ઉત્તમ નમૂનાના જીન ફિશ કોકટેલ

જીન ફિઝ્ક ક્લાસિક મિશ્ર પીણું છે જે વ્હિસ્કી ફિઝ્તની જેમ જ છે, મુખ્ય તફાવત એ ઉપયોગમાં લેવાતા બેઝ સ્પિરિટમાં જોવા મળે છે. આ બે પીણાં એકલા નથી કારણ કે સંખ્યાબંધ વર્ષોથી 'ફિઝ' નામ લીધું છે.

જીન ફિઝ્ઝ ખૂબ જ પ્રકાશ, ખાટા સાઇટ્રસ સ્વાદ ધરાવે છે જે જિનને ચમકવા માટે પરવાનગી આપે છે. આને કારણે, સારી ગુણવત્તાવાળા જિનની ભલામણ કરવામાં આવે છે. તે ઘરમાં શ્રેષ્ઠ જિન હોવું જરૂરી નથી, તેમ છતાં તે સાવચેત રહેવું જરૂરી છે કે સસ્તા પીનની અનિચ્છનીય નોંધોને છુપાડવા માટે પીણું ઓછા છે.

જીન ફિઝીઝ પર ભિન્નતા

• રોયલ ફિઝ - સમગ્ર ઇંડા ઉમેરો
• ગોલ્ડન ફિઝ - ઇંડા જરદી ઉમેરો
• ડાયમંડ ફેઝ - સોડાની જગ્યાએ સ્પાર્કલિંગ વાઇનનો ઉપયોગ કરો
• લીલી ફિઝ - ક્રીમ ડે મેન્થેના ડેશ ઉમેરો

તમને જરૂર પડશે

• 2 ઔંસ
• જિન
• ના ડૅશ
• લીંબુ અથવા ચૂનો રસ
• 1/2 ચમચી સુપરફાઇન ખાંડ
• 1
• ઇંડા સફેદ (વૈકલ્પિક)
• 3 ઔંસ
• સોડા પાણી
• 1
• સુશોભન માટે વાપરવાની સામગ્રી માટે Maraschino ચેરી

તે કેવી રીતે બનાવો

1. જિન, રસ, ખાંડ અને ઇંડા સફેદને બરફથી ભરેલા કોકટેલ શેકરમાં રેડો.
2. જોરશોરથી શેક કરો અન્ય ઘટકો સાથે સારી રીતે મિશ્રિત કરવામાં આવે તે સુનિશ્ચિત કરવા માટે ઇંડા સફેદનો ઉપયોગ કરીને સામાન્ય કરતાં વધુ.
3. બરફ સમઘનનું સાથે ઠંડું હાઈબોલ ગ્લાસમાં તાણ .
4. સોડા પાણી સાથે ટોચ બોલ
5. એક ચેરી સાથે સુશોભન માટે વાપરવાની સામગ્રી

વિકલ્પો જ્યારે આ પીણું બનાવી રહ્યા છે

• રસ અને ખાંડને બદલે, તમે રસ અને સરળ ચાસણી અથવા તાજા ખાટા મિશ્રણનો ઉપયોગ કરી શકો છો.

• લીંબુ અને ચૂનો વચ્ચેની પસંદગી વ્યક્તિગત છે, જોકે ખરેખર શુષ્ક લન્ડન સૂકી જિન અને લીંબુ સાથે હળવા જ્યુનિપર રૂપરેખા ધરાવતી ચૂનો સાથે સાથે મળીને જોડી બનાવવા લાગે છે.
• એક ઇંડાને ઘણીવાર જિન ફિઝમાં ઉપયોગમાં લેવામાં આવે છે અને કેટલીક ભિન્નતા તેના ઉપયોગમાં લેવાતા ઇંડાના ભાગને સ્વિચ કરે છે. તે વૈકલ્પિક છે, તેમ છતાં, ઈંડાનો સફેદ જિન ફિઝ્ઝ (કેટલીક વખત સિલ્વર ફિઝિઝ તરીકે ઓળખાતો) તેના વિના બનાવેલા એક કરતા વધુ સારી અને વધુ રસપ્રદ છે (જે પીણું બનાવે છે, આવશ્યકપણે, જીન રિકી ). આને ઇંડા સાથે અજમાવી જુઓ અને જુઓ કે તમે શું વિચારો છો.

પોષક માર્ગદર્શિકા (સેવા આપતા દીઠ)
કૅલરીઝ	272
કુલ ચરબી	1 જી
સંતૃપ્ત ફેટ	0 જી
અસંતૃપ્ત ચરબી	0 જી
કોલેસ્ટરોલ	0 એમજી
સોડિયમ	62 એમજી
કાર્બોહાઇડ્રેટ્સ	24 ગ્રામ
ડાયેટરી ફાઇબર	7 ગ્રામ
પ્રોટીન	9 જી

(અમારા વાનગીઓ પરની પોષણની માહિતીને ઘટક ડેટાબેઝનો ઉપયોગ કરીને ગણવામાં આવે છે અને તેને એક અંદાજ ગણવામાં આવે છે. વ્યક્તિગત પરિણામો બદલાઈ શકે છે.)