1. Introdução
Última atualização:27/01/2023
O que é preciso para criar um ranking?
Em essência, os placares são apenas tabelas de pontuações com um fator complicador: ler a classificação de qualquer pontuação requer conhecimento de todas as outras pontuações em algum tipo de ordem. Além disso, se o jogo decolar, os rankings crescerão e serão lidos e gravados com frequência. Para criar um placar de sucesso, ele precisa ser capaz de lidar com essa operação de classificação rapidamente.
O que você vai criar
Neste codelab, você vai implementar vários placares diferentes, cada um adequado para um cenário diferente.
Conteúdo
Você vai aprender a implementar quatro rankings diferentes:
- Uma implementação simples que usa contagem de registros simples para determinar a classificação.
- Um ranking barato e que atualiza periodicamente
- Um placar em tempo real com algumas árvores sem sentido
- Um placar estocástico (probabilístico) para uma classificação aproximada de bases de jogadores muito grandes
Pré-requisitos
- Uma versão recente do Chrome (107 ou mais recente)
- Node.js 16 ou mais recente (execute
nvm --versionpara ver o número da versão se você estiver usando a nvm) - Um plano pago do Firebase Blaze (opcional)
- A CLI do Firebase v11.16.0 ou mais recente
Para instalar a CLI, executenpm install -g firebase-toolsou consulte a documentação da CLI para mais opções de instalação. - Conhecimento sobre JavaScript, Cloud Firestore, Cloud Functions e Chrome DevTools
2. Etapas da configuração
Buscar o código
Colocamos tudo o que você precisa para este projeto em um repositório Git. Para começar, abra o código no seu ambiente de desenvolvimento favorito. Neste codelab, usamos o VS Code, mas qualquer editor de texto é suficiente.
e descompacte o arquivo ZIP salvo.
Ou clone o diretório de sua preferência:
git clone https://github.com/FirebaseExtended/firestore-leaderboards-codelab.git
Qual é nosso ponto de partida?
No momento, nosso projeto é uma tela em branco com algumas funções vazias:
index.htmlcontém alguns scripts agrupador que permitem invocar funções do console de desenvolvimento e ver as saídas delas. Ele será usado para interagir com nosso back-end e conferir os resultados das invocações de função. Em um cenário real, você faria essas chamadas de back-end diretamente do seu jogo. Não estamos usando um jogo neste codelab porque levaria muito tempo para jogar toda vez que você quisesse adicionar uma pontuação ao placar.functions/index.jscontém todas as funções do Cloud. Você vai ver algumas funções utilitárias, comoaddScoresedeleteScores, além das funções que vamos implementar neste codelab, que chamam funções auxiliares em outro arquivo.functions/functions-helpers.jscontém as funções vazias que serão implementadas. Para cada quadro de liderança, vamos implementar funções de leitura, criação e atualização, e você verá como nossa escolha de implementação afeta tanto a complexidade da implementação quanto o desempenho de escalonamento.functions/utils.jscontém mais funções utilitárias. Não usaremos esse arquivo neste codelab.
Criar e configurar um projeto do Firebase
- No Console do Firebase, clique em Adicionar projeto.
- Para criar um novo projeto, digite o nome dele.
Isso também definirá o ID do projeto (exibido abaixo do nome do projeto) como algo baseado no nome do projeto. Também é possível clicar no ícone editar no ID do projeto para personalizá-lo ainda mais. - Se solicitado, leia e aceite os Termos do Firebase.
- Clique em Continuar.
- Selecione a opção Ativar o Google Analytics para este projeto e clique em Continuar.
- Selecione uma conta existente do Google Analytics para usar ou selecione Criar uma nova conta.
- Clique em Criar projeto.
- Quando o projeto estiver pronto, clique em Continuar.
- No menu Build, clique em Functions e, se solicitado, faça upgrade do seu projeto para usar o plano de faturamento Blaze.
- No menu Build, clique em Banco de dados do Firestore.
- Na caixa de diálogo Criar banco de dados exibida, selecione Iniciar no modo de teste e clique em Próximo.
- Escolha uma região no menu suspenso Local do Cloud Firestore e clique em Ativar.
Configure e gere seu ranking
- Em um terminal, navegue até a raiz do projeto e execute
firebase use --add. Escolha o projeto do Firebase que você acabou de criar. - Na raiz do projeto, execute
firebase emulators:start --only hosting. - No navegador, acesse
localhost:5000. - Abra o console JavaScript do Chrome DevTools e importe
leaderboard.js:const leaderboard = await import("http://localhost:5000/scripts/leaderboard.js"); - Execute
leaderboard.codelab();no console. Se uma mensagem de boas-vindas for exibida, pode prosseguir! Caso contrário, desligue o emulador e execute novamente as etapas 2 a 4.
Vamos passar para a implementação do primeiro quadro de liderança.
3. Implemente um placar simples
Ao final desta seção, será possível adicionar uma pontuação ao quadro de liderança e fazer com que ele informe nossa classificação.
