એક ડેવલપરે પૃથ્વી પરના દરેક બંદર (seaport) અને એરપોર્ટની યાદી ધરાવતો એક મફત, સર્ચેબલ ઇન્ડેક્સ રિલીઝ કર્યો છે—3,804 બંદરો અને 9,640 એરપોર્ટ—જે માટે સાઇન-અપ અથવા ચુકવણીની જરૂર નથી. theportindex.online સાઇટ વપરાશકર્તાઓને ડેટા બ્રાઉઝ કરવાની અથવા CSV અથવા JSON ફોર્મેટમાં સંપૂર્ણ ડેટાસેટ ડાઉનલોડ કરવાની સુવિધા આપે છે.
આ ઇન્ડેક્સની જરૂર કેમ હતી
નિર્માતાએ વિશ્વના બંદરોની સ્વચ્છ અને અપ-ટુ-ડેટ યાદી શોધવાનો પ્રયાસ કર્યો અને તેમને મુશ્કેલી પડી: મોટાભાગની વ્યાવસાયિક સેવાઓ પેવૉલ (paywalls) પાછળ હોય છે, અને જાહેરમાં ઉપલબ્ધ યાદીઓ ઘણીવાર વર્ષો જૂની હોય છે. અધૂરા અથવા જૂના ડેટા પર આધાર રાખવાથી વિશ્લેષકોએ સ્પ્રેડશીટ્સ ક્લીન કરવામાં કલાકો બગાડવા પડે છે, જે સમગ્ર ઉદ્યોગમાં મોટો ખર્ચ વધારે છે. યુએસ સરકારના પોર્ટ ઇન્ડેક્સ, એક આંતરરાષ્ટ્રીય લોકેશન કોડ ડિરેક્ટરી અને ક્રાઉડસોર્સ્ડ એરપોર્ટ ડેટાબેઝ જેવા ત્રણ જાહેર સ્ત્રોતોને એકસાથે લાવીને, ડેવલપરે એક સિંગલ, યુનિફાઇડ રેફરન્સ તૈયાર કર્યો છે જે કોઈપણ તરત જ ઉપયોગ કરી શકે છે.
પડદા પાછળના ડેટા સ્ત્રોતો
- NGA World Port Index – યુએસ સરકારનું સંકલન જે દરેક માન્ય બંદર માટે મૂળભૂત વિગતો પૂરી પાડે છે.
- UN/LOCODE – સંયુક્ત રાષ્ટ્રની લોકેશન કોડ સિસ્ટમ, જે બંદરો અને એરપોર્ટ માટે પ્રમાણિત ઓળખકર્તાઓ (identifiers) ઉમેરે છે.
- OurAirports – એરપોર્ટની માહિતીનું સમુદાય દ્વારા જાળવવામાં આવતું સંગ્રહ, જેમાં રનવેની લંબાઈ અને કોઓર્ડિનેટ્સનો સમાવેશ થાય છે.
દરેક સ્ત્રોત ચિત્રનો એક અલગ ભાગ આપે છે, પરંતુ એકલો કોઈ પણ સ્ત્રોત તૈયાર-વપરાશ માટેનો, સર્ચેબલ કેટલોગ પૂરો પાડતો નથી. તેમને ભેગા કરવા માટે માત્ર કોપી-પેસ્ટ પૂરતું નહોતું; ડેવલપરે વિસંગતતાઓ, ડુપ્લીકેટ એન્ટ્રીઓ અને ખૂટતા ફીલ્ડ્સને ઉકેલવા પડ્યા હતા.
ડેટા ક્લીનિંગ: ત્રણ કઠિન અનુભવોમાંથી મળેલા પાઠ
- એમ્બેડેડ ન્યૂલાઇન્સ (new lines) સાધારણ પાર્સર્સને તોડી નાખે છે – જે CSV ફાઇલોમાં ક્વોટેડ ફીલ્ડ્સની અંદર લાઇન બ્રેક હોય છે, તેને સામાન્ય “split on newline” કમાન્ડથી અલગ કરી શકાતી નથી. રો (rows) ને અકબંધ રાખવા માટે યોગ્ય CSV પાર્સર આવશ્યક છે.
- આઉટલાયર (outlier) કિંમતો ભૂલો છુપાવે છે – કેટલાક ઓઇલ ટર્મિનલ્સમાં 900 મીટરની ઊંડાઈ દર્શાવવામાં આવી હતી, જે આંકડો બંદરોનો નહીં પણ મૂરિંગ બુયો (mooring buoys) નો છે. ઊંડાઈ આધારિત રેન્કિંગને વિશ્વસનીય રાખવા માટે અસંભવિત આંકડાઓને ફિલ્ટર કરવા જરૂરી હતા.
- ઝીરો (0) ઘણીવાર પ્લેસહોલ્ડર હોય છે – જો ઊંડાઈ શૂન્ય તરીકે નોંધવામાં આવી હોય, તો તેનો અર્થ સામાન્ય રીતે એ છે કે માપ અજ્ઞાત છે, નહીં કે પાણી સપાટ છે. શૂન્યને ખૂટતા ડેટા તરીકે ગણવાથી ઊંડાઈ પર આધારિત કોઈપણ વિશ્લેષણની ચોકસાઈ જળવાઈ રહે છે.
