ਅਸੀਂ Kubernetes ਦੇ ਅੰਦਰ ਕਲਾਊਡ FaaS ਕਿਵੇਂ ਬਣਾਇਆ ਅਤੇ Tinkoff ਹੈਕਾਥਨ ਜਿੱਤਿਆ

ਪਿਛਲੇ ਸਾਲ ਤੋਂ, ਸਾਡੀ ਕੰਪਨੀ ਨੇ ਹੈਕਾਥਨ ਦਾ ਆਯੋਜਨ ਕਰਨਾ ਸ਼ੁਰੂ ਕੀਤਾ। ਪਹਿਲਾ ਅਜਿਹਾ ਮੁਕਾਬਲਾ ਬਹੁਤ ਸਫਲ ਸੀ, ਅਸੀਂ ਇਸ ਬਾਰੇ ਲਿਖਿਆ ਸੀ ਲੇਖ. ਦੂਜਾ ਹੈਕਾਥਨ ਫਰਵਰੀ 2019 ਵਿੱਚ ਹੋਇਆ ਸੀ ਅਤੇ ਇਹ ਵੀ ਘੱਟ ਸਫਲ ਨਹੀਂ ਸੀ। ਬਾਅਦ ਵਾਲੇ ਨੂੰ ਰੱਖਣ ਦੇ ਟੀਚਿਆਂ ਬਾਰੇ ਬਹੁਤ ਸਮਾਂ ਪਹਿਲਾਂ ਨਹੀਂ ਲਿਖੀ ਪ੍ਰਬੰਧਕ।

ਭਾਗੀਦਾਰਾਂ ਨੂੰ ਇਸਦੇ ਲਾਗੂ ਕਰਨ ਲਈ ਇੱਕ ਤਕਨਾਲੋਜੀ ਸਟੈਕ ਦੀ ਚੋਣ ਕਰਨ ਵਿੱਚ ਪੂਰੀ ਆਜ਼ਾਦੀ ਦੇ ਨਾਲ ਇੱਕ ਦਿਲਚਸਪ ਕੰਮ ਦਿੱਤਾ ਗਿਆ ਸੀ। ਗਾਹਕ ਸਕੋਰਿੰਗ ਫੰਕਸ਼ਨਾਂ ਦੀ ਸੁਵਿਧਾਜਨਕ ਤੈਨਾਤੀ ਲਈ ਇੱਕ ਫੈਸਲਾ ਲੈਣ ਵਾਲੇ ਪਲੇਟਫਾਰਮ ਨੂੰ ਲਾਗੂ ਕਰਨਾ ਜ਼ਰੂਰੀ ਸੀ ਜੋ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੇ ਤੇਜ਼ ਪ੍ਰਵਾਹ ਨਾਲ ਕੰਮ ਕਰ ਸਕਦਾ ਸੀ, ਭਾਰੀ ਬੋਝ ਦਾ ਸਾਮ੍ਹਣਾ ਕਰ ਸਕਦਾ ਸੀ, ਅਤੇ ਸਿਸਟਮ ਆਪਣੇ ਆਪ ਵਿੱਚ ਆਸਾਨੀ ਨਾਲ ਸਕੇਲੇਬਲ ਸੀ।

ਇਹ ਕੰਮ ਗੈਰ-ਮਾਮੂਲੀ ਹੈ ਅਤੇ ਕਈ ਤਰੀਕਿਆਂ ਨਾਲ ਹੱਲ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਭਾਗੀਦਾਰਾਂ ਦੇ ਪ੍ਰੋਜੈਕਟਾਂ ਦੀਆਂ ਅੰਤਮ ਪੇਸ਼ਕਾਰੀਆਂ ਦੇ ਪ੍ਰਦਰਸ਼ਨ ਦੌਰਾਨ ਯਕੀਨ ਕਰ ਲਿਆ ਸੀ। ਹੈਕਾਥਨ ਵਿੱਚ 6 ਲੋਕਾਂ ਦੀਆਂ 5 ਟੀਮਾਂ ਸਨ, ਸਾਰੇ ਭਾਗੀਦਾਰਾਂ ਦੇ ਚੰਗੇ ਪ੍ਰੋਜੈਕਟ ਸਨ, ਪਰ ਸਾਡਾ ਪਲੇਟਫਾਰਮ ਸਭ ਤੋਂ ਵੱਧ ਮੁਕਾਬਲੇ ਵਾਲਾ ਨਿਕਲਿਆ। ਸਾਡੇ ਕੋਲ ਇੱਕ ਬਹੁਤ ਹੀ ਦਿਲਚਸਪ ਪ੍ਰੋਜੈਕਟ ਹੈ, ਜਿਸ ਬਾਰੇ ਮੈਂ ਇਸ ਲੇਖ ਵਿੱਚ ਗੱਲ ਕਰਨਾ ਚਾਹਾਂਗਾ.

ਸਾਡਾ ਹੱਲ ਕੁਬਰਨੇਟਸ ਦੇ ਅੰਦਰ ਸਰਵਰ ਰਹਿਤ ਆਰਕੀਟੈਕਚਰ 'ਤੇ ਅਧਾਰਤ ਇੱਕ ਪਲੇਟਫਾਰਮ ਹੈ, ਜੋ ਉਤਪਾਦਨ ਵਿੱਚ ਨਵੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਲਿਆਉਣ ਵਿੱਚ ਲੱਗਣ ਵਾਲੇ ਸਮੇਂ ਨੂੰ ਘਟਾਉਂਦਾ ਹੈ। ਇਹ ਵਿਸ਼ਲੇਸ਼ਕਾਂ ਨੂੰ ਉਹਨਾਂ ਲਈ ਸੁਵਿਧਾਜਨਕ ਮਾਹੌਲ ਵਿੱਚ ਕੋਡ ਲਿਖਣ ਅਤੇ ਇੰਜੀਨੀਅਰਾਂ ਅਤੇ ਡਿਵੈਲਪਰਾਂ ਦੀ ਭਾਗੀਦਾਰੀ ਤੋਂ ਬਿਨਾਂ ਇਸਨੂੰ ਉਤਪਾਦਨ ਵਿੱਚ ਤੈਨਾਤ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ।

ਸਕੋਰਿੰਗ ਕੀ ਹੈ

Tinkoff.ru, ਬਹੁਤ ਸਾਰੀਆਂ ਆਧੁਨਿਕ ਕੰਪਨੀਆਂ ਵਾਂਗ, ਗਾਹਕ ਸਕੋਰਿੰਗ ਹੈ। ਸਕੋਰਿੰਗ ਇੱਕ ਗਾਹਕ ਮੁਲਾਂਕਣ ਪ੍ਰਣਾਲੀ ਹੈ ਜੋ ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਅੰਕੜਾਤਮਕ ਤਰੀਕਿਆਂ 'ਤੇ ਅਧਾਰਤ ਹੈ।

ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਗਾਹਕ ਉਸ ਨੂੰ ਇੱਕ ਕਰਜ਼ਾ ਜਾਰੀ ਕਰਨ, ਜਾਂ ਸਾਡੇ ਨਾਲ ਇੱਕ ਵਿਅਕਤੀਗਤ ਉਦਯੋਗਪਤੀ ਖਾਤਾ ਖੋਲ੍ਹਣ ਦੀ ਬੇਨਤੀ ਨਾਲ ਸਾਡੇ ਵੱਲ ਮੁੜਦਾ ਹੈ। ਜੇਕਰ ਅਸੀਂ ਉਸਨੂੰ ਇੱਕ ਕਰਜ਼ਾ ਜਾਰੀ ਕਰਨ ਦੀ ਯੋਜਨਾ ਬਣਾਉਂਦੇ ਹਾਂ, ਤਾਂ ਸਾਨੂੰ ਉਸਦੀ ਸੌਲਵੇਂਸੀ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਦੀ ਲੋੜ ਹੈ, ਅਤੇ ਜੇਕਰ ਖਾਤਾ ਇੱਕ ਵਿਅਕਤੀਗਤ ਉਦਯੋਗਪਤੀ ਹੈ, ਤਾਂ ਸਾਨੂੰ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣ ਦੀ ਲੋੜ ਹੈ ਕਿ ਗਾਹਕ ਧੋਖਾਧੜੀ ਵਾਲੇ ਲੈਣ-ਦੇਣ ਨਹੀਂ ਕਰੇਗਾ।

ਅਜਿਹੇ ਫੈਸਲੇ ਲੈਣ ਦਾ ਆਧਾਰ ਗਣਿਤਿਕ ਮਾਡਲ ਹਨ ਜੋ ਐਪਲੀਕੇਸ਼ਨ ਤੋਂ ਆਪਣੇ ਆਪ ਅਤੇ ਸਾਡੇ ਸਟੋਰੇਜ ਤੋਂ ਡੇਟਾ ਦੋਵਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੇ ਹਨ। ਸਕੋਰਿੰਗ ਤੋਂ ਇਲਾਵਾ, ਸਾਡੇ ਗਾਹਕਾਂ ਲਈ ਨਵੇਂ ਉਤਪਾਦਾਂ ਲਈ ਵਿਅਕਤੀਗਤ ਸਿਫ਼ਾਰਸ਼ਾਂ ਤਿਆਰ ਕਰਨ ਦੀ ਸੇਵਾ ਵਿੱਚ ਸਮਾਨ ਅੰਕੜਾ ਵਿਧੀਆਂ ਦੀ ਵਰਤੋਂ ਵੀ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ।