Antes de começar, vamos explicar como funciona a implementação desse ranking de líderes: todos os jogadores são armazenados em uma única coleção, e a busca pela classificação de um jogador é feita recuperando a coleção e contando quantos jogadores estão à frente deles. Isso facilita a inserção e a atualização de uma pontuação. Para inserir uma nova pontuação, basta anexá-la à coleção. Para atualizá-la, filtramos o usuário atual e atualizamos o documento resultante. Vamos conferir como isso fica no código.
No functions/functions-helper.js, implemente a função createScore, que é o mais simples possível:
async function createScore(score, playerID, firestore) {
return firestore.collection("scores").doc().create({
user: playerID,
score: score,
});
}
Para atualizar pontuações, basta adicionar uma verificação de erros para garantir que a pontuação que está sendo atualizada já exista:
async function updateScore(playerID, newScore, firestore) {
const playerSnapshot = await firestore.collection("scores")
.where("user", "==", playerID).get();
if (playerSnapshot.size !== 1) {
throw Error(`User not found in leaderboard: ${playerID}`);
}
const player = playerSnapshot.docs[0];
const doc = firestore.doc(player.id);
return doc.update({
score: newScore,
});
}
E, por fim, nossa função de classificação simples, mas menos escalonável:
async function readRank(playerID, firestore) {
const scores = await firestore.collection("scores")
.orderBy("score", "desc").get();
const player = `${playerID}`;
let rank = 1;
for (const doc of scores.docs) {
const user = `${doc.get("user")}`;
if (user === player) {
return {
user: player,
rank: rank,
score: doc.get("score"),
};
}
rank++;
}
// No user found
throw Error(`User not found in leaderboard: ${playerID}`);
}
Vamos testar! Implante as funções executando o seguinte comando no terminal:
firebase deploy --only functions
Depois, no console JS do Chrome, adicione outras pontuações para que possamos ver nossa classificação entre outros jogadores.
leaderboard.addScores(); // Results may take some time to appear.
Agora podemos adicionar nossa própria pontuação à combinação:
leaderboard.addScore(999, 11); // You can make up a score (second argument) here.
Quando a gravação for concluída, você verá uma resposta no console dizendo "Pontuação criada". Um erro está aparecendo? Abra os registros do Functions pelo Console do Firebase para ver o que deu errado.
E, finalmente, podemos buscar e atualizar nossa pontuação.
leaderboard.getRank(999);
leaderboard.updateScore(999, 0);
leaderboard.getRank(999); // we should be last place now (11)
No entanto, essa implementação nos proporciona requisitos de tempo e memória lineares indesejáveis para buscar a classificação de uma determinada pontuação. Como o tempo de execução da função e a memória são limitados, isso não só vai fazer com que as buscas fiquem cada vez mais lentas, mas, depois que pontuações suficientes forem adicionadas ao placar, as funções vão expirar ou falhar antes de retornar um resultado. Obviamente, precisaremos de algo melhor para expandirmos além de alguns jogadores.
Se você é um fã do Firestore, talvez conheça COUNT consultas de agregação, que tornariam esse ranking muito mais eficiente. E você acertou! Com consultas COUNT, isso pode ser escalonado abaixo de um milhão de usuários, embora seu desempenho ainda seja linear.
Mas espere, você pode estar pensando consigo mesmo: se vamos enumerar todos os documentos na coleção de qualquer maneira, podemos atribuir uma classificação a cada documento e, então, quando precisarmos buscá-lo, nossas buscas serão O(1) tempo e memória! Isso nos leva à nossa próxima abordagem, o ranking que é atualizado periodicamente.
4. Implemente um ranking que atualiza periodicamente
A chave para essa abordagem é armazenar a classificação no próprio documento, de modo que buscá-lo nos dê a classificação sem nenhum trabalho adicional. Para fazer isso, vamos precisar de um novo tipo de função.
Em index.js, inclua o seguinte:
// Also add this to the top of your file
const admin = require("firebase-admin");
exports.scheduledFunctionCrontab = functions.pubsub.schedule("0 2 * * *")
// Schedule this when most of your users are offline to avoid
// database spikiness.
.timeZone("America/Los_Angeles")
.onRun((context) => {
const scores = admin.firestore().collection("scores");
scores.orderBy("score", "desc").get().then((snapshot) => {
let rank = 1;
const writes = [];
for (const docSnapshot of snapshot.docs) {
const docReference = scores.doc(docSnapshot.id);
writes.push(docReference.set({rank: rank}, admin.firestore.SetOptions.merge()));
rank++;
}
Promise.all(writes).then((result) => {
console.log(`Writes completed with results: ${result}`);
});
});
return null;
});
Agora, nossas operações de leitura, atualização e gravação são todas legais e simples. A gravação e a atualização permanecem inalteradas, mas a leitura se torna (em functions-helpers.js):
async function readRank(playerID, firestore) {
const scores = firestore.collection("scores");
const playerSnapshot = await scores
.where("user", "==", playerID).get();
if (playerSnapshot.size === 0) {
throw Error(`User not found in leaderboard: ${playerID}`);
}
const player = playerSnapshot.docs[0];
if (player.get("rank") === undefined) {
// This score was added before our scheduled function could run,
// but this shouldn't be treated as an error
return {
user: playerID,
rank: null,
score: player.get("score"),
};
}
return {
user: playerID,
rank: player.get("rank"),
score: player.get("score"),
};
}
Infelizmente, não é possível implantar e testar esse recurso sem adicionar uma conta de faturamento ao seu projeto. Se você tiver uma conta de faturamento, reduza o intervalo na função programada e veja como ela atribui classificações às pontuações do placar.
