്ങളുടെ സിസ്റ്റത്തിന്റെ പ്രധാന ഉപയോക്താവ്), ക്ലയന്റ്.

ജോലി പ്രക്രിയ ഇതുപോലെയാണ് ക്രമീകരിച്ചിരിക്കുന്നത്. അനലിസ്റ്റ് തന്റെ മോഡലിനായി ഒരു റൂൾ ഫംഗ്‌ഷനും ഡാറ്റ എൻറിച്ച്‌മെന്റ് ഫംഗ്‌ഷനും വികസിപ്പിക്കുന്നു, അവന്റെ കോഡ് ഒരു Git റിപ്പോസിറ്ററിയിൽ സംഭരിക്കുന്നു, കൂടാതെ അഡ്മിനിസ്ട്രേറ്റർ ആപ്ലിക്കേഷനിലൂടെ അവന്റെ മോഡൽ ക്ലൗഡിലേക്ക് വിന്യസിക്കുന്നു. വിന്യസിച്ച ഫംഗ്‌ഷൻ എങ്ങനെ വിളിക്കപ്പെടും, ക്ലയന്റുകളിൽ നിന്നുള്ള ഇൻകമിംഗ് അഭ്യർത്ഥനകളിൽ തീരുമാനങ്ങൾ എടുക്കുക:

1. ക്ലയന്റ് വെബ്‌സൈറ്റിൽ ഒരു ഫോം പൂരിപ്പിക്കുകയും അവന്റെ അഭ്യർത്ഥന കൺട്രോളറിന് അയയ്ക്കുകയും ചെയ്യുന്നു. ഒരു തീരുമാനം എടുക്കേണ്ട ഒരു ആപ്ലിക്കേഷൻ സിസ്റ്റം ഇൻപുട്ടിലേക്ക് വരികയും അതിന്റെ യഥാർത്ഥ രൂപത്തിൽ ഡാറ്റാബേസിൽ രേഖപ്പെടുത്തുകയും ചെയ്യുന്നു.
2. അടുത്തതായി, ആവശ്യമെങ്കിൽ, സമ്പുഷ്ടീകരണത്തിനായി അസംസ്കൃത അഭ്യർത്ഥന അയയ്ക്കുന്നു. ബാഹ്യ സേവനങ്ങളിൽ നിന്നും സ്റ്റോറേജിൽ നിന്നുമുള്ള ഡാറ്റ ഉപയോഗിച്ച് നിങ്ങൾക്ക് പ്രാരംഭ അഭ്യർത്ഥന സപ്ലിമെന്റ് ചെയ്യാം. തത്ഫലമായുണ്ടാകുന്ന സമ്പുഷ്ടമായ അന്വേഷണവും ഡാറ്റാബേസിൽ സംഭരിച്ചിരിക്കുന്നു.
3. അനലിസ്റ്റ് ഫംഗ്‌ഷൻ സമാരംഭിച്ചു, ഇത് ഒരു സമ്പുഷ്ടമായ ചോദ്യം ഇൻപുട്ടായി എടുക്കുകയും ഒരു പരിഹാരം നിർമ്മിക്കുകയും ചെയ്യുന്നു, അത് സ്റ്റോറേജിലേക്കും എഴുതുന്നു.

യഥാർത്ഥ അഭ്യർത്ഥന ഉൾപ്പെടെയുള്ള സമ്പുഷ്ടീകരണ സേവനങ്ങൾ REST കൺട്രോളറുകൾ വഴി എല്ലാ ഡാറ്റയും സമാഹരിച്ചതിനാൽ, JSON ഡോക്യുമെന്റുകളുടെ രൂപത്തിലുള്ള ഡാറ്റയുടെ ഡോക്യുമെന്റ്-ഓറിയന്റഡ് സ്റ്റോറേജ് കാരണം ഞങ്ങളുടെ സിസ്റ്റത്തിൽ മോംഗോഡിബി ഒരു സ്റ്റോറേജ് ആയി ഉപയോഗിക്കാൻ ഞങ്ങൾ തീരുമാനിച്ചു.

