پرس و جو در Cloud Firestore به شما امکان می دهد اسناد را در مجموعه های بزرگ بیابید. برای به دست آوردن بینش در مورد ویژگی های مجموعه به عنوان یک کل، می توانید داده ها را روی یک مجموعه جمع آوری کنید.
می توانید داده ها را در زمان خواندن یا در زمان نوشتن جمع آوری کنید:
تجمیع زمان خواندن نتیجه را در زمان درخواست محاسبه می کند. Cloud Firestore از جستارهای جمع آوری
count()
،sum()
وaverage()
در زمان خواندن پشتیبانی می کند. پرسوجوهای انباشتگی زمان خواندن، آسانتر از جمعآوریهای زمان نوشتن به برنامه شما اضافه میشوند. برای اطلاعات بیشتر در مورد جستارهای تجمیع، به خلاصه کردن داده ها با جستارهای تجمعی مراجعه کنید.هر بار که برنامه عملیات نوشتن مربوطه را انجام میدهد ، انبوههای زمان نوشتن، یک نتیجه را محاسبه میکنند. جمعآوریهای زمان نوشتن کار بیشتری برای پیادهسازی هستند، اما ممکن است به یکی از دلایل زیر از آنها بهجای تجمیعهای زمان خواندن استفاده کنید:
- میخواهید برای بهروزرسانیهای همزمان، به نتیجه تجمع گوش دهید. پرس و جوهای جمع آوری
count()
sum()
وaverage()
از به روز رسانی بلادرنگ پشتیبانی نمی کنند. - شما می خواهید نتیجه تجمع را در یک کش سمت مشتری ذخیره کنید. پرس و جوهای جمع آوری
count()
sum()
وaverage()
از کش پشتیبانی نمی کنند. - شما در حال جمع آوری داده ها از ده ها هزار سند برای هر یک از کاربران خود هستید و هزینه ها را در نظر می گیرید. در تعداد کمتری از اسناد، تجمیع زمان خواندن هزینه کمتری دارند. برای تعداد زیادی از اسناد در یک مجموعه، تجمیع زمان نوشتن ممکن است هزینه کمتری داشته باشد.
- میخواهید برای بهروزرسانیهای همزمان، به نتیجه تجمع گوش دهید. پرس و جوهای جمع آوری
میتوانید با استفاده از تراکنش سمت مشتری یا با Cloud Functions یک تجمیع زمان نوشتن را پیادهسازی کنید. بخشهای زیر نحوه پیادهسازی تجمیعهای زمان نوشتن را توضیح میدهند.
راه حل: تجمیع زمان نوشتن با تراکنش سمت مشتری
یک برنامه توصیههای محلی را در نظر بگیرید که به کاربران کمک میکند رستورانهای عالی را پیدا کنند. جستار زیر تمام رتبهبندیهای یک رستوران معین را بازیابی میکند:
وب
db.collection("restaurants") .doc("arinell-pizza") .collection("ratings") .get();
سویفت
do { let snapshot = try await db.collection("restaurants") .document("arinell-pizza") .collection("ratings") .getDocuments() print(snapshot) } catch { print(error) }
هدف-C
FIRQuery *query = [[[self.db collectionWithPath:@"restaurants"] documentWithPath:@"arinell-pizza"] collectionWithPath:@"ratings"]; [query getDocumentsWithCompletion:^(FIRQuerySnapshot * _Nullable snapshot, NSError * _Nullable error) { // ... }];
Kotlin+KTX
db.collection("restaurants") .document("arinell-pizza") .collection("ratings") .get()
Java
db.collection("restaurants") .document("arinell-pizza") .collection("ratings") .get();
به جای واکشی همه رتبهبندیها و سپس محاسبه اطلاعات کلی، میتوانیم این اطلاعات را در خود سند رستوران ذخیره کنیم:
وب
var arinellDoc = { name: 'Arinell Pizza', avgRating: 4.65, numRatings: 683 };
سویفت
struct Restaurant { let name: String let avgRating: Float let numRatings: Int } let arinell = Restaurant(name: "Arinell Pizza", avgRating: 4.65, numRatings: 683)
هدف-C
@interface FIRRestaurant : NSObject @property (nonatomic, readonly) NSString *name; @property (nonatomic, readonly) float averageRating; @property (nonatomic, readonly) NSInteger ratingCount; - (instancetype)initWithName:(NSString *)name averageRating:(float)averageRating ratingCount:(NSInteger)ratingCount; @end @implementation FIRRestaurant - (instancetype)initWithName:(NSString *)name averageRating:(float)averageRating ratingCount:(NSInteger)ratingCount { self = [super init]; if (self != nil) { _name = name; _averageRating = averageRating; _ratingCount = ratingCount; } return self; } @end