ਅਜਿਹੇ ਮੁਲਾਂਕਣ ਦੀ ਵਿਧੀ ਕਈ ਤਰ੍ਹਾਂ ਦੇ ਇਨਪੁਟ ਡੇਟਾ ਨੂੰ ਸਵੀਕਾਰ ਕਰ ਸਕਦੀ ਹੈ। ਅਤੇ ਕਿਸੇ ਸਮੇਂ ਅਸੀਂ ਇਨਪੁਟ ਵਿੱਚ ਇੱਕ ਨਵਾਂ ਪੈਰਾਮੀਟਰ ਜੋੜ ਸਕਦੇ ਹਾਂ, ਜੋ ਕਿ ਇਤਿਹਾਸਕ ਡੇਟਾ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਨਤੀਜਿਆਂ ਦੇ ਅਧਾਰ ਤੇ, ਸੇਵਾ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਪਰਿਵਰਤਨ ਦਰ ਨੂੰ ਵਧਾਏਗਾ।

ਸਾਡੇ ਕੋਲ ਗਾਹਕ ਸਬੰਧਾਂ ਬਾਰੇ ਬਹੁਤ ਸਾਰਾ ਡਾਟਾ ਹੈ, ਅਤੇ ਇਸ ਜਾਣਕਾਰੀ ਦੀ ਮਾਤਰਾ ਲਗਾਤਾਰ ਵਧ ਰਹੀ ਹੈ। ਕੰਮ ਕਰਨ ਲਈ ਸਕੋਰ ਕਰਨ ਲਈ, ਡੇਟਾ ਪ੍ਰੋਸੈਸਿੰਗ ਲਈ ਨਿਯਮਾਂ (ਜਾਂ ਗਣਿਤਿਕ ਮਾਡਲਾਂ) ਦੀ ਵੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਜੋ ਤੁਹਾਨੂੰ ਛੇਤੀ ਹੀ ਇਹ ਫੈਸਲਾ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੇ ਹਨ ਕਿ ਕਿਸ ਨੂੰ ਅਰਜ਼ੀ ਮਨਜ਼ੂਰ ਕਰਨੀ ਹੈ, ਕਿਸ ਨੂੰ ਇਨਕਾਰ ਕਰਨਾ ਹੈ, ਅਤੇ ਕਿਸ ਨੂੰ ਕੁਝ ਹੋਰ ਉਤਪਾਦ ਪੇਸ਼ ਕਰਨੇ ਹਨ, ਉਹਨਾਂ ਦੀ ਸੰਭਾਵੀ ਦਿਲਚਸਪੀ ਦਾ ਮੁਲਾਂਕਣ ਕਰਦੇ ਹੋਏ।

ਹੱਥ ਵਿੱਚ ਕੰਮ ਲਈ, ਅਸੀਂ ਪਹਿਲਾਂ ਹੀ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਫੈਸਲਾ ਲੈਣ ਦੀ ਪ੍ਰਣਾਲੀ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ IBM WebSphere ILOG JRules BRMS, ਜੋ ਕਿ, ਵਿਸ਼ਲੇਸ਼ਕਾਂ, ਟੈਕਨੋਲੋਜਿਸਟਾਂ ਅਤੇ ਡਿਵੈਲਪਰਾਂ ਦੁਆਰਾ ਨਿਰਧਾਰਤ ਨਿਯਮਾਂ ਦੇ ਅਧਾਰ 'ਤੇ, ਇਹ ਫੈਸਲਾ ਕਰਦਾ ਹੈ ਕਿ ਗਾਹਕ ਨੂੰ ਕਿਸੇ ਖਾਸ ਬੈਂਕਿੰਗ ਉਤਪਾਦ ਨੂੰ ਮਨਜ਼ੂਰੀ ਜਾਂ ਇਨਕਾਰ ਕਰਨਾ ਹੈ ਜਾਂ ਨਹੀਂ।

ਬਜ਼ਾਰ ਵਿੱਚ ਬਹੁਤ ਸਾਰੇ ਤਿਆਰ-ਕੀਤੇ ਹੱਲ ਹਨ, ਦੋਵੇਂ ਸਕੋਰਿੰਗ ਮਾਡਲ ਅਤੇ ਫੈਸਲੇ ਲੈਣ ਦੀਆਂ ਪ੍ਰਣਾਲੀਆਂ। ਅਸੀਂ ਆਪਣੀ ਕੰਪਨੀ ਵਿੱਚ ਇਹਨਾਂ ਵਿੱਚੋਂ ਇੱਕ ਸਿਸਟਮ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ। ਪਰ ਕਾਰੋਬਾਰ ਵਧ ਰਿਹਾ ਹੈ, ਵਿਭਿੰਨਤਾ ਪ੍ਰਾਪਤ ਕਰ ਰਿਹਾ ਹੈ, ਗਾਹਕਾਂ ਦੀ ਗਿਣਤੀ ਅਤੇ ਪੇਸ਼ ਕੀਤੇ ਗਏ ਉਤਪਾਦਾਂ ਦੀ ਗਿਣਤੀ ਦੋਵਾਂ ਵਿੱਚ ਵਾਧਾ ਹੋ ਰਿਹਾ ਹੈ, ਅਤੇ ਇਸਦੇ ਨਾਲ, ਮੌਜੂਦਾ ਫੈਸਲੇ ਲੈਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨ ਬਾਰੇ ਵਿਚਾਰ ਉਭਰ ਰਹੇ ਹਨ। ਯਕੀਨੀ ਤੌਰ 'ਤੇ ਮੌਜੂਦਾ ਪ੍ਰਣਾਲੀ ਨਾਲ ਕੰਮ ਕਰਨ ਵਾਲੇ ਲੋਕਾਂ ਕੋਲ ਇਸ ਨੂੰ ਸਰਲ, ਬਿਹਤਰ, ਵਧੇਰੇ ਸੁਵਿਧਾਜਨਕ ਬਣਾਉਣ ਬਾਰੇ ਬਹੁਤ ਸਾਰੇ ਵਿਚਾਰ ਹਨ, ਪਰ ਕਈ ਵਾਰ ਬਾਹਰੋਂ ਆਏ ਵਿਚਾਰ ਲਾਭਦਾਇਕ ਹੁੰਦੇ ਹਨ। ਨਿਊ ਹੈਕਾਥੌਨ ਦਾ ਆਯੋਜਨ ਧੁਨੀ ਵਿਚਾਰਾਂ ਨੂੰ ਇਕੱਠਾ ਕਰਨ ਦੇ ਉਦੇਸ਼ ਨਾਲ ਕੀਤਾ ਗਿਆ ਸੀ।

ਟਾਸਕ

ਹੈਕਾਥਨ 23 ਫਰਵਰੀ ਨੂੰ ਆਯੋਜਿਤ ਕੀਤੀ ਗਈ ਸੀ। ਭਾਗੀਦਾਰਾਂ ਨੂੰ ਇੱਕ ਲੜਾਈ ਦੇ ਕੰਮ ਦੀ ਪੇਸ਼ਕਸ਼ ਕੀਤੀ ਗਈ ਸੀ: ਇੱਕ ਫੈਸਲੇ ਲੈਣ ਦੀ ਪ੍ਰਣਾਲੀ ਵਿਕਸਿਤ ਕਰਨ ਲਈ ਜਿਸ ਨੂੰ ਕਈ ਸ਼ਰਤਾਂ ਪੂਰੀਆਂ ਕਰਨੀਆਂ ਪੈਂਦੀਆਂ ਸਨ।

ਸਾਨੂੰ ਦੱਸਿਆ ਗਿਆ ਸੀ ਕਿ ਮੌਜੂਦਾ ਸਿਸਟਮ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ ਅਤੇ ਇਸਦੇ ਸੰਚਾਲਨ ਦੌਰਾਨ ਕਿਹੜੀਆਂ ਮੁਸ਼ਕਲਾਂ ਆਉਂਦੀਆਂ ਹਨ, ਨਾਲ ਹੀ ਵਿਕਸਤ ਪਲੇਟਫਾਰਮ ਨੂੰ ਕਿਹੜੇ ਵਪਾਰਕ ਟੀਚਿਆਂ ਦਾ ਪਿੱਛਾ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਸਿਸਟਮ ਵਿੱਚ ਨਿਯਮਾਂ ਨੂੰ ਵਿਕਸਤ ਕਰਨ ਲਈ ਇੱਕ ਤੇਜ਼ ਟਾਈਮ-ਟੂ-ਮਾਰਕੀਟ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਤਾਂ ਜੋ ਵਿਸ਼ਲੇਸ਼ਕਾਂ ਦਾ ਕਾਰਜ ਕੋਡ ਜਿੰਨੀ ਜਲਦੀ ਹੋ ਸਕੇ ਉਤਪਾਦਨ ਵਿੱਚ ਆ ਜਾਵੇ। ਅਤੇ ਅਰਜ਼ੀਆਂ ਦੇ ਆਉਣ ਵਾਲੇ ਪ੍ਰਵਾਹ ਲਈ, ਫੈਸਲਾ ਲੈਣ ਦਾ ਸਮਾਂ ਘੱਟੋ-ਘੱਟ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਨਾਲ ਹੀ, ਵਿਕਸਤ ਕੀਤੇ ਜਾ ਰਹੇ ਸਿਸਟਮ ਵਿੱਚ ਕਲਾਇੰਟ ਨੂੰ ਹੋਰ ਕੰਪਨੀ ਦੇ ਉਤਪਾਦ ਖਰੀਦਣ ਦਾ ਮੌਕਾ ਦੇਣ ਲਈ ਕ੍ਰਾਸ-ਸੇਲ ਸਮਰੱਥਾਵਾਂ ਹੋਣੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ ਜੇਕਰ ਉਹ ਸਾਡੇ ਦੁਆਰਾ ਮਨਜ਼ੂਰ ਹਨ ਅਤੇ ਗਾਹਕ ਦੁਆਰਾ ਸੰਭਾਵੀ ਦਿਲਚਸਪੀ ਰੱਖਦੇ ਹਨ।