അതിനാൽ, പ്ലാറ്റ്ഫോം നടപ്പിലാക്കാൻ ഞങ്ങൾക്ക് XNUMX മണിക്കൂർ ഉണ്ടായിരുന്നു. ഞങ്ങൾ റോളുകൾ വളരെ വിജയകരമായി വിതരണം ചെയ്തു; ഞങ്ങളുടെ പ്രോജക്റ്റിൽ ഓരോ ടീം അംഗത്തിനും അവരുടേതായ ഉത്തരവാദിത്ത മേഖല ഉണ്ടായിരുന്നു:

1. രേഖാമൂലമുള്ള സ്‌ക്രിപ്‌റ്റുകളുടെ പതിപ്പ് നിയന്ത്രണ സംവിധാനത്തിൽ നിന്ന് നിയമങ്ങൾ ഡൗൺലോഡ് ചെയ്യാനും ഇൻപുട്ട് ഡാറ്റ സമ്പുഷ്ടമാക്കാനും ഓൺലൈനിൽ റൂൾ സ്‌ക്രിപ്റ്റുകൾ എഡിറ്റുചെയ്യാനുമുള്ള ഓപ്‌ഷനുകൾ തിരഞ്ഞെടുക്കാനും അനലിസ്റ്റിന്റെ പ്രവർത്തനത്തിനുള്ള ഫ്രണ്ട്-എൻഡ് അഡ്‌മിൻ പാനലുകൾ.
2. മുൻവശത്തുള്ള REST API ഉൾപ്പെടെയുള്ള ബാക്കെൻഡ് അഡ്മിൻ, വിസിഎസുമായുള്ള സംയോജനം.
3. Google ക്ലൗഡിൽ ഇൻഫ്രാസ്ട്രക്ചർ സജ്ജീകരിക്കുകയും ഉറവിട ഡാറ്റ സമ്പുഷ്ടമാക്കുന്നതിനുള്ള ഒരു സേവനം വികസിപ്പിക്കുകയും ചെയ്യുന്നു.
4. നിയമങ്ങളുടെ തുടർന്നുള്ള വിന്യാസത്തിനായി സെർവർലെസ് ചട്ടക്കൂടുമായി അഡ്മിൻ ആപ്ലിക്കേഷനെ സമന്വയിപ്പിക്കുന്നതിനുള്ള ഒരു മൊഡ്യൂൾ.
5. മുഴുവൻ സിസ്റ്റത്തിന്റെയും പ്രകടനം പരിശോധിക്കുന്നതിനുള്ള നിയമങ്ങളുടെ സ്ക്രിപ്റ്റുകൾ, അന്തിമ പ്രദർശനത്തിനായി ഇൻകമിംഗ് ആപ്ലിക്കേഷനുകളിൽ (തീരുമാനങ്ങൾ എടുത്തത്) അനലിറ്റിക്സ് കൂട്ടിച്ചേർക്കുക.

ക്രമത്തിൽ ആരംഭിക്കാം.

ബാങ്കിംഗ് യുഐ കിറ്റ് ഉപയോഗിച്ചാണ് ഞങ്ങളുടെ മുൻഭാഗം ആംഗുലാർ 7 ൽ എഴുതിയത്. അഡ്മിൻ പാനലിന്റെ അവസാന പതിപ്പ് ഇതുപോലെ കാണപ്പെട്ടു:

സമയം കുറവായതിനാൽ, പ്രധാന പ്രവർത്തനം മാത്രം നടപ്പിലാക്കാൻ ഞങ്ങൾ ശ്രമിച്ചു. കുബെർനെറ്റസ് ക്ലസ്റ്ററിൽ ഒരു ഫംഗ്‌ഷൻ വിന്യസിക്കുന്നതിന്, ഒരു ഇവന്റും (ക്ലൗഡിൽ ഒരു റൂൾ വിന്യസിക്കേണ്ട ഒരു സേവനം) തീരുമാനങ്ങൾ എടുക്കുന്ന യുക്തി നടപ്പിലാക്കുന്ന ഫംഗ്‌ഷന്റെ കോഡും തിരഞ്ഞെടുക്കേണ്ടത് ആവശ്യമാണ്. തിരഞ്ഞെടുത്ത സേവനത്തിനായുള്ള ഒരു നിയമത്തിന്റെ ഓരോ വിന്യാസത്തിനും, ഞങ്ങൾ ഈ ഇവന്റിന്റെ ഒരു ലോഗ് എഴുതി. അഡ്മിൻ പാനലിൽ നിങ്ങൾക്ക് എല്ലാ ഇവന്റുകളുടെയും ലോഗുകൾ കാണാൻ കഴിയും.