Kotlin+KTX
data class Restaurant( // default values required for use with "toObject" internal var name: String = "", internal var avgRating: Double = 0.0, internal var numRatings: Int = 0, )
val arinell = Restaurant("Arinell Pizza", 4.65, 683)
Java
public class Restaurant { String name; double avgRating; int numRatings; public Restaurant(String name, double avgRating, int numRatings) { this.name = name; this.avgRating = avgRating; this.numRatings = numRatings; } }
Restaurant arinell = new Restaurant("Arinell Pizza", 4.65, 683);
برای ثابت نگه داشتن این مجموعهها، باید هر بار که رتبهبندی جدیدی به مجموعه فرعی اضافه میشود، بهروزرسانی شوند. یکی از راههای دستیابی به ثبات، انجام افزودن و بهروزرسانی در یک تراکنش است:
وب
function addRating(restaurantRef, rating) { // Create a reference for a new rating, for use inside the transaction var ratingRef = restaurantRef.collection('ratings').doc(); // In a transaction, add the new rating and update the aggregate totals return db.runTransaction((transaction) => { return transaction.get(restaurantRef).then((res) => { if (!res.exists) { throw "Document does not exist!"; } // Compute new number of ratings var newNumRatings = res.data().numRatings + 1; // Compute new average rating var oldRatingTotal = res.data().avgRating * res.data().numRatings; var newAvgRating = (oldRatingTotal + rating) / newNumRatings; // Commit to Firestore transaction.update(restaurantRef, { numRatings: newNumRatings, avgRating: newAvgRating }); transaction.set(ratingRef, { rating: rating }); }); }); }
سویفت
func addRatingTransaction(restaurantRef: DocumentReference, rating: Float) async { let ratingRef: DocumentReference = restaurantRef.collection("ratings").document() do { let _ = try await db.runTransaction({ (transaction, errorPointer) -> Any? in do { let restaurantDocument = try transaction.getDocument(restaurantRef).data() guard var restaurantData = restaurantDocument else { return nil } // Compute new number of ratings let numRatings = restaurantData["numRatings"] as! Int let newNumRatings = numRatings + 1 // Compute new average rating let avgRating = restaurantData["avgRating"] as! Float let oldRatingTotal = avgRating * Float(numRatings) let newAvgRating = (oldRatingTotal + rating) / Float(newNumRatings) // Set new restaurant info restaurantData["numRatings"] = newNumRatings restaurantData["avgRating"] = newAvgRating // Commit to Firestore transaction.setData(restaurantData, forDocument: restaurantRef) transaction.setData(["rating": rating], forDocument: ratingRef) } catch { // Error getting restaurant data // ... } return nil }) } catch { // ... } }
هدف-C
- (void)addRatingTransactionWithRestaurantReference:(FIRDocumentReference *)restaurant rating:(float)rating { FIRDocumentReference *ratingReference = [[restaurant collectionWithPath:@"ratings"] documentWithAutoID]; [self.db runTransactionWithBlock:^id (FIRTransaction *transaction, NSError **errorPointer) { FIRDocumentSnapshot *restaurantSnapshot = [transaction getDocument:restaurant error:errorPointer]; if (restaurantSnapshot == nil) { return nil; } NSMutableDictionary *restaurantData = [restaurantSnapshot.data mutableCopy]; if (restaurantData == nil) { return nil; } // Compute new number of ratings NSInteger ratingCount = [restaurantData[@"numRatings"] integerValue]; NSInteger newRatingCount = ratingCount + 1; // Compute new average rating float averageRating = [restaurantData[@"avgRating"] floatValue]; float newAverageRating = (averageRating * ratingCount + rating) / newRatingCount; // Set new restaurant info restaurantData[@"numRatings"] = @(newRatingCount); restaurantData[@"avgRating"] = @(newAverageRating); // Commit to Firestore [transaction setData:restaurantData forDocument:restaurant]; [transaction setData:@{@"rating": @(rating)} forDocument:ratingReference]; return nil; } completion:^(id _Nullable result, NSError * _Nullable error) { // ... }]; }
Kotlin+KTX
private fun addRating(restaurantRef: DocumentReference, rating: Float): Task<Void> { // Create reference for new rating, for use inside the transaction val ratingRef = restaurantRef.collection("ratings").document() // In a transaction, add the new rating and update the aggregate totals return db.runTransaction { transaction -> val restaurant = transaction.get(restaurantRef).toObject<Restaurant>()!! // Compute new number of ratings val newNumRatings = restaurant.numRatings + 1 // Compute new average rating val oldRatingTotal = restaurant.avgRating * restaurant.numRatings val newAvgRating = (oldRatingTotal + rating) / newNumRatings // Set new restaurant info restaurant.numRatings = newNumRatings restaurant.avgRating = newAvgRating // Update restaurant transaction.set(restaurantRef, restaurant) // Update rating val data = hashMapOf<String, Any>( "rating" to rating, ) transaction.set(ratingRef, data, SetOptions.merge()) null } }
Java
private Task<Void> addRating(final DocumentReference restaurantRef, final float rating) { // Create reference for new rating, for use inside the transaction final DocumentReference ratingRef = restaurantRef.collection("ratings").document(); // In a transaction, add the new rating and update the aggregate totals return db.runTransaction(new Transaction.Function<Void>() { @Override public Void apply(@NonNull Transaction transaction) throws FirebaseFirestoreException { Restaurant restaurant = transaction.get(restaurantRef).toObject(Restaurant.class); // Compute new number of ratings int newNumRatings = restaurant.numRatings + 1; // Compute new average rating double oldRatingTotal = restaurant.avgRating * restaurant.numRatings; double newAvgRating = (oldRatingTotal + rating) / newNumRatings; // Set new restaurant info restaurant.numRatings = newNumRatings; restaurant.avgRating = newAvgRating; // Update restaurant transaction.set(restaurantRef, restaurant); // Update rating Map<String, Object> data = new HashMap<>(); data.put("rating", rating); transaction.set(ratingRef, data, SetOptions.merge()); return null; } }); }
استفاده از تراکنش، دادههای انبوه شما را با مجموعه زیربنایی سازگار نگه میدارد. برای مطالعه بیشتر درباره تراکنشها در Cloud Firestore ، به تراکنشها و نوشتههای دستهای مراجعه کنید.
محدودیت ها
راه حل نشان داده شده در بالا، جمع آوری داده ها را با استفاده از کتابخانه مشتری Cloud Firestore نشان می دهد، اما باید از محدودیت های زیر آگاه باشید:
- امنیت - تراکنش های سمت مشتری مستلزم دادن مجوز به مشتریان برای به روز رسانی داده های انبوه در پایگاه داده شما است. در حالی که می توانید با نوشتن قوانین امنیتی پیشرفته خطرات این رویکرد را کاهش دهید، ممکن است در همه شرایط مناسب نباشد.
- پشتیبانی آفلاین - هنگامی که دستگاه کاربر آفلاین باشد، تراکنش های سمت مشتری با شکست مواجه می شوند، به این معنی که باید این مورد را در برنامه خود مدیریت کنید و در زمان مناسب دوباره امتحان کنید.