ਇਹ ਸਪੱਸ਼ਟ ਹੈ ਕਿ ਰਾਤੋ-ਰਾਤ ਇੱਕ ਰੀਲੀਜ਼ ਕਰਨ ਲਈ ਤਿਆਰ ਪ੍ਰੋਜੈਕਟ ਲਿਖਣਾ ਅਸੰਭਵ ਹੈ ਜੋ ਯਕੀਨੀ ਤੌਰ 'ਤੇ ਉਤਪਾਦਨ ਵਿੱਚ ਜਾਵੇਗਾ, ਅਤੇ ਪੂਰੇ ਸਿਸਟਮ ਨੂੰ ਕਵਰ ਕਰਨਾ ਬਹੁਤ ਮੁਸ਼ਕਲ ਹੈ, ਇਸ ਲਈ ਸਾਨੂੰ ਇਸਦੇ ਘੱਟੋ-ਘੱਟ ਹਿੱਸੇ ਨੂੰ ਲਾਗੂ ਕਰਨ ਲਈ ਕਿਹਾ ਗਿਆ ਸੀ। ਬਹੁਤ ਸਾਰੀਆਂ ਲੋੜਾਂ ਸਥਾਪਤ ਕੀਤੀਆਂ ਗਈਆਂ ਸਨ ਜੋ ਪ੍ਰੋਟੋਟਾਈਪ ਨੂੰ ਪੂਰਾ ਕਰਨੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ। ਸਾਰੀਆਂ ਜ਼ਰੂਰਤਾਂ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਾਲ ਪੂਰਾ ਕਰਨ ਲਈ, ਅਤੇ ਵਿਕਸਤ ਕੀਤੇ ਜਾ ਰਹੇ ਪਲੇਟਫਾਰਮ ਦੇ ਵਿਅਕਤੀਗਤ ਭਾਗਾਂ 'ਤੇ ਵਿਸਥਾਰ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ ਦੋਵਾਂ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨਾ ਸੰਭਵ ਸੀ।

ਤਕਨਾਲੋਜੀ ਲਈ, ਸਾਰੇ ਭਾਗੀਦਾਰਾਂ ਨੂੰ ਚੋਣ ਦੀ ਪੂਰੀ ਆਜ਼ਾਦੀ ਦਿੱਤੀ ਗਈ ਸੀ। ਕਿਸੇ ਵੀ ਸੰਕਲਪ ਅਤੇ ਤਕਨਾਲੋਜੀ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਸੰਭਵ ਸੀ: ਡੇਟਾ ਸਟ੍ਰੀਮਿੰਗ, ਮਸ਼ੀਨ ਸਿਖਲਾਈ, ਇਵੈਂਟ ਸੋਰਸਿੰਗ, ਵੱਡਾ ਡੇਟਾ ਅਤੇ ਹੋਰ।

ਸਾਡਾ ਹੱਲ

ਥੋੜ੍ਹੇ ਜਿਹੇ ਵਿਚਾਰ-ਵਟਾਂਦਰੇ ਤੋਂ ਬਾਅਦ, ਅਸੀਂ ਫੈਸਲਾ ਕੀਤਾ ਕਿ ਇੱਕ FaaS ਹੱਲ ਕਾਰਜ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਆਦਰਸ਼ ਹੋਵੇਗਾ।

ਇਸ ਹੱਲ ਲਈ, ਵਿਕਸਤ ਕੀਤੇ ਜਾ ਰਹੇ ਫੈਸਲੇ ਲੈਣ ਦੀ ਪ੍ਰਣਾਲੀ ਦੇ ਨਿਯਮਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨ ਲਈ ਇੱਕ ਢੁਕਵਾਂ ਸਰਵਰ ਰਹਿਤ ਢਾਂਚਾ ਲੱਭਣਾ ਜ਼ਰੂਰੀ ਸੀ। ਕਿਉਂਕਿ ਟਿੰਕੋਫ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੇ ਪ੍ਰਬੰਧਨ ਲਈ ਕੁਬਰਨੇਟਸ ਦੀ ਸਰਗਰਮੀ ਨਾਲ ਵਰਤੋਂ ਕਰਦਾ ਹੈ, ਅਸੀਂ ਇਸਦੇ ਆਧਾਰ 'ਤੇ ਕਈ ਤਿਆਰ-ਕੀਤੇ ਹੱਲ ਵੇਖੇ ਹਨ; ਮੈਂ ਤੁਹਾਨੂੰ ਇਸ ਬਾਰੇ ਬਾਅਦ ਵਿੱਚ ਹੋਰ ਦੱਸਾਂਗਾ।

ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੱਲ ਲੱਭਣ ਲਈ, ਅਸੀਂ ਇਸਦੇ ਉਪਭੋਗਤਾਵਾਂ ਦੀਆਂ ਨਜ਼ਰਾਂ ਦੁਆਰਾ ਵਿਕਸਤ ਕੀਤੇ ਜਾ ਰਹੇ ਉਤਪਾਦ ਨੂੰ ਦੇਖਿਆ। ਸਾਡੇ ਸਿਸਟਮ ਦੇ ਮੁੱਖ ਉਪਭੋਗਤਾ ਨਿਯਮ ਦੇ ਵਿਕਾਸ ਵਿੱਚ ਸ਼ਾਮਲ ਵਿਸ਼ਲੇਸ਼ਕ ਹਨ। ਨਿਯਮਾਂ ਨੂੰ ਸਰਵਰ 'ਤੇ ਤੈਨਾਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਜਾਂ, ਜਿਵੇਂ ਕਿ ਸਾਡੇ ਕੇਸ ਵਿੱਚ, ਬਾਅਦ ਵਿੱਚ ਫੈਸਲੇ ਲੈਣ ਲਈ, ਕਲਾਉਡ ਵਿੱਚ ਤੈਨਾਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਇੱਕ ਵਿਸ਼ਲੇਸ਼ਕ ਦੇ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਤੋਂ, ਵਰਕਫਲੋ ਇਸ ਤਰ੍ਹਾਂ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ:

1. ਵਿਸ਼ਲੇਸ਼ਕ ਵੇਅਰਹਾਊਸ ਤੋਂ ਡੇਟਾ ਦੇ ਅਧਾਰ ਤੇ ਇੱਕ ਸਕ੍ਰਿਪਟ, ਨਿਯਮ, ਜਾਂ ML ਮਾਡਲ ਲਿਖਦਾ ਹੈ। ਹੈਕਾਥਨ ਦੇ ਹਿੱਸੇ ਵਜੋਂ, ਅਸੀਂ ਮੋਂਗੌਡਬੀ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦਾ ਫੈਸਲਾ ਕੀਤਾ ਹੈ, ਪਰ ਡੇਟਾ ਸਟੋਰੇਜ ਸਿਸਟਮ ਦੀ ਚੋਣ ਇੱਥੇ ਮਹੱਤਵਪੂਰਨ ਨਹੀਂ ਹੈ।
2. ਇਤਿਹਾਸਕ ਡੇਟਾ 'ਤੇ ਵਿਕਸਤ ਨਿਯਮਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਵਿਸ਼ਲੇਸ਼ਕ ਆਪਣਾ ਕੋਡ ਐਡਮਿਨ ਪੈਨਲ 'ਤੇ ਅਪਲੋਡ ਕਰਦਾ ਹੈ।
3. ਸੰਸਕਰਣ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ, ਸਾਰੇ ਕੋਡ Git ਰਿਪੋਜ਼ਟਰੀਆਂ ਵਿੱਚ ਜਾਣਗੇ।
4. ਐਡਮਿਨ ਪੈਨਲ ਦੁਆਰਾ ਕਲਾਉਡ ਵਿੱਚ ਇੱਕ ਵੱਖਰੇ ਕਾਰਜਸ਼ੀਲ ਸਰਵਰ ਰਹਿਤ ਮੋਡੀਊਲ ਦੇ ਰੂਪ ਵਿੱਚ ਕੋਡ ਨੂੰ ਤੈਨਾਤ ਕਰਨਾ ਸੰਭਵ ਹੋਵੇਗਾ।

ਗਾਹਕਾਂ ਤੋਂ ਸ਼ੁਰੂਆਤੀ ਡੇਟਾ ਨੂੰ ਵੇਅਰਹਾਊਸ ਤੋਂ ਡੇਟਾ ਦੇ ਨਾਲ ਸ਼ੁਰੂਆਤੀ ਬੇਨਤੀ ਨੂੰ ਅਮੀਰ ਬਣਾਉਣ ਲਈ ਤਿਆਰ ਕੀਤੀ ਗਈ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਐਨਰੀਚਮੈਂਟ ਸੇਵਾ ਵਿੱਚੋਂ ਲੰਘਣਾ ਚਾਹੀਦਾ ਹੈ। ਇਸ ਸੇਵਾ ਨੂੰ ਇਸ ਤਰੀਕੇ ਨਾਲ ਲਾਗੂ ਕਰਨਾ ਮਹੱਤਵਪੂਰਨ ਸੀ ਕਿ ਇਹ ਇੱਕ ਏਕੀਕ੍ਰਿਤ ਡੇਟਾ ਢਾਂਚੇ ਨੂੰ ਕਾਇਮ ਰੱਖਣ ਲਈ ਇੱਕ ਸਿੰਗਲ ਰਿਪੋਜ਼ਟਰੀ (ਜਿਸ ਤੋਂ ਵਿਸ਼ਲੇਸ਼ਕ ਨਿਯਮ ਵਿਕਸਿਤ ਕਰਨ ਵੇਲੇ ਡੇਟਾ ਲੈਂਦਾ ਹੈ) ਨਾਲ ਕੰਮ ਕਰੇਗਾ।