કાચા આંકડાઓથી આગળ વધતી કિંમત ઉમેરવી
આ ઇન્ડેક્સ માત્ર કોઓર્ડિનેટ્સની યાદી બનાવવાનું કામ નથી કરતું. બંદરો માટે, તે ઊંડાઈને એવા જહાજોના વર્ગોમાં રૂપાંતરિત કરે છે જે સુરક્ષિત રીતે ડોક કરી શકે છે, જેનાથી એક સિંગલ મેટ્રિક વ્યવહારુ નિર્ણય લેવામાં મદદરૂપ બને છે. એરપોર્ટ માટે, રનવેની લંબાઈને ત્યાં કાર્યરત થઈ શકે તેવા વિમાનના પ્રકારો સાથે જોડવામાં આવે છે, જે પાયલોટ અને પ્લાનર્સને ક્ષમતાનું ઝડપી મૂલ્યાંકન કરવામાં મદદ કરે છે.
એક સ્પેશિયલ ગ્રીડ દરેક બંદરને તેના નજીકના એરપોર્ટ સાથે અને તેનાથી ઉલટું જોડે છે, જે આ સાઇટને એક એક્સપ્લોરેશન ટૂલ બનાવે છે. વપરાશકર્તાઓ, ઉદાહરણ તરીકે, શોધી શકે છે કે કયા એરપોર્ટ કોઈ ચોક્કસ બંદરથી ટૂંકા ડ્રાઇવિંગ અંતરે આવેલા છે—જે મલ્ટિમોડલ ફ્રેઇટ પ્લાનિંગ માટે ઉપયોગી સુવિધા છે.
મોટા પાયે સ્ટેટિક-સાઇટ એન્જિન બનાવવું
આખું ફ્રન્ટ એન્ડ સ્ટેટિક જનરેશન સાથે Next.js પર ચાલે છે. બિલ્ડ પ્રક્રિયા દરમિયાન, અંદાજે 14,000 પેજ—દરેક બંદર અને એરપોર્ટ માટે એક—પ્રી-રેન્ડર કરવામાં આવે છે. ડેટાબેઝ અથવા સર્વર-સાઇડ લોજિક ન હોવાને કારણે, સાઇટનો કોઈ સતત કમ્પ્યુટ ખર્ચ થતો નથી; તે કન્ટેન્ટ-ડિલિવરી નેટવર્ક (CDN) પર ચાલે છે જે વિશ્વભરમાં તરત જ પેજ સર્વ કરે છે.
SEO ની મુશ્કેલીઓ અને 'થિન-કન્ટેન્ટ' (thin-content) નો ઉકેલ
હજારો ટેમ્પલેટેડ પેજ અપલોડ કરવાથી સર્ચ એન્જિનમાં સમસ્યા ઊભી થઈ શકે છે, જે સાઇટને "થિન કન્ટેન્ટ" ગણી શકે છે અને રેન્કિંગમાં ઘટાડો કરી શકે છે. જ્યારે AdSense અરજી નકારવામાં આવી ત્યારે ડેવલપરે આ સમસ્યાનો સામનો કર્યો હતો. તેનો ઉપાય એ હતો કે મુલાકાતીઓ માટે પેજની સંપૂર્ણ શ્રેણી લાઈવ રાખવી, પરંતુ દરેક કેટેગરીના ટોચના 400 ઉચ્ચ-ગુણવત્તાવાળા પેજ સિવાયના તમામ પેજમાં a noindex directive ઉમેરવું. આ ક્રોલર્સને જણાવે છે કે માત્ર સૌથી મૂલ્યવાન પેજ જ સર્ચ રિઝલ્ટમાં દેખાવા જોઈએ, જેનાથી સંપૂર્ણ ડેટાસેટ ઓફર કરવાની સાથે વિશ્વસનીયતા પણ જળવાઈ રહે છે.
કોને ફાયદો થાય છે, અને તેની મર્યાદાઓ શું છે
- લોજિસ્ટિક્સ કંપનીઓ અનેક PDF માં શોધ્યા વગર ઝડપથી ચકાસી શકે છે કે કાર્ગો શિપ બંદરની ઊંડાઈની મર્યાદામાં ફિટ થાય છે કે નહીં.
- એરલાઇન પ્લાનર્સને રનવે-ટુ-એરક્રાફ્ટ મેપિંગનો ત્વરિત એક્સેસ મળે છે, જે રૂટ ફેઝિબિલિટી સ્ટડીઝ માટે ઉપયોગી છે.
- ડેવલપર્સ અને સંશોધકોને સ્વચ્છ, મશીન-રીડેબલ ડેટા મળે છે જેને કસ્ટમ ટૂલ્સમાં ઇમ્પોર્ટ કરી શકાય છે.
પ્રોજેક્ટ માટે આગળ શું છે
નિર્માતા વધારાના ફીચર્સ માટે સમુદાય પાસેથી પ્રતિસાદ માંગી રહ્યા છે.
મુખ્ય વાત (Takeaway)
ડેટા-ક્લીનિંગની માથાકૂટ ઉકેલીને, ઇન્ફરન્સ લેયર્સ ઉમેરીને અને સ્ટેટિક જનરેશન દ્વારા સર્વર ખર્ચ ટાળીને, ડેવલપર એ દર્શાવે છે કે એક લિન આર્કિટેક્ચર વૈશ્વિક સ્તરે ઉપયોગી સાધન આપી શકે છે—જો તમે સમયાંતરે અપડેટ્સ સ્વીકારવા અને સર્ચ-એન્જિન માર્ગદર્શિકા પર નજર રાખવા તૈયાર હોવ.