എല്ലാ ഫംഗ്‌ഷൻ കോഡുകളും ഒരു റിമോട്ട് Git റിപ്പോസിറ്ററിയിൽ സംഭരിച്ചു, അത് അഡ്മിൻ പാനലിലും സജ്ജീകരിക്കേണ്ടതുണ്ട്. കോഡ് പതിപ്പിക്കുന്നതിന്, എല്ലാ ഫംഗ്ഷനുകളും റിപ്പോസിറ്ററിയുടെ വിവിധ ശാഖകളിൽ സംഭരിച്ചു. അഡ്‌മിൻ പാനൽ രേഖാമൂലമുള്ള സ്‌ക്രിപ്‌റ്റുകളിൽ ക്രമീകരണങ്ങൾ ചെയ്യാനുള്ള കഴിവും നൽകുന്നു, അതിനാൽ പ്രൊഡക്ഷനിലേക്ക് ഒരു ഫംഗ്‌ഷൻ വിന്യസിക്കുന്നതിന് മുമ്പ്, നിങ്ങൾക്ക് എഴുതിയ കോഡ് പരിശോധിക്കാൻ മാത്രമല്ല, ആവശ്യമായ മാറ്റങ്ങൾ വരുത്താനും കഴിയും.

റൂൾസ് ഫംഗ്‌ഷനുകൾക്ക് പുറമേ, എൻറിച്ച്‌മെന്റ് ഫംഗ്‌ഷനുകൾ ഉപയോഗിച്ച് സോഴ്‌സ് ഡാറ്റയെ ക്രമേണ സമ്പുഷ്ടമാക്കാനുള്ള കഴിവും ഞങ്ങൾ നടപ്പിലാക്കി, ഡാറ്റ വെയർഹൗസിലേക്ക് പോകാനും മൂന്നാം കക്ഷി സേവനങ്ങളെ വിളിക്കാനും പ്രാഥമിക കണക്കുകൂട്ടലുകൾ നടത്താനും കഴിയുന്ന സ്‌ക്രിപ്റ്റുകൾ കൂടിയായിരുന്നു ഇതിന്റെ കോഡ്. . ഞങ്ങളുടെ പരിഹാരം കാണിക്കുന്നതിന്, അഭ്യർത്ഥന ഉപേക്ഷിച്ച ക്ലയന്റിന്റെ രാശിചിഹ്നം ഞങ്ങൾ കണക്കാക്കി, ഒരു മൂന്നാം കക്ഷി REST സേവനം ഉപയോഗിച്ച് അവന്റെ മൊബൈൽ ഓപ്പറേറ്ററെ നിർണ്ണയിച്ചു.

പ്ലാറ്റ്‌ഫോമിന്റെ ബാക്കെൻഡ് ജാവയിൽ എഴുതുകയും ഒരു സ്പ്രിംഗ് ബൂട്ട് ആപ്ലിക്കേഷനായി നടപ്പിലാക്കുകയും ചെയ്തു. അഡ്‌മിൻ ഡാറ്റ സംഭരിക്കുന്നതിന് പോസ്റ്റ്‌ഗ്രെസ് ഉപയോഗിക്കാൻ ഞങ്ങൾ ആദ്യം പദ്ധതിയിട്ടിരുന്നു, പക്ഷേ, ഹാക്കത്തോണിന്റെ ഭാഗമായി, സമയം ലാഭിക്കുന്നതിനായി ഒരു ലളിതമായ H2 ആയി പരിമിതപ്പെടുത്താൻ ഞങ്ങൾ തീരുമാനിച്ചു. ബാക്കെൻഡിൽ, അന്വേഷണ എൻറിച്ച്‌മെന്റ് ഫംഗ്‌ഷനുകളുടെയും റൂൾ സ്‌ക്രിപ്റ്റുകളുടെയും പതിപ്പിനായി ബിറ്റ്ബക്കറ്റുമായുള്ള സംയോജനം നടപ്പിലാക്കി. റിമോട്ട് Git റിപ്പോസിറ്ററികളുമായുള്ള സംയോജനത്തിനായി, ഞങ്ങൾ ഉപയോഗിച്ചു JGit ലൈബ്രറി, ഇത് CLI കമാൻഡുകൾക്ക് മുകളിലുള്ള ഒരു തരം റാപ്പറാണ്, ഇത് സൗകര്യപ്രദമായ സോഫ്റ്റ്‌വെയർ ഇന്റർഫേസ് ഉപയോഗിച്ച് ഏത് ജിറ്റ് നിർദ്ദേശങ്ങളും നടപ്പിലാക്കാൻ നിങ്ങളെ അനുവദിക്കുന്നു. അതിനാൽ സമ്പുഷ്ടീകരണ പ്രവർത്തനങ്ങൾക്കും നിയമങ്ങൾക്കുമായി ഞങ്ങൾക്ക് രണ്ട് വ്യത്യസ്ത ശേഖരണങ്ങൾ ഉണ്ടായിരുന്നു, കൂടാതെ എല്ലാ സ്ക്രിപ്റ്റുകളും ഡയറക്ടറികളായി തിരിച്ചിരിക്കുന്നു. റിപ്പോസിറ്ററിയുടെ ഒരു അനിയന്ത്രിതമായ ശാഖയുടെ സ്ക്രിപ്റ്റിന്റെ ഏറ്റവും പുതിയ കമ്മിറ്റ് തിരഞ്ഞെടുക്കാൻ UI വഴി സാധിച്ചു. അഡ്മിൻ പാനലിലൂടെ കോഡിൽ മാറ്റങ്ങൾ വരുത്തുമ്പോൾ, മാറ്റിയ കോഡിന്റെ കമ്മിറ്റുകൾ റിമോട്ട് റിപ്പോസിറ്ററികളിൽ സൃഷ്ടിക്കപ്പെടുന്നു.