ਹੈਕਾਥਨ ਤੋਂ ਪਹਿਲਾਂ ਹੀ, ਅਸੀਂ ਸਰਵਰ ਰਹਿਤ ਫਰੇਮਵਰਕ 'ਤੇ ਫੈਸਲਾ ਕੀਤਾ ਸੀ ਜਿਸ ਦੀ ਅਸੀਂ ਵਰਤੋਂ ਕਰਾਂਗੇ। ਅੱਜ ਮਾਰਕੀਟ ਵਿੱਚ ਬਹੁਤ ਸਾਰੀਆਂ ਤਕਨਾਲੋਜੀਆਂ ਹਨ ਜੋ ਇਸ ਪਹੁੰਚ ਨੂੰ ਲਾਗੂ ਕਰਦੀਆਂ ਹਨ. ਕੁਬਰਨੇਟਸ ਆਰਕੀਟੈਕਚਰ ਦੇ ਅੰਦਰ ਸਭ ਤੋਂ ਪ੍ਰਸਿੱਧ ਹੱਲ ਫਿਸ਼ਨ, ਓਪਨ ਫਾਏਐਸ ਅਤੇ ਕੁਬੇਲੇਸ ਹਨ। ਵੀ ਹਨ ਉਹਨਾਂ ਦੇ ਵਰਣਨ ਅਤੇ ਤੁਲਨਾਤਮਕ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਨਾਲ ਵਧੀਆ ਲੇਖ.

ਸਾਰੇ ਚੰਗੇ ਅਤੇ ਨੁਕਸਾਨ ਨੂੰ ਤੋਲਣ ਤੋਂ ਬਾਅਦ, ਅਸੀਂ ਚੁਣਿਆ ਫਿਸ਼ਨ. ਇਹ ਸਰਵਰ ਰਹਿਤ ਫਰੇਮਵਰਕ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨਾ ਕਾਫ਼ੀ ਆਸਾਨ ਹੈ ਅਤੇ ਕੰਮ ਦੀਆਂ ਜ਼ਰੂਰਤਾਂ ਨੂੰ ਪੂਰਾ ਕਰਦਾ ਹੈ।

ਫਿਸ਼ਨ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ, ਤੁਹਾਨੂੰ ਦੋ ਬੁਨਿਆਦੀ ਧਾਰਨਾਵਾਂ ਨੂੰ ਸਮਝਣ ਦੀ ਲੋੜ ਹੈ: ਫੰਕਸ਼ਨ ਅਤੇ ਵਾਤਾਵਰਨ। ਇੱਕ ਫੰਕਸ਼ਨ ਉਹਨਾਂ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚੋਂ ਇੱਕ ਵਿੱਚ ਲਿਖਿਆ ਕੋਡ ਦਾ ਇੱਕ ਟੁਕੜਾ ਹੁੰਦਾ ਹੈ ਜਿਸ ਲਈ ਇੱਕ ਫਿਸ਼ਨ ਵਾਤਾਵਰਣ ਹੁੰਦਾ ਹੈ। ਇਸ ਢਾਂਚੇ ਦੇ ਅੰਦਰ ਲਾਗੂ ਵਾਤਾਵਰਨ ਦੀ ਸੂਚੀ ਪਾਈਥਨ, ਜੇਐਸ, ਗੋ, ਜੇਵੀਐਮ ਅਤੇ ਹੋਰ ਬਹੁਤ ਸਾਰੀਆਂ ਪ੍ਰਸਿੱਧ ਭਾਸ਼ਾਵਾਂ ਅਤੇ ਤਕਨਾਲੋਜੀਆਂ ਸ਼ਾਮਲ ਹਨ।

ਫਿਸ਼ਨ ਕਈ ਫਾਈਲਾਂ ਵਿੱਚ ਵੰਡਿਆ ਹੋਇਆ ਫੰਕਸ਼ਨ ਕਰਨ ਦੇ ਸਮਰੱਥ ਹੈ, ਇੱਕ ਆਰਕਾਈਵ ਵਿੱਚ ਪਹਿਲਾਂ ਤੋਂ ਪੈਕ ਕੀਤਾ ਹੋਇਆ ਹੈ। ਕੁਬਰਨੇਟਸ ਕਲੱਸਟਰ ਵਿੱਚ ਫਿਸ਼ਨ ਦਾ ਸੰਚਾਲਨ ਵਿਸ਼ੇਸ਼ ਪੌਡਾਂ ਦੁਆਰਾ ਯਕੀਨੀ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ, ਜੋ ਕਿ ਫਰੇਮਵਰਕ ਦੁਆਰਾ ਖੁਦ ਪ੍ਰਬੰਧਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਕਲੱਸਟਰ ਪੋਡਸ ਨਾਲ ਇੰਟਰੈਕਟ ਕਰਨ ਲਈ, ਹਰੇਕ ਫੰਕਸ਼ਨ ਨੂੰ ਆਪਣਾ ਰੂਟ ਨਿਰਧਾਰਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਅਤੇ ਜਿਸ ਵਿੱਚ ਤੁਸੀਂ GET ਪੈਰਾਮੀਟਰ ਪਾਸ ਕਰ ਸਕਦੇ ਹੋ ਜਾਂ ਪੋਸਟ ਬੇਨਤੀ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਬਾਡੀ ਨੂੰ ਬੇਨਤੀ ਕਰ ਸਕਦੇ ਹੋ।

ਨਤੀਜੇ ਵਜੋਂ, ਅਸੀਂ ਇੱਕ ਅਜਿਹਾ ਹੱਲ ਪ੍ਰਾਪਤ ਕਰਨ ਦੀ ਯੋਜਨਾ ਬਣਾਈ ਹੈ ਜੋ ਵਿਸ਼ਲੇਸ਼ਕਾਂ ਨੂੰ ਇੰਜੀਨੀਅਰਾਂ ਅਤੇ ਡਿਵੈਲਪਰਾਂ ਦੀ ਭਾਗੀਦਾਰੀ ਤੋਂ ਬਿਨਾਂ ਵਿਕਸਤ ਨਿਯਮ ਸਕ੍ਰਿਪਟਾਂ ਨੂੰ ਤੈਨਾਤ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦੇਵੇਗਾ। ਵਰਣਿਤ ਪਹੁੰਚ ਡਿਵੈਲਪਰਾਂ ਦੀ ਕਿਸੇ ਹੋਰ ਭਾਸ਼ਾ ਵਿੱਚ ਵਿਸ਼ਲੇਸ਼ਕ ਕੋਡ ਨੂੰ ਮੁੜ ਲਿਖਣ ਦੀ ਲੋੜ ਨੂੰ ਵੀ ਖਤਮ ਕਰਦੀ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਵਰਤਮਾਨ ਫੈਸਲੇ ਲੈਣ ਦੀ ਪ੍ਰਣਾਲੀ ਲਈ ਜੋ ਅਸੀਂ ਵਰਤਦੇ ਹਾਂ, ਸਾਨੂੰ ਬਹੁਤ ਹੀ ਵਿਸ਼ੇਸ਼ ਤਕਨੀਕਾਂ ਅਤੇ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਨਿਯਮ ਲਿਖਣੇ ਪੈਂਦੇ ਹਨ, ਜਿਸਦਾ ਦਾਇਰਾ ਬਹੁਤ ਸੀਮਤ ਹੈ, ਅਤੇ ਐਪਲੀਕੇਸ਼ਨ ਸਰਵਰ 'ਤੇ ਇੱਕ ਮਜ਼ਬੂਤ ​​ਨਿਰਭਰਤਾ ਵੀ ਹੈ, ਕਿਉਂਕਿ ਸਾਰੇ ਡਰਾਫਟ ਬੈਂਕ ਨਿਯਮ ਇੱਕ ਸਿੰਗਲ ਵਾਤਾਵਰਣ ਵਿੱਚ ਤਾਇਨਾਤ ਹਨ. ਨਤੀਜੇ ਵਜੋਂ, ਨਵੇਂ ਨਿਯਮਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨ ਲਈ ਪੂਰੇ ਸਿਸਟਮ ਨੂੰ ਜਾਰੀ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੈ।

ਸਾਡੇ ਪ੍ਰਸਤਾਵਿਤ ਹੱਲ ਵਿੱਚ, ਨਿਯਮਾਂ ਨੂੰ ਜਾਰੀ ਕਰਨ ਦੀ ਕੋਈ ਲੋੜ ਨਹੀਂ ਹੈ; ਕੋਡ ਨੂੰ ਇੱਕ ਬਟਨ ਦੇ ਕਲਿੱਕ 'ਤੇ ਆਸਾਨੀ ਨਾਲ ਤੈਨਾਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਨਾਲ ਹੀ, ਕੁਬਰਨੇਟਸ ਵਿੱਚ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਪ੍ਰਬੰਧਨ ਤੁਹਾਨੂੰ ਲੋਡ ਅਤੇ ਸਕੇਲਿੰਗ ਬਾਰੇ ਸੋਚਣ ਦੀ ਇਜਾਜ਼ਤ ਨਹੀਂ ਦਿੰਦਾ ਹੈ; ਅਜਿਹੀਆਂ ਸਮੱਸਿਆਵਾਂ ਬਾਕਸ ਤੋਂ ਬਾਹਰ ਹੱਲ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ। ਅਤੇ ਇੱਕ ਸਿੰਗਲ ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਦੀ ਵਰਤੋਂ ਇਤਿਹਾਸਕ ਡੇਟਾ ਨਾਲ ਰੀਅਲ-ਟਾਈਮ ਡੇਟਾ ਦੀ ਤੁਲਨਾ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਨੂੰ ਖਤਮ ਕਰਦੀ ਹੈ, ਜੋ ਵਿਸ਼ਲੇਸ਼ਕ ਦੇ ਕੰਮ ਨੂੰ ਸਰਲ ਬਣਾਉਂਦਾ ਹੈ।