- عملکرد - اگر تراکنش شما شامل چندین عملیات خواندن، نوشتن و بهروزرسانی باشد، میتواند به درخواستهای متعدد به پشتیبان Cloud Firestore نیاز داشته باشد. در یک دستگاه تلفن همراه، این ممکن است زمان زیادی را ببرد.
- نرخهای نوشتن - این راهحل ممکن است برای انبوههایی که اغلب بهروزرسانی میشوند کار نکند، زیرا اسناد Cloud Firestore تنها حداکثر یک بار در ثانیه میتوانند بهروزرسانی شوند. علاوه بر این، اگر تراکنش سندی را بخواند که خارج از تراکنش اصلاح شده است، تعداد محدودی بار تکرار میشود و سپس شکست میخورد. شمارندههای توزیعشده را برای راهحلهای مرتبط برای انبوههایی که به بهروزرسانیهای مکرر نیاز دارند، بررسی کنید.
راه حل: تجمع زمان نوشتن با توابع ابری
اگر تراکنشهای سمت مشتری برای برنامه شما مناسب نیستند، میتوانید از یک Cloud Function برای بهروزرسانی اطلاعات کلی هر بار که رتبه جدیدی به رستوران اضافه میشود استفاده کنید:
Node.js
exports.aggregateRatings = functions.firestore .document('restaurants/{restId}/ratings/{ratingId}') .onWrite(async (change, context) => { // Get value of the newly added rating const ratingVal = change.after.data().rating; // Get a reference to the restaurant const restRef = db.collection('restaurants').doc(context.params.restId); // Update aggregations in a transaction await db.runTransaction(async (transaction) => { const restDoc = await transaction.get(restRef); // Compute new number of ratings const newNumRatings = restDoc.data().numRatings + 1; // Compute new average rating const oldRatingTotal = restDoc.data().avgRating * restDoc.data().numRatings; const newAvgRating = (oldRatingTotal + ratingVal) / newNumRatings; // Update restaurant info transaction.update(restRef, { avgRating: newAvgRating, numRatings: newNumRatings }); }); });
این راه حل کار را از کلاینت به یک تابع میزبان بارگذاری می کند، به این معنی که برنامه تلفن همراه شما می تواند بدون انتظار برای تکمیل تراکنش، رتبه بندی را اضافه کند. کد اجرا شده در یک تابع ابری به قوانین امنیتی محدود نمی شود، به این معنی که دیگر نیازی به دسترسی نوشتن به کلاینت ها به داده های انبوه ندارید.
محدودیت ها
استفاده از یک تابع ابری برای انباشتهها از برخی مشکلات مربوط به تراکنشهای سمت مشتری جلوگیری میکند، اما با مجموعهای از محدودیتها همراه است:
- هزینه - هر رتبه بندی اضافه شده باعث فراخوانی عملکرد Cloud می شود که ممکن است هزینه های شما را افزایش دهد. برای اطلاعات بیشتر، به صفحه قیمت گذاری عملکردهای ابری مراجعه کنید.
- تأخیر - با بارگذاری کار تجمیع در یک تابع Cloud، برنامه شما تا زمانی که اجرای عملکرد Cloud به پایان نرسد و مشتری از داده های جدید مطلع نشود، داده های به روز شده را نمی بیند. بسته به سرعت عملکرد Cloud شما، این ممکن است بیشتر از اجرای تراکنش به صورت محلی طول بکشد.
- نرخهای نوشتن - این راهحل ممکن است برای انبوههایی که اغلب بهروزرسانی میشوند کار نکند، زیرا اسناد Cloud Firestore تنها حداکثر یک بار در ثانیه میتوانند بهروزرسانی شوند. علاوه بر این، اگر تراکنش سندی را بخواند که خارج از تراکنش اصلاح شده است، تعداد محدودی بار تکرار میشود و سپس شکست میخورد. شمارندههای توزیعشده را برای راهحلهای مرتبط برای انبوههایی که به بهروزرسانیهای مکرر نیاز دارند، بررسی کنید.