ഞങ്ങളുടെ ആശയം നടപ്പിലാക്കാൻ, ഞങ്ങൾക്ക് അനുയോജ്യമായ അടിസ്ഥാന സൗകര്യങ്ങൾ ആവശ്യമാണ്. ഞങ്ങളുടെ കുബർനെറ്റസ് ക്ലസ്റ്ററിനെ ക്ലൗഡിൽ വിന്യസിക്കാൻ ഞങ്ങൾ തീരുമാനിച്ചു. ഞങ്ങളുടെ തിരഞ്ഞെടുപ്പ് Google ക്ലൗഡ് പ്ലാറ്റ്‌ഫോമായിരുന്നു. ഞങ്ങൾ Gcloud-ൽ വിന്യസിച്ച ഒരു Kubernetes ക്ലസ്റ്ററിലാണ് ഫിഷൻ സെർവർലെസ്സ് ഫ്രെയിംവർക്ക് ഇൻസ്റ്റാൾ ചെയ്തത്. തുടക്കത്തിൽ, k8s ക്ലസ്റ്ററിനുള്ളിൽ ഒരു പോഡിൽ പൊതിഞ്ഞ ഒരു പ്രത്യേക ജാവ ആപ്ലിക്കേഷനായി സോഴ്സ് ഡാറ്റ എൻറിച്ച്മെന്റ് സേവനം നടപ്പിലാക്കി. എന്നാൽ ഹാക്കത്തോണിന്റെ മധ്യത്തിൽ ഞങ്ങളുടെ പ്രോജക്റ്റിന്റെ പ്രാഥമിക പ്രദർശനത്തിന് ശേഷം, ഇൻകമിംഗ് ആപ്ലിക്കേഷനുകളുടെ അസംസ്‌കൃത ഡാറ്റ എങ്ങനെ സമ്പുഷ്ടമാക്കാമെന്ന് തിരഞ്ഞെടുക്കാനുള്ള അവസരം നൽകുന്നതിന് എൻറിച്ച്‌മെന്റ് സേവനം കൂടുതൽ വഴക്കമുള്ളതാക്കാൻ ഞങ്ങൾ ശുപാർശ ചെയ്തു. സമ്പുഷ്ടീകരണ സേവനവും സെർവർരഹിതമാക്കുകയല്ലാതെ ഞങ്ങൾക്ക് മറ്റ് മാർഗമില്ലായിരുന്നു.

ഫിഷനുമായി പ്രവർത്തിക്കാൻ, ഞങ്ങൾ ഫിഷൻ CLI ഉപയോഗിച്ചു, അത് Kubernetes CLI-യുടെ മുകളിൽ ഇൻസ്റ്റാൾ ചെയ്യണം. ഒരു k8s ക്ലസ്റ്ററിലേക്ക് ഫംഗ്‌ഷനുകൾ വിന്യസിക്കുന്നത് വളരെ ലളിതമാണ്; ക്ലസ്റ്ററിന് പുറത്ത് ആക്‌സസ് ആവശ്യമാണെങ്കിൽ ഇൻകമിംഗ് ട്രാഫിക്കിനെ അനുവദിക്കുന്നതിന് നിങ്ങൾ ഒരു ആന്തരിക റൂട്ടും ഫംഗ്‌ഷനിലേക്ക് പ്രവേശനവും നൽകേണ്ടതുണ്ട്. ഒരു ഫംഗ്ഷൻ വിന്യസിക്കാൻ സാധാരണയായി 10 സെക്കൻഡിൽ കൂടുതൽ എടുക്കുന്നില്ല.