ਸਾਨੂੰ ਕੀ ਮਿਲਿਆ

ਕਿਉਂਕਿ ਅਸੀਂ ਇੱਕ ਰੈਡੀਮੇਡ ਹੱਲ (ਸਾਡੀਆਂ ਕਲਪਨਾਵਾਂ ਵਿੱਚ) ਦੇ ਨਾਲ ਹੈਕਾਥਨ ਵਿੱਚ ਆਏ ਹਾਂ, ਸਾਨੂੰ ਬਸ ਆਪਣੇ ਸਾਰੇ ਵਿਚਾਰਾਂ ਨੂੰ ਕੋਡ ਦੀਆਂ ਲਾਈਨਾਂ ਵਿੱਚ ਬਦਲਣਾ ਸੀ।

ਕਿਸੇ ਵੀ ਹੈਕਾਥਨ ਵਿੱਚ ਸਫਲਤਾ ਦੀ ਕੁੰਜੀ ਤਿਆਰੀ ਅਤੇ ਇੱਕ ਚੰਗੀ ਤਰ੍ਹਾਂ ਲਿਖੀ ਯੋਜਨਾ ਹੈ। ਇਸ ਲਈ, ਸਭ ਤੋਂ ਪਹਿਲਾਂ ਅਸੀਂ ਇਹ ਫੈਸਲਾ ਕਰਨਾ ਸੀ ਕਿ ਸਾਡੇ ਸਿਸਟਮ ਆਰਕੀਟੈਕਚਰ ਵਿੱਚ ਕਿਹੜੇ ਮਾਡਿਊਲ ਸ਼ਾਮਲ ਹੋਣਗੇ ਅਤੇ ਅਸੀਂ ਕਿਹੜੀਆਂ ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਾਂਗੇ।

ਸਾਡੇ ਪ੍ਰੋਜੈਕਟ ਦਾ ਆਰਕੀਟੈਕਚਰ ਹੇਠ ਲਿਖੇ ਅਨੁਸਾਰ ਸੀ:

ਇਹ ਚਿੱਤਰ ਦੋ ਐਂਟਰੀ ਪੁਆਇੰਟ ਦਿਖਾਉਂਦਾ ਹੈ, ਵਿਸ਼ਲੇਸ਼ਕ (ਸਾਡੇ ਸਿਸਟਮ ਦਾ ਮੁੱਖ ਉਪਭੋਗਤਾ) ਅਤੇ ਕਲਾਇੰਟ।

ਕੰਮ ਦੀ ਪ੍ਰਕਿਰਿਆ ਇਸ ਤਰ੍ਹਾਂ ਬਣਾਈ ਗਈ ਹੈ। ਵਿਸ਼ਲੇਸ਼ਕ ਆਪਣੇ ਮਾਡਲ ਲਈ ਇੱਕ ਨਿਯਮ ਫੰਕਸ਼ਨ ਅਤੇ ਇੱਕ ਡੇਟਾ ਸੰਸ਼ੋਧਨ ਫੰਕਸ਼ਨ ਵਿਕਸਿਤ ਕਰਦਾ ਹੈ, ਇੱਕ Git ਰਿਪੋਜ਼ਟਰੀ ਵਿੱਚ ਉਸਦੇ ਕੋਡ ਨੂੰ ਸਟੋਰ ਕਰਦਾ ਹੈ, ਅਤੇ ਪ੍ਰਸ਼ਾਸਕ ਐਪਲੀਕੇਸ਼ਨ ਦੁਆਰਾ ਆਪਣੇ ਮਾਡਲ ਨੂੰ ਕਲਾਉਡ ਵਿੱਚ ਤੈਨਾਤ ਕਰਦਾ ਹੈ। ਆਓ ਵਿਚਾਰ ਕਰੀਏ ਕਿ ਤੈਨਾਤ ਫੰਕਸ਼ਨ ਨੂੰ ਕਿਵੇਂ ਬੁਲਾਇਆ ਜਾਵੇਗਾ ਅਤੇ ਗਾਹਕਾਂ ਤੋਂ ਆਉਣ ਵਾਲੀਆਂ ਬੇਨਤੀਆਂ 'ਤੇ ਫੈਸਲੇ ਲਓ:

1. ਗਾਹਕ ਵੈਬਸਾਈਟ 'ਤੇ ਇੱਕ ਫਾਰਮ ਭਰਦਾ ਹੈ ਅਤੇ ਆਪਣੀ ਬੇਨਤੀ ਕੰਟਰੋਲਰ ਨੂੰ ਭੇਜਦਾ ਹੈ। ਇੱਕ ਐਪਲੀਕੇਸ਼ਨ ਜਿਸ 'ਤੇ ਫੈਸਲਾ ਲੈਣ ਦੀ ਜ਼ਰੂਰਤ ਹੁੰਦੀ ਹੈ, ਸਿਸਟਮ ਇਨਪੁਟ 'ਤੇ ਆਉਂਦੀ ਹੈ ਅਤੇ ਡੇਟਾਬੇਸ ਵਿੱਚ ਇਸਦੇ ਅਸਲ ਰੂਪ ਵਿੱਚ ਦਰਜ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।
2. ਅੱਗੇ, ਜੇ ਲੋੜ ਹੋਵੇ ਤਾਂ ਕੱਚੀ ਬੇਨਤੀ ਨੂੰ ਸੰਸ਼ੋਧਨ ਲਈ ਭੇਜਿਆ ਜਾਂਦਾ ਹੈ। ਤੁਸੀਂ ਸ਼ੁਰੂਆਤੀ ਬੇਨਤੀ ਨੂੰ ਬਾਹਰੀ ਸੇਵਾਵਾਂ ਅਤੇ ਸਟੋਰੇਜ ਦੋਵਾਂ ਤੋਂ ਡੇਟਾ ਦੇ ਨਾਲ ਪੂਰਕ ਕਰ ਸਕਦੇ ਹੋ। ਨਤੀਜੇ ਵਜੋਂ ਭਰਪੂਰ ਪੁੱਛਗਿੱਛ ਵੀ ਡੇਟਾਬੇਸ ਵਿੱਚ ਸਟੋਰ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।
3. ਵਿਸ਼ਲੇਸ਼ਕ ਫੰਕਸ਼ਨ ਲਾਂਚ ਕੀਤਾ ਗਿਆ ਹੈ, ਜੋ ਕਿ ਇਨਪੁਟ ਦੇ ਰੂਪ ਵਿੱਚ ਇੱਕ ਸੰਪੂਰਨ ਪੁੱਛਗਿੱਛ ਲੈਂਦਾ ਹੈ ਅਤੇ ਇੱਕ ਹੱਲ ਪੈਦਾ ਕਰਦਾ ਹੈ, ਜੋ ਸਟੋਰੇਜ ਵਿੱਚ ਵੀ ਲਿਖਿਆ ਜਾਂਦਾ ਹੈ।

ਅਸੀਂ JSON ਦਸਤਾਵੇਜ਼ਾਂ ਦੇ ਰੂਪ ਵਿੱਚ ਡੇਟਾ ਦੇ ਦਸਤਾਵੇਜ਼-ਅਧਾਰਿਤ ਸਟੋਰੇਜ ਦੇ ਕਾਰਨ ਸਾਡੇ ਸਿਸਟਮ ਵਿੱਚ MongoDB ਨੂੰ ਸਟੋਰੇਜ ਵਜੋਂ ਵਰਤਣ ਦਾ ਫੈਸਲਾ ਕੀਤਾ ਹੈ, ਕਿਉਂਕਿ ਅਸਲ ਬੇਨਤੀ ਸਮੇਤ, ਸੰਸ਼ੋਧਨ ਸੇਵਾਵਾਂ, REST ਕੰਟਰੋਲਰਾਂ ਦੁਆਰਾ ਸਾਰੇ ਡੇਟਾ ਨੂੰ ਇਕੱਠਾ ਕਰਦੀਆਂ ਹਨ।

ਇਸ ਲਈ, ਪਲੇਟਫਾਰਮ ਨੂੰ ਲਾਗੂ ਕਰਨ ਲਈ ਸਾਡੇ ਕੋਲ XNUMX ਘੰਟੇ ਸਨ. ਅਸੀਂ ਭੂਮਿਕਾਵਾਂ ਨੂੰ ਕਾਫ਼ੀ ਸਫਲਤਾਪੂਰਵਕ ਵੰਡਿਆ; ਸਾਡੇ ਪ੍ਰੋਜੈਕਟ ਵਿੱਚ ਹਰੇਕ ਟੀਮ ਦੇ ਮੈਂਬਰ ਦੀ ਆਪਣੀ ਜ਼ਿੰਮੇਵਾਰੀ ਦਾ ਖੇਤਰ ਸੀ:

