Firebase Auth & Realtime Database Apps · Lekcja

Liczniki atomowe i kolejki

Twórz niezawodne liczniki atomowe i implementuj kolejki komunikatów za pomocą Realtime Database, aby budować solidną logikę aplikacji.

Lekcja 3 z 412 kroki

Liczniki atomowe i kolejki to bezpłatna lekcja Firebase Auth & Realtime Database Apps na CoddyKit. To lekcja 3 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Firebase Auth & Realtime Database Apps, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Firebase Auth & Realtime Database Apps zawiera 4 lekcji w sumie.

Części tej lekcji nie zostały jeszcze przetłumaczone i są wyświetlane po angielsku.

Why Atomic Operations Matter

In real-time applications, multiple users might try to update the same piece of data simultaneously. This can lead to what's called a race condition.

Imagine two users liking a post at the exact same moment.
Without proper handling, one 'like' might overwrite the other.
This results in incorrect data, like a post showing 10 likes when it should have 11.

Atomic operations ensure that data updates are performed as a single, indivisible unit, preventing such issues.

Understanding Atomic Counters

An atomic counter is a numerical value that can be incremented or decremented reliably, even when multiple clients try to modify it at the same time.

It's crucial for features like:

Counting 'likes' or 'upvotes' on content.
Tracking page views or downloads.
Managing inventory levels in an e-commerce app.

Firebase Realtime Database provides a powerful mechanism to implement these safely.

Implementing with Transactions

Firebase's transaction() method is key to creating atomic operations. It ensures that an update function is executed on the most current data, even if other writes occur concurrently.

Your update function receives the current data.
It returns the new value you want to write.
Firebase automatically retries the transaction if the data changes during the process.

This guarantees that your counter updates are always based on the latest state.

Code: Simple Atomic Counter

Here's how to increment a counter atomically using a transaction. This example simulates the Firebase transaction logic.

class MockRef {
  constructor(value) {
    this.value = value;
  }
  async transaction(updateFunction) {
    const currentValue = this.value;
    const newValue = updateFunction(currentValue);
    if (newValue !== undefined) {
      this.value = newValue;
      console.log(`Counter updated to: ${this.value}`);
      return { committed: true, snapshot: { val: () => this.value } };
    }
    return { committed: false };
  }
  val() { return this.value; }
}

async function main() {
  const counterRef = new MockRef(0);
  console.log("Initial count:", counterRef.val());

  // Attempt to increment the counter
  await counterRef.transaction(currentCount => {
    return (currentCount || 0) + 1;
  });

  console.log("Final count (after one increment):");
  console.log(counterRef.val());
}

main();

Transaction Logic Explained

In the transaction() method, the callback function receives the currentCount. If the counter doesn't exist (null), it defaults to 0 before incrementing.

Returning undefined from the callback aborts the transaction.
Returning any other value (like the incremented count) commits the transaction.
Firebase handles retries automatically if the data changes while the transaction is running.

This ensures the final count is always accurate, even under heavy load.

Introducing Message Queues

A message queue is a way for different parts of an application (or different applications) to communicate asynchronously. It's like a to-do list for tasks that don't need immediate processing.

Key benefits include:

Decoupling: Senders don't wait for receivers.
Reliability: Tasks are stored until processed.
Scalability: Easily add more workers to process tasks.

Firebase Realtime Database can serve as a simple, effective message queue.

Building a Simple Queue

To build a queue with Realtime Database, you typically create a list of tasks. New tasks are pushed to this list, and worker processes consume them.

Each task is an object with relevant data (e.g., action, payload).
Using push() creates unique, time-ordered keys, perfect for a queue.
Workers listen for new items and process the oldest ones first.

This structure allows for robust background task management.

Code: Adding to a Queue

Adding tasks to a queue is straightforward using Firebase's push() method. Each new item gets a unique key.

class MockDatabase {
  constructor() {
    this.data = {};
  }
  ref(path) {
    return {
      push: (value) => {
        const key = `item_${Object.keys(this.data[path] || {}).length}_${Date.now()}`;
        if (!this.data[path]) {
          this.data[path] = {};
        }
        this.data[path][key] = value;
        console.log(`Added to ${path}: ${JSON.stringify(value)}`);
        return { key: key };
      },
      val: () => this.data[path]
    };
  }
}

async function main() {
  const mockDb = new MockDatabase();
  const queueRef = mockDb.ref("tasks");

  console.log("Adding tasks to the queue...");
  await queueRef.push({ action: "sendEmail", userId: "user123" });
  await queueRef.push({ action: "generateReport", reportId: "rpt456" });

  console.log("\nCurrent queue items:");
  console.log(JSON.stringify(queueRef.val(), null, 2));
}

main();

Code: Processing from a Queue

To process tasks reliably, you need to ensure only one worker processes a given task. This involves fetching the oldest task and then atomically removing it or marking it as 'processed' using a transaction.