പദ്ധതിയുടെ അന്തിമ അവതരണവും സംഗ്രഹവും

ഞങ്ങളുടെ സിസ്റ്റം എങ്ങനെ പ്രവർത്തിക്കുന്നുവെന്ന് കാണിക്കുന്നതിന്, ബാങ്കിന്റെ ഉൽപ്പന്നങ്ങളിലൊന്നിനായി നിങ്ങൾക്ക് ഒരു അപേക്ഷ സമർപ്പിക്കാൻ കഴിയുന്ന ഒരു റിമോട്ട് സെർവറിൽ ഞങ്ങൾ ഒരു ലളിതമായ ഫോം സ്ഥാപിച്ചിട്ടുണ്ട്. അഭ്യർത്ഥിക്കാൻ, നിങ്ങളുടെ ഇനീഷ്യലുകൾ, ജനനത്തീയതി, ഫോൺ നമ്പർ എന്നിവ നൽകണം.

ക്ലയന്റ് ഫോമിൽ നിന്നുള്ള ഡാറ്റ കൺട്രോളറിലേക്ക് പോയി, അത് ലഭ്യമായ എല്ലാ നിയമങ്ങൾക്കുമായി ഒരേസമയം അഭ്യർത്ഥനകൾ അയച്ചു, നിർദ്ദിഷ്ട വ്യവസ്ഥകൾക്കനുസരിച്ച് മുമ്പ് ഡാറ്റ സമ്പുഷ്ടമാക്കുകയും അവ ഒരു പൊതു സംഭരണത്തിൽ സംരക്ഷിക്കുകയും ചെയ്തു. മൊത്തത്തിൽ, ഇൻകമിംഗ് ആപ്ലിക്കേഷനുകളിലും 4 ഡാറ്റ സമ്പുഷ്ടീകരണ സേവനങ്ങളിലും തീരുമാനങ്ങൾ എടുക്കുന്ന മൂന്ന് ഫംഗ്ഷനുകൾ ഞങ്ങൾ വിന്യസിച്ചു. അപേക്ഷ സമർപ്പിച്ചതിന് ശേഷം, ക്ലയന്റിന് ഞങ്ങളുടെ തീരുമാനം ലഭിച്ചു:

നിരസിക്കലിനോ അംഗീകാരത്തിനോ പുറമേ, ഞങ്ങൾ സമാന്തരമായി അയച്ച അഭ്യർത്ഥനകൾ, മറ്റ് ഉൽപ്പന്നങ്ങളുടെ ഒരു ലിസ്റ്റ് ക്ലയന്റിന് ലഭിച്ചു. ഞങ്ങളുടെ പ്ലാറ്റ്‌ഫോമിൽ ക്രോസ്-സെയിലിന്റെ സാധ്യത ഞങ്ങൾ പ്രകടമാക്കിയത് ഇങ്ങനെയാണ്.

ആകെ 3 സാങ്കൽപ്പിക ബാങ്ക് ഉൽപ്പന്നങ്ങൾ ലഭ്യമാണ്:

• കടപ്പാട്.
• കളിപ്പാട്ടം
• ജാമ്യം.

പ്രദർശന വേളയിൽ, ഓരോ സേവനത്തിനും ഞങ്ങൾ തയ്യാറാക്കിയ ഫംഗ്ഷനുകളും സമ്പുഷ്ടീകരണ സ്ക്രിപ്റ്റുകളും വിന്യസിച്ചു.