1. ਵਿਸ਼ਲੇਸ਼ਕ ਦੇ ਕੰਮ ਲਈ ਫਰੰਟ-ਐਂਡ ਐਡਮਿਨ ਪੈਨਲ, ਜਿਸ ਰਾਹੀਂ ਉਹ ਲਿਖਤੀ ਸਕ੍ਰਿਪਟਾਂ ਦੇ ਸੰਸਕਰਣ ਨਿਯੰਤਰਣ ਪ੍ਰਣਾਲੀ ਤੋਂ ਨਿਯਮ ਡਾਊਨਲੋਡ ਕਰ ਸਕਦਾ ਹੈ, ਇਨਪੁਟ ਡੇਟਾ ਨੂੰ ਭਰਪੂਰ ਕਰਨ ਲਈ ਵਿਕਲਪਾਂ ਦੀ ਚੋਣ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਨਿਯਮ ਸਕ੍ਰਿਪਟਾਂ ਨੂੰ ਔਨਲਾਈਨ ਸੰਪਾਦਿਤ ਕਰ ਸਕਦਾ ਹੈ।
2. ਬੈਕਐਂਡ ਐਡਮਿਨ, ਫਰੰਟ ਲਈ REST API ਅਤੇ VCS ਨਾਲ ਏਕੀਕਰਣ ਸਮੇਤ।
3. ਗੂਗਲ ਕਲਾਉਡ ਵਿੱਚ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਸਥਾਪਤ ਕਰਨਾ ਅਤੇ ਸਰੋਤ ਡੇਟਾ ਨੂੰ ਅਮੀਰ ਬਣਾਉਣ ਲਈ ਇੱਕ ਸੇਵਾ ਵਿਕਸਿਤ ਕਰਨਾ।
4. ਨਿਯਮਾਂ ਦੀ ਅਗਲੀ ਤੈਨਾਤੀ ਲਈ ਸਰਵਰ ਰਹਿਤ ਫਰੇਮਵਰਕ ਨਾਲ ਐਡਮਿਨ ਐਪਲੀਕੇਸ਼ਨ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਲਈ ਇੱਕ ਮੋਡੀਊਲ।
5. ਅੰਤਮ ਪ੍ਰਦਰਸ਼ਨ ਲਈ ਆਉਣ ਵਾਲੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ (ਫੈਸਲੇ ਲਏ ਗਏ) 'ਤੇ ਪੂਰੇ ਸਿਸਟਮ ਦੇ ਪ੍ਰਦਰਸ਼ਨ ਦੀ ਜਾਂਚ ਕਰਨ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਇਕੱਤਰੀਕਰਨ ਲਈ ਨਿਯਮਾਂ ਦੀਆਂ ਸਕ੍ਰਿਪਟਾਂ।

ਆਉ ਕ੍ਰਮ ਅਨੁਸਾਰ ਚੱਲੀਏ.

ਬੈਂਕਿੰਗ UI ਕਿੱਟ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸਾਡਾ ਫਰੰਟਐਂਡ ਐਂਗੁਲਰ 7 ਵਿੱਚ ਲਿਖਿਆ ਗਿਆ ਸੀ। ਐਡਮਿਨ ਪੈਨਲ ਦਾ ਅੰਤਮ ਸੰਸਕਰਣ ਇਸ ਤਰ੍ਹਾਂ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ:

ਕਿਉਂਕਿ ਬਹੁਤ ਘੱਟ ਸਮਾਂ ਸੀ, ਅਸੀਂ ਸਿਰਫ ਮੁੱਖ ਕਾਰਜਕੁਸ਼ਲਤਾ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕੀਤੀ। ਕੁਬਰਨੇਟਸ ਕਲੱਸਟਰ ਵਿੱਚ ਇੱਕ ਫੰਕਸ਼ਨ ਨੂੰ ਤੈਨਾਤ ਕਰਨ ਲਈ, ਇੱਕ ਇਵੈਂਟ (ਇੱਕ ਸੇਵਾ ਜਿਸ ਲਈ ਇੱਕ ਨਿਯਮ ਕਲਾਉਡ ਵਿੱਚ ਤੈਨਾਤ ਕੀਤੇ ਜਾਣ ਦੀ ਲੋੜ ਹੈ) ਅਤੇ ਫੰਕਸ਼ਨ ਦਾ ਕੋਡ ਚੁਣਨਾ ਜ਼ਰੂਰੀ ਸੀ ਜੋ ਫੈਸਲੇ ਲੈਣ ਦੇ ਤਰਕ ਨੂੰ ਲਾਗੂ ਕਰਦਾ ਹੈ। ਚੁਣੀ ਗਈ ਸੇਵਾ ਲਈ ਇੱਕ ਨਿਯਮ ਦੀ ਹਰੇਕ ਤੈਨਾਤੀ ਲਈ, ਅਸੀਂ ਇਸ ਘਟਨਾ ਦਾ ਇੱਕ ਲੌਗ ਲਿਖਿਆ ਹੈ। ਐਡਮਿਨ ਪੈਨਲ ਵਿੱਚ ਤੁਸੀਂ ਸਾਰੇ ਇਵੈਂਟਸ ਦੇ ਲੌਗਸ ਨੂੰ ਦੇਖ ਸਕਦੇ ਹੋ।

ਸਾਰੇ ਫੰਕਸ਼ਨ ਕੋਡ ਨੂੰ ਇੱਕ ਰਿਮੋਟ Git ਰਿਪੋਜ਼ਟਰੀ ਵਿੱਚ ਸਟੋਰ ਕੀਤਾ ਗਿਆ ਸੀ, ਜਿਸਨੂੰ ਐਡਮਿਨ ਪੈਨਲ ਵਿੱਚ ਵੀ ਸੈੱਟ ਕਰਨਾ ਪੈਂਦਾ ਸੀ। ਕੋਡ ਦੇ ਸੰਸਕਰਣ ਲਈ, ਸਾਰੇ ਫੰਕਸ਼ਨ ਰਿਪੋਜ਼ਟਰੀ ਦੀਆਂ ਵੱਖ-ਵੱਖ ਸ਼ਾਖਾਵਾਂ ਵਿੱਚ ਸਟੋਰ ਕੀਤੇ ਗਏ ਸਨ। ਐਡਮਿਨ ਪੈਨਲ ਲਿਖਤੀ ਸਕ੍ਰਿਪਟਾਂ ਵਿੱਚ ਐਡਜਸਟਮੈਂਟ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਵੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਤਾਂ ਜੋ ਕਿਸੇ ਫੰਕਸ਼ਨ ਨੂੰ ਉਤਪਾਦਨ ਵਿੱਚ ਲਾਗੂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ, ਤੁਸੀਂ ਨਾ ਸਿਰਫ਼ ਲਿਖਤੀ ਕੋਡ ਦੀ ਜਾਂਚ ਕਰ ਸਕੋ, ਸਗੋਂ ਲੋੜੀਂਦੀਆਂ ਤਬਦੀਲੀਆਂ ਵੀ ਕਰ ਸਕੋ।

ਨਿਯਮਾਂ ਫੰਕਸ਼ਨਾਂ ਤੋਂ ਇਲਾਵਾ, ਅਸੀਂ ਐਨਰੀਚਮੈਂਟ ਫੰਕਸ਼ਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸਰੋਤ ਡੇਟਾ ਨੂੰ ਹੌਲੀ-ਹੌਲੀ ਅਮੀਰ ਬਣਾਉਣ ਦੀ ਯੋਗਤਾ ਨੂੰ ਵੀ ਲਾਗੂ ਕੀਤਾ, ਜਿਸਦਾ ਕੋਡ ਵੀ ਸਕ੍ਰਿਪਟਾਂ ਸੀ ਜਿਸ ਵਿੱਚ ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਵਿੱਚ ਜਾਣਾ, ਤੀਜੀ-ਧਿਰ ਦੀਆਂ ਸੇਵਾਵਾਂ ਨੂੰ ਕਾਲ ਕਰਨਾ ਅਤੇ ਸ਼ੁਰੂਆਤੀ ਗਣਨਾ ਕਰਨਾ ਸੰਭਵ ਸੀ। . ਸਾਡੇ ਹੱਲ ਨੂੰ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਨ ਲਈ, ਅਸੀਂ ਉਸ ਗਾਹਕ ਦੇ ਰਾਸ਼ੀ ਚਿੰਨ੍ਹ ਦੀ ਗਣਨਾ ਕੀਤੀ ਜਿਸਨੇ ਬੇਨਤੀ ਛੱਡ ਦਿੱਤੀ ਹੈ ਅਤੇ ਇੱਕ ਤੀਜੀ-ਧਿਰ REST ਸੇਵਾ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਆਪਣੇ ਮੋਬਾਈਲ ਆਪਰੇਟਰ ਨੂੰ ਨਿਰਧਾਰਤ ਕੀਤਾ ਹੈ।

