Nano Hash - криптовалюты, майнинг, программирование

Как получить ключи БД перед отправкой в ​​Firebase Admin Python SDK

Я использую Firebase Admin Python SDK в функции AWS Lambda. Я хочу добавить в БД несколько объектов за одно обновление.

 for mess in arrayMessages:

    ...

    newMessageKey = root.child('.../messages').push().key

    messages_updates[newMessageKey] = {
            'author': 'Bob',
            'dateTime': d,
            'text': mess,
    }

    messagesKeys.append(newMessageKey)

    ...

root.child(''.../messages').set(messages_updates)

Метод "...push().key" немедленно создает ключ в БД (имело бы тогда смысл двигаться напрямую в одной команде, но терять эффективность обновлений). Выполняя обновления без нажатия, вставляйте инкрементные целые ключи (тривиальная последовательность 0,1,2...)

Как и SDK для клиента Android (предназначенный для получения ключей даже в автономном режиме), существует ли решение для получения ключа еще до того, как объект будет создан в БД?

python firebase firebase-realtime-database firebase-admin aws-lambda
10.05.2018

Ответы:


1

Это невозможно с помощью административного SDK. Однако существует порт Python кода JS, который используется для генерации идентификаторов на стороне клиента .

Майкл Лехенбауэр из команды firebase описал реализацию в статья в блоге. Там вы также можете найти ссылку на GitHub суть реализации, которая, в свою очередь, содержит комментарий со ссылкой на реализацию Python выше.

05.02.2019

2

Будет ли полезно следующее?

new_message = root.child('.../messages').push({
    'author': 'Bob',
    'dateTime': d,
    'text': mess,
})
messagesKeys.append(new_message.key)

Клиенты базы данных, основанные на REST API базы данных реального времени (например, Python Admin SDK), не поддерживают создание идентификаторов на стороне клиента. Так что это лучший вариант, который у вас есть. FWIW, сделать 2 вызова API, как вы сделали выше, тоже не так уж плохо. SDK будет повторно использовать одно и то же HTTP-соединение внизу и попытается снизить задержку.

10.05.2018
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..