class MockDatabase {
  constructor(initialData = {}) {
    this.data = initialData;
  }
  ref(path) {
    const self = this;
    return {
      orderByChild: (child) => ({ limitToFirst: (count) => ({ once: async (eventType) => {
        if (eventType === 'value') {
          const items = Object.entries(self.data[path] || {})
            .map(([key, value]) => ({ key, value }))
            .sort((a, b) => (a.value[child] || 0) - (b.value[child] || 0));
          const result = {};
          items.slice(0, count).forEach(item => { result[item.key] = item.value; });
          return { val: () => result };
        }
      }}) }),
      child: (key) => ({ transaction: async (updateFunction) => {
        const currentValue = self.data[path] ? self.data[path][key] : null;
        const newValue = updateFunction(currentValue);
        if (newValue === null) {
          delete self.data[path][key];
          console.log(`Transaction removed item: ${key}`);
          return { committed: true, snapshot: { val: () => null } };
        } else if (newValue !== undefined) {
          if (!self.data[path]) self.data[path] = {};
          self.data[path][key] = newValue;
          console.log(`Transaction updated item: ${key}`);
          return { committed: true, snapshot: { val: () => newValue } };
        }
        return { committed: false, snapshot: { val: () => currentValue } };
      }}),
      val: () => self.data[path]
    };
  }
}

async function main() {
  const initialTasks = {
    "task_A": { action: "sendEmail", userId: "user123", timestamp: 1678888000000 },
    "task_B": { action: "generateReport", reportId: "rpt456", timestamp: 1678888010000 }
  };
  const mockDb = new MockDatabase({ tasks: initialTasks });
  const queueRef = mockDb.ref("tasks");

  console.log("Initial queue items:", JSON.stringify(queueRef.val(), null, 2));

  const snapshot = await queueRef.orderByChild('timestamp').limitToFirst(1).once('value');
  const firstItem = snapshot.val();

  if (firstItem) {
    const firstKey = Object.keys(firstItem)[0];
    console.log(`Attempting to process task with key ${firstKey}`);
    const transactionResult = await queueRef.child(firstKey).transaction(currentData => {
      return currentData ? null : undefined; // Delete if exists, abort if not
    });

    if (transactionResult.committed) {
      console.log(`Successfully processed and removed task: ${firstKey}`);
    } else {
      console.log("Failed to process task (already processed or aborted).");
    }
  }
  console.log("\nQueue items after processing:");
  console.log(JSON.stringify(queueRef.val(), null, 2));
}

main();

Choosing Between Counters & Queues

While both atomic counters and queues leverage Firebase transactions, they solve different problems:

Atomic Counters: For simple, numerical updates that need to be highly consistent (e.g., vote counts, inventory).
Message Queues: For decoupling tasks, handling background processes, and ensuring reliable execution of jobs that can be processed later.

Understanding these patterns allows you to build more robust and scalable real-time applications.

Quick Check: Atomic Operations

You want to reliably increment a user's 'score' in your game, ensuring that simultaneous updates from different devices don't lead to lost increments. Which Firebase Realtime Database feature is most appropriate?

Odpowiedz w interaktywnej lekcji

Recap: Atomic Counters & Queues

We've explored how Firebase Realtime Database enables robust application logic through atomic operations.

Atomic counters use transaction() to reliably increment/decrement numerical values, preventing race conditions.
Message queues leverage push() for adding tasks and transaction() for atomically processing (claiming/removing) the oldest tasks, enabling asynchronous and scalable background processing.

Mastering these patterns is crucial for building high-performance, consistent, and scalable real-time applications.

Bezpłatny start

Ucz się Firebase Auth & Realtime Database Apps dzięki korepetycjom AI — za darmo

Pisz i uruchamiaj kod w przeglądarce, otrzymuj natychmiastową pomoc od korepetytora AI dostępnego 24/7 i kontynuuj naukę w sieci lub w aplikacji.

Kursy: 11
Lekcje: 44

Zacznij naukę bezpłatnie Wyświetl pełny kurs

Często zadawane pytania

Czy lekcja „Liczniki atomowe i kolejki” jest bezpłatna?

Tak — pełny tekst „Liczniki atomowe i kolejki” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Firebase Auth & Realtime Database Apps, przejdź na CoddyKit PRO. Kurs Firebase Auth & Realtime Database Apps zawiera 4 lekcji w sumie.

Co nauczysz się w „Liczniki atomowe i kolejki”?

Twórz niezawodne liczniki atomowe i implementuj kolejki komunikatów za pomocą Realtime Database, aby budować solidną logikę aplikacji. Ćwiczysz Firebase Auth & Realtime Database Apps z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.

Czy potrzebuję doświadczenia, aby zacząć Firebase Auth & Realtime Database Apps?

Nie wymagamy żadnego doświadczenia. Firebase Auth & Realtime Database Apps w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 3 z 4.

Ile czasu zajmuje lekcja „Liczniki atomowe i kolejki”?

Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.

Czy mogę pisać i uruchamiać kod w tej lekcji Firebase Auth & Realtime Database Apps?

Tak. Każda lekcja Firebase Auth & Realtime Database Apps zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.

Wszystkie lekcje w tym kursie

Kaskadowe aktualizacje danych
Transakcyjne operacje na danych
Liczniki atomowe i kolejki
Denormalizacja i strategie duplikowania danych

← Powrót do Firebase Auth & Realtime Database Apps