ഓരോ നിയമത്തിനും അതിന്റേതായ ഇൻപുട്ട് ഡാറ്റ ആവശ്യമാണ്. അതിനാൽ, ഒരു മോർട്ട്ഗേജ് അംഗീകരിക്കുന്നതിന്, ഞങ്ങൾ ക്ലയന്റിന്റെ രാശിചിഹ്നം കണക്കാക്കുകയും ഇത് ചന്ദ്ര കലണ്ടറിന്റെ യുക്തിയുമായി ബന്ധിപ്പിക്കുകയും ചെയ്തു. ഒരു കളിപ്പാട്ടം അംഗീകരിക്കുന്നതിന്, ക്ലയന്റ് പ്രായപൂർത്തിയായെന്ന് ഞങ്ങൾ പരിശോധിച്ചു, കൂടാതെ ഒരു വായ്പ നൽകുന്നതിന്, സെല്ലുലാർ ഓപ്പറേറ്ററെ നിർണ്ണയിക്കുന്നതിനുള്ള ഒരു ബാഹ്യ ഓപ്പൺ സേവനത്തിലേക്ക് ഞങ്ങൾ ഒരു അഭ്യർത്ഥന അയച്ചു, അതിൽ ഒരു തീരുമാനമെടുത്തു.

ഞങ്ങളുടെ പ്രകടനം രസകരവും സംവേദനാത്മകവുമാക്കാൻ ഞങ്ങൾ ശ്രമിച്ചു, അവിടെയുള്ള എല്ലാവർക്കും ഞങ്ങളുടെ ഫോമിലേക്ക് പോയി അവർക്ക് ഞങ്ങളുടെ സാങ്കൽപ്പിക സേവനങ്ങളുടെ ലഭ്യത പരിശോധിക്കാം. അവതരണത്തിന്റെ അവസാനത്തിൽ, സ്വീകരിച്ച അപേക്ഷകളുടെ അനലിറ്റിക്‌സ് ഞങ്ങൾ പ്രദർശിപ്പിച്ചു, അത് ഞങ്ങളുടെ സേവനം എത്ര പേർ ഉപയോഗിച്ചു, അംഗീകാരങ്ങളുടെ എണ്ണം, നിരസിച്ചതുകൾ എന്നിവ കാണിക്കുന്നു.

ഓൺലൈനിൽ അനലിറ്റിക്‌സ് ശേഖരിക്കുന്നതിന്, ഞങ്ങൾ ഒരു ഓപ്പൺ സോഴ്‌സ് ബിഐ ടൂൾ കൂടി വിന്യസിച്ചു മെറ്റാബേസ് അത് ഞങ്ങളുടെ സ്റ്റോറേജ് യൂണിറ്റിലേക്ക് സ്ക്രൂ ചെയ്തു. ഞങ്ങൾക്ക് താൽപ്പര്യമുള്ള ഡാറ്റയിൽ അനലിറ്റിക്‌സ് ഉപയോഗിച്ച് സ്‌ക്രീനുകൾ നിർമ്മിക്കാൻ മെറ്റാബേസ് നിങ്ങളെ അനുവദിക്കുന്നു; നിങ്ങൾ ഡാറ്റാബേസിലേക്ക് ഒരു കണക്ഷൻ രജിസ്റ്റർ ചെയ്യുക, പട്ടികകൾ തിരഞ്ഞെടുക്കുക (ഞങ്ങളുടെ കാര്യത്തിൽ, ഡാറ്റ ശേഖരണം, ഞങ്ങൾ മോംഗോഡിബി ഉപയോഗിച്ചതിനാൽ), ഞങ്ങൾക്ക് താൽപ്പര്യമുള്ള മേഖലകൾ വ്യക്തമാക്കുക. .

തൽഫലമായി, തീരുമാനമെടുക്കൽ പ്ലാറ്റ്‌ഫോമിന്റെ ഒരു നല്ല പ്രോട്ടോടൈപ്പ് ഞങ്ങൾക്ക് ലഭിച്ചു, പ്രകടനത്തിനിടയിൽ, ഓരോ ശ്രോതാവിനും അതിന്റെ പ്രകടനം വ്യക്തിപരമായി പരിശോധിക്കാൻ കഴിയും. മറ്റ് ടീമുകളിൽ നിന്നുള്ള ശക്തമായ മത്സരം ഉണ്ടായിരുന്നിട്ടും രസകരമായ ഒരു പരിഹാരം, പൂർത്തിയായ ഒരു പ്രോട്ടോടൈപ്പ്, വിജയകരമായ ഒരു പ്രദർശനം എന്നിവ ഞങ്ങളെ വിജയിക്കാൻ അനുവദിച്ചു. ഓരോ ടീമിന്റെയും പ്രോജക്റ്റിലും രസകരമായ ഒരു ലേഖനം എഴുതാൻ കഴിയുമെന്ന് എനിക്ക് ഉറപ്പുണ്ട്.

അവലംബം: www.habr.com