Caso contrário, exclua a função programada e pule para a próxima implementação.
Exclua as pontuações do banco de dados do Firestore clicando nos três pontos ao lado da coleção de pontuações e se prepare para a próxima seção.
5. Implementar um quadro de liderança em árvore em tempo real
Essa abordagem funciona armazenando os dados de pesquisa na própria coleção do banco de dados. Em vez de ter uma coleção uniforme, nosso objetivo é armazenar tudo em uma árvore que possa ser percorrida movendo-se pelos documentos. Isso nos permite realizar uma busca binária (ou n-ária) pela classificação de uma determinada pontuação. Como isso pode ser?
Para começar, queremos distribuir nossas pontuações em intervalos praticamente uniformes, o que exige certo conhecimento dos valores das pontuações que nossos usuários registram. Por exemplo, se você estiver criando um ranking de classificação de habilidades em um jogo competitivo, as classificações de habilidades dos seus usuários quase sempre serão distribuídas normalmente. Nossa função de geração aleatória de pontuação usa a Math.random() do JavaScript, que resulta em uma distribuição aproximadamente uniforme. Portanto, dividiremos nossos buckets uniformemente.
Neste exemplo, usaremos três buckets para simplificar, mas você provavelmente descobrirá que, se usar essa implementação em um app real, mais buckets produzirão resultados mais rápidos. Uma árvore mais superficial significa, em média, menos buscas de coleta e menos contenção de bloqueio.
A classificação de um jogador é dada pela soma do número de jogadores com pontuações mais altas, mais uma para o próprio jogador. Cada coleção em scores armazenará três documentos, cada um com um intervalo, o número de documentos em cada intervalo e, em seguida, três subcoleções correspondentes. Para ler uma classificação, atravessaremos essa árvore procurando uma pontuação e acompanhando a soma das pontuações maiores. Quando encontrarmos nossa pontuação, também teremos a soma correta.
Escrever é muito mais complicado. Primeiro, precisamos fazer todas as gravações em uma transação para evitar inconsistências de dados quando várias gravações ou leituras ocorrerem ao mesmo tempo. Também precisaremos manter todas as condições descritas acima à medida que atravessamos a árvore para gravar nossos novos documentos. E, finalmente, como temos toda a complexidade de árvore dessa nova abordagem combinada com a necessidade de armazenar todos os nossos documentos originais, nosso custo de armazenamento vai aumentar um pouco (mas ainda é linear).
Em functions-helpers.js:
async function createScore(playerID, score, firestore) {
/**
* This function assumes a minimum score of 0 and that value
* is between min and max.
* Returns the expected size of a bucket for a given score
* so that bucket sizes stay constant, to avoid expensive
* re-bucketing.
* @param {number} value The new score.
* @param {number} min The min of the previous range.
* @param {number} max The max of the previous range. Must be greater than
* min.
* @return {Object<string, number>} Returns an object containing the new min
* and max.
*/
function bucket(value, min, max) {
const bucketSize = (max - min) / 3;
const bucketMin = Math.floor(value / bucketSize) * bucketSize;
const bucketMax = bucketMin + bucketSize;
return {min: bucketMin, max: bucketMax};
}
/**
* A function used to store pending writes until all reads within a
* transaction have completed.
*
* @callback PendingWrite
* @param {admin.firestore.Transaction} transaction The transaction
* to be used for writes.
* @return {void}
*/
/**
* Recursively searches for the node to write the score to,
* then writes the score and updates any counters along the way.
* @param {number} id The user associated with the score.
* @param {number} value The new score.
* @param {admin.firestore.CollectionReference} coll The collection this
* value should be written to.
* @param {Object<string, number>} range An object with properties min and
* max defining the range this score should be in. Ranges cannot overlap
* without causing problems. Use the bucket function above to determine a
* root range from constant values to ensure consistency.
* @param {admin.firestore.Transaction} transaction The transaction used to
* ensure consistency during tree updates.
* @param {Array<PendingWrite>} pendingWrites A series of writes that should
* occur once all reads within a transaction have completed.
* @return {void} Write error/success is handled via the transaction object.
*/
async function writeScoreToCollection(
id, value, coll, range, transaction, pendingWrites) {
const snapshot = await transaction.get(coll);
if (snapshot.empty) {
// This is the first score to be inserted into this node.
for (const write of pendingWrites) {
write(transaction);
}
const docRef = coll.doc();
transaction.create(docRef, {exact: {score: value, user: id}});
return;
}
const min = range.min;
const max = range.max;
for (const node of snapshot.docs) {
const data = node.data();
if (data.exact !== undefined) {
// This node held an exact score.
const newRange = bucket(