ਪਲੇਟਫਾਰਮ ਦਾ ਬੈਕਐਂਡ ਜਾਵਾ ਵਿੱਚ ਲਿਖਿਆ ਗਿਆ ਸੀ ਅਤੇ ਇੱਕ ਸਪਰਿੰਗ ਬੂਟ ਐਪਲੀਕੇਸ਼ਨ ਵਜੋਂ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਸੀ। ਅਸੀਂ ਸ਼ੁਰੂ ਵਿੱਚ ਐਡਮਿਨ ਡੇਟਾ ਨੂੰ ਸਟੋਰ ਕਰਨ ਲਈ ਪੋਸਟਗ੍ਰੇਸ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਯੋਜਨਾ ਬਣਾਈ ਸੀ, ਪਰ, ਹੈਕਾਥਨ ਦੇ ਹਿੱਸੇ ਵਜੋਂ, ਅਸੀਂ ਸਮਾਂ ਬਚਾਉਣ ਲਈ ਆਪਣੇ ਆਪ ਨੂੰ ਇੱਕ ਸਧਾਰਨ H2 ਤੱਕ ਸੀਮਤ ਕਰਨ ਦਾ ਫੈਸਲਾ ਕੀਤਾ ਹੈ। ਬੈਕਐਂਡ 'ਤੇ, ਬਿੱਟਬਕੇਟ ਦੇ ਨਾਲ ਏਕੀਕਰਣ ਨੂੰ ਕਿਊਰੀ ਐਨਰੀਚਮੈਂਟ ਫੰਕਸ਼ਨਾਂ ਅਤੇ ਨਿਯਮ ਸਕ੍ਰਿਪਟਾਂ ਦੇ ਸੰਸਕਰਣ ਲਈ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਸੀ। ਰਿਮੋਟ ਗਿੱਟ ਰਿਪੋਜ਼ਟਰੀਆਂ ਨਾਲ ਏਕੀਕਰਣ ਲਈ, ਅਸੀਂ ਵਰਤਿਆ JGit ਲਾਇਬ੍ਰੇਰੀ, ਜੋ ਕਿ CLI ਕਮਾਂਡਾਂ ਉੱਤੇ ਇੱਕ ਕਿਸਮ ਦਾ ਰੈਪਰ ਹੈ, ਜਿਸ ਨਾਲ ਤੁਸੀਂ ਇੱਕ ਸੁਵਿਧਾਜਨਕ ਸੌਫਟਵੇਅਰ ਇੰਟਰਫੇਸ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕਿਸੇ ਵੀ ਗਿੱਟ ਨਿਰਦੇਸ਼ਾਂ ਨੂੰ ਲਾਗੂ ਕਰ ਸਕਦੇ ਹੋ। ਇਸ ਲਈ ਸਾਡੇ ਕੋਲ ਸੰਸ਼ੋਧਨ ਫੰਕਸ਼ਨਾਂ ਅਤੇ ਨਿਯਮਾਂ ਲਈ ਦੋ ਵੱਖ-ਵੱਖ ਰਿਪੋਜ਼ਟਰੀਆਂ ਸਨ, ਅਤੇ ਸਾਰੀਆਂ ਸਕ੍ਰਿਪਟਾਂ ਨੂੰ ਡਾਇਰੈਕਟਰੀਆਂ ਵਿੱਚ ਵੰਡਿਆ ਗਿਆ ਸੀ। UI ਦੁਆਰਾ ਰਿਪੋਜ਼ਟਰੀ ਦੀ ਇੱਕ ਆਰਬਿਟਰੇਰੀ ਬ੍ਰਾਂਚ ਦੀ ਇੱਕ ਸਕ੍ਰਿਪਟ ਦੀ ਨਵੀਨਤਮ ਪ੍ਰਤੀਬੱਧਤਾ ਨੂੰ ਚੁਣਨਾ ਸੰਭਵ ਸੀ। ਐਡਮਿਨ ਪੈਨਲ ਦੁਆਰਾ ਕੋਡ ਵਿੱਚ ਬਦਲਾਅ ਕਰਦੇ ਸਮੇਂ, ਬਦਲੇ ਹੋਏ ਕੋਡ ਦੇ ਕਮਿਟ ਰਿਮੋਟ ਰਿਪੋਜ਼ਟਰੀਆਂ ਵਿੱਚ ਬਣਾਏ ਗਏ ਸਨ।

ਸਾਡੇ ਵਿਚਾਰ ਨੂੰ ਲਾਗੂ ਕਰਨ ਲਈ, ਸਾਨੂੰ ਢੁਕਵੇਂ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੀ ਲੋੜ ਸੀ। ਅਸੀਂ ਕਲਾਉਡ ਵਿੱਚ ਸਾਡੇ ਕੁਬਰਨੇਟਸ ਕਲੱਸਟਰ ਨੂੰ ਤੈਨਾਤ ਕਰਨ ਦਾ ਫੈਸਲਾ ਕੀਤਾ ਹੈ। ਸਾਡੀ ਪਸੰਦ ਗੂਗਲ ਕਲਾਉਡ ਪਲੇਟਫਾਰਮ ਸੀ। ਫਿਸ਼ਨ ਸਰਵਰ ਰਹਿਤ ਫਰੇਮਵਰਕ ਕੁਬਰਨੇਟਸ ਕਲੱਸਟਰ 'ਤੇ ਸਥਾਪਿਤ ਕੀਤਾ ਗਿਆ ਸੀ, ਜਿਸ ਨੂੰ ਅਸੀਂ Gcloud ਵਿੱਚ ਤੈਨਾਤ ਕੀਤਾ ਹੈ। ਸ਼ੁਰੂ ਵਿੱਚ, ਸਰੋਤ ਡੇਟਾ ਸੰਸ਼ੋਧਨ ਸੇਵਾ ਨੂੰ k8s ਕਲੱਸਟਰ ਦੇ ਅੰਦਰ ਇੱਕ Pod ਵਿੱਚ ਲਪੇਟਿਆ ਇੱਕ ਵੱਖਰੀ Java ਐਪਲੀਕੇਸ਼ਨ ਵਜੋਂ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਸੀ। ਪਰ ਹੈਕਾਥੌਨ ਦੇ ਮੱਧ ਵਿੱਚ ਸਾਡੇ ਪ੍ਰੋਜੈਕਟ ਦੇ ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਪ੍ਰਦਰਸ਼ਨ ਤੋਂ ਬਾਅਦ, ਸਾਨੂੰ ਆਉਣ ਵਾਲੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੇ ਕੱਚੇ ਡੇਟਾ ਨੂੰ ਕਿਵੇਂ ਅਮੀਰ ਬਣਾਉਣਾ ਹੈ, ਇਹ ਚੁਣਨ ਦਾ ਮੌਕਾ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਐਨਰਿਚਮੈਂਟ ਸੇਵਾ ਨੂੰ ਹੋਰ ਲਚਕਦਾਰ ਬਣਾਉਣ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਗਈ ਸੀ। ਅਤੇ ਸਾਡੇ ਕੋਲ ਸੰਸ਼ੋਧਨ ਸੇਵਾ ਨੂੰ ਸਰਵਰ ਰਹਿਤ ਬਣਾਉਣ ਤੋਂ ਇਲਾਵਾ ਕੋਈ ਵਿਕਲਪ ਨਹੀਂ ਸੀ।

ਫਿਸ਼ਨ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ, ਅਸੀਂ ਫਿਸ਼ਨ CLI ਦੀ ਵਰਤੋਂ ਕੀਤੀ, ਜੋ ਕਿ Kubernetes CLI ਦੇ ਸਿਖਰ 'ਤੇ ਸਥਾਪਿਤ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ। ਇੱਕ k8s ਕਲੱਸਟਰ ਵਿੱਚ ਫੰਕਸ਼ਨਾਂ ਨੂੰ ਤੈਨਾਤ ਕਰਨਾ ਕਾਫ਼ੀ ਸਧਾਰਨ ਹੈ; ਤੁਹਾਨੂੰ ਸਿਰਫ਼ ਇੱਕ ਅੰਦਰੂਨੀ ਰੂਟ ਨਿਰਧਾਰਤ ਕਰਨ ਅਤੇ ਆਉਣ ਵਾਲੇ ਟ੍ਰੈਫਿਕ ਦੀ ਆਗਿਆ ਦੇਣ ਲਈ ਫੰਕਸ਼ਨ ਵਿੱਚ ਦਾਖਲ ਹੋਣ ਦੀ ਲੋੜ ਹੈ ਜੇਕਰ ਕਲੱਸਟਰ ਤੋਂ ਬਾਹਰ ਪਹੁੰਚ ਦੀ ਲੋੜ ਹੈ। ਇੱਕ ਫੰਕਸ਼ਨ ਨੂੰ ਲਾਗੂ ਕਰਨ ਵਿੱਚ ਆਮ ਤੌਰ 'ਤੇ 10 ਸਕਿੰਟਾਂ ਤੋਂ ਵੱਧ ਸਮਾਂ ਨਹੀਂ ਲੱਗਦਾ ਹੈ।

ਪ੍ਰੋਜੈਕਟ ਦੀ ਅੰਤਿਮ ਪੇਸ਼ਕਾਰੀ ਅਤੇ ਸੰਖੇਪ

ਇਹ ਦਰਸਾਉਣ ਲਈ ਕਿ ਸਾਡਾ ਸਿਸਟਮ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ, ਅਸੀਂ ਇੱਕ ਰਿਮੋਟ ਸਰਵਰ 'ਤੇ ਇੱਕ ਸਧਾਰਨ ਫਾਰਮ ਰੱਖਿਆ ਹੈ ਜਿੱਥੇ ਤੁਸੀਂ ਬੈਂਕ ਦੇ ਉਤਪਾਦਾਂ ਵਿੱਚੋਂ ਇੱਕ ਲਈ ਅਰਜ਼ੀ ਜਮ੍ਹਾਂ ਕਰ ਸਕਦੇ ਹੋ। ਬੇਨਤੀ ਕਰਨ ਲਈ, ਤੁਹਾਨੂੰ ਆਪਣੇ ਸ਼ੁਰੂਆਤੀ ਅੱਖਰ, ਜਨਮ ਮਿਤੀ ਅਤੇ ਫ਼ੋਨ ਨੰਬਰ ਦਾਖਲ ਕਰਨਾ ਪੈਂਦਾ ਸੀ।

ਕਲਾਇੰਟ ਫਾਰਮ ਤੋਂ ਡੇਟਾ ਕੰਟਰੋਲਰ ਕੋਲ ਗਿਆ, ਜਿਸ ਨੇ ਇੱਕੋ ਸਮੇਂ ਸਾਰੇ ਉਪਲਬਧ ਨਿਯਮਾਂ ਲਈ ਬੇਨਤੀਆਂ ਭੇਜੀਆਂ, ਪਹਿਲਾਂ ਨਿਰਧਾਰਤ ਸ਼ਰਤਾਂ ਦੇ ਅਨੁਸਾਰ ਡੇਟਾ ਨੂੰ ਭਰਪੂਰ ਕੀਤਾ, ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਇੱਕ ਸਾਂਝੇ ਸਟੋਰੇਜ ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਕੀਤਾ। ਕੁੱਲ ਮਿਲਾ ਕੇ, ਅਸੀਂ ਤਿੰਨ ਫੰਕਸ਼ਨਾਂ ਨੂੰ ਤੈਨਾਤ ਕੀਤਾ ਹੈ ਜੋ ਆਉਣ ਵਾਲੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਅਤੇ 4 ਡੇਟਾ ਸੰਸ਼ੋਧਨ ਸੇਵਾਵਾਂ 'ਤੇ ਫੈਸਲੇ ਲੈਂਦੇ ਹਨ। ਬਿਨੈ-ਪੱਤਰ ਜਮ੍ਹਾ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਗਾਹਕ ਨੂੰ ਸਾਡਾ ਫੈਸਲਾ ਪ੍ਰਾਪਤ ਹੋਇਆ:

ਇਨਕਾਰ ਜਾਂ ਮਨਜ਼ੂਰੀ ਤੋਂ ਇਲਾਵਾ, ਕਲਾਇੰਟ ਨੂੰ ਹੋਰ ਉਤਪਾਦਾਂ ਦੀ ਇੱਕ ਸੂਚੀ ਵੀ ਪ੍ਰਾਪਤ ਹੋਈ, ਬੇਨਤੀਆਂ ਜਿਨ੍ਹਾਂ ਲਈ ਅਸੀਂ ਸਮਾਨਾਂਤਰ ਵਿੱਚ ਭੇਜੀ ਸੀ। ਇਸ ਤਰ੍ਹਾਂ ਅਸੀਂ ਆਪਣੇ ਪਲੇਟਫਾਰਮ ਵਿੱਚ ਕਰਾਸ-ਸੇਲ ਦੀ ਸੰਭਾਵਨਾ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤਾ।

ਇੱਥੇ ਕੁੱਲ 3 ਫਰਜ਼ੀ ਬੈਂਕ ਉਤਪਾਦ ਉਪਲਬਧ ਸਨ:

• ਕ੍ਰੈਡਿਟ.
• ਖਿਡੌਣਾ
• ਮੌਰਗੇਜ।

ਪ੍ਰਦਰਸ਼ਨ ਦੇ ਦੌਰਾਨ, ਅਸੀਂ ਹਰੇਕ ਸੇਵਾ ਲਈ ਤਿਆਰ ਫੰਕਸ਼ਨਾਂ ਅਤੇ ਸੰਸ਼ੋਧਨ ਸਕ੍ਰਿਪਟਾਂ ਨੂੰ ਤੈਨਾਤ ਕੀਤਾ।

ਹਰੇਕ ਨਿਯਮ ਨੂੰ ਇਨਪੁਟ ਡੇਟਾ ਦੇ ਆਪਣੇ ਸੈੱਟ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਸ ਲਈ, ਮੌਰਗੇਜ ਨੂੰ ਮਨਜ਼ੂਰੀ ਦੇਣ ਲਈ, ਅਸੀਂ ਗਾਹਕ ਦੇ ਰਾਸ਼ੀ ਚਿੰਨ੍ਹ ਦੀ ਗਣਨਾ ਕੀਤੀ ਅਤੇ ਇਸਨੂੰ ਚੰਦਰ ਕੈਲੰਡਰ ਦੇ ਤਰਕ ਨਾਲ ਜੋੜਿਆ। ਇੱਕ ਖਿਡੌਣੇ ਨੂੰ ਮਨਜ਼ੂਰੀ ਦੇਣ ਲਈ, ਅਸੀਂ ਜਾਂਚ ਕੀਤੀ ਕਿ ਗਾਹਕ ਬਹੁਗਿਣਤੀ ਦੀ ਉਮਰ ਤੱਕ ਪਹੁੰਚ ਗਿਆ ਹੈ, ਅਤੇ ਇੱਕ ਕਰਜ਼ਾ ਜਾਰੀ ਕਰਨ ਲਈ, ਅਸੀਂ ਸੈਲੂਲਰ ਆਪਰੇਟਰ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਇੱਕ ਬਾਹਰੀ ਓਪਨ ਸੇਵਾ ਨੂੰ ਇੱਕ ਬੇਨਤੀ ਭੇਜੀ ਹੈ, ਅਤੇ ਇਸ 'ਤੇ ਫੈਸਲਾ ਕੀਤਾ ਗਿਆ ਸੀ.

ਅਸੀਂ ਆਪਣੇ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਦਿਲਚਸਪ ਅਤੇ ਇੰਟਰਐਕਟਿਵ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕੀਤੀ, ਮੌਜੂਦ ਹਰ ਕੋਈ ਸਾਡੇ ਫਾਰਮ 'ਤੇ ਜਾ ਸਕਦਾ ਹੈ ਅਤੇ ਉਹਨਾਂ ਲਈ ਸਾਡੀਆਂ ਕਾਲਪਨਿਕ ਸੇਵਾਵਾਂ ਦੀ ਉਪਲਬਧਤਾ ਦੀ ਜਾਂਚ ਕਰ ਸਕਦਾ ਹੈ। ਅਤੇ ਪ੍ਰਸਤੁਤੀ ਦੇ ਬਿਲਕੁਲ ਅੰਤ ਵਿੱਚ, ਅਸੀਂ ਪ੍ਰਾਪਤ ਹੋਈਆਂ ਅਰਜ਼ੀਆਂ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤਾ, ਜੋ ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਕਿੰਨੇ ਲੋਕਾਂ ਨੇ ਸਾਡੀ ਸੇਵਾ ਦੀ ਵਰਤੋਂ ਕੀਤੀ, ਮਨਜ਼ੂਰੀਆਂ ਦੀ ਗਿਣਤੀ, ਅਤੇ ਇਨਕਾਰ ਕੀਤੇ।

ਔਨਲਾਈਨ ਵਿਸ਼ਲੇਸ਼ਣ ਇਕੱਠਾ ਕਰਨ ਲਈ, ਅਸੀਂ ਇੱਕ ਓਪਨ ਸੋਰਸ BI ਟੂਲ ਵੀ ਤੈਨਾਤ ਕੀਤਾ ਹੈ ਮੈਟਾਬੇਸ ਅਤੇ ਇਸਨੂੰ ਸਾਡੀ ਸਟੋਰੇਜ ਯੂਨਿਟ ਵਿੱਚ ਪੇਚ ਕਰ ਦਿੱਤਾ। ਮੈਟਾਬੇਸ ਤੁਹਾਨੂੰ ਸਾਡੀ ਦਿਲਚਸਪੀ ਵਾਲੇ ਡੇਟਾ 'ਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਨਾਲ ਸਕ੍ਰੀਨ ਬਣਾਉਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ; ਤੁਹਾਨੂੰ ਸਿਰਫ਼ ਡੇਟਾਬੇਸ ਨਾਲ ਇੱਕ ਕਨੈਕਸ਼ਨ ਰਜਿਸਟਰ ਕਰਨ, ਟੇਬਲ ਚੁਣਨ ਦੀ ਲੋੜ ਹੈ (ਸਾਡੇ ਕੇਸ ਵਿੱਚ, ਡੇਟਾ ਸੰਗ੍ਰਹਿ, ਕਿਉਂਕਿ ਅਸੀਂ ਮੋਂਗੋਡੀਬੀ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਹੈ), ਅਤੇ ਸਾਡੇ ਲਈ ਦਿਲਚਸਪੀ ਦੇ ਖੇਤਰਾਂ ਨੂੰ ਨਿਸ਼ਚਿਤ ਕਰੋ। .

ਨਤੀਜੇ ਵਜੋਂ, ਸਾਨੂੰ ਇੱਕ ਫੈਸਲੇ ਲੈਣ ਵਾਲੇ ਪਲੇਟਫਾਰਮ ਦਾ ਇੱਕ ਵਧੀਆ ਪ੍ਰੋਟੋਟਾਈਪ ਮਿਲਿਆ ਹੈ, ਅਤੇ ਪ੍ਰਦਰਸ਼ਨ ਦੇ ਦੌਰਾਨ, ਹਰੇਕ ਸਰੋਤਾ ਨਿੱਜੀ ਤੌਰ 'ਤੇ ਇਸਦੇ ਪ੍ਰਦਰਸ਼ਨ ਦੀ ਜਾਂਚ ਕਰ ਸਕਦਾ ਹੈ। ਇੱਕ ਦਿਲਚਸਪ ਹੱਲ, ਇੱਕ ਮੁਕੰਮਲ ਪ੍ਰੋਟੋਟਾਈਪ ਅਤੇ ਇੱਕ ਸਫਲ ਪ੍ਰਦਰਸ਼ਨ ਨੇ ਸਾਨੂੰ ਦੂਜੀਆਂ ਟੀਮਾਂ ਦੇ ਮਜ਼ਬੂਤ ​​ਮੁਕਾਬਲੇ ਦੇ ਬਾਵਜੂਦ ਜਿੱਤਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੱਤੀ। ਮੈਨੂੰ ਯਕੀਨ ਹੈ ਕਿ ਹਰੇਕ ਟੀਮ ਦੇ ਪ੍ਰੋਜੈਕਟ 'ਤੇ ਇੱਕ ਦਿਲਚਸਪ ਲੇਖ ਵੀ ਲਿਖਿਆ ਜਾ ਸਕਦਾ ਹੈ।

ਸਰੋਤ: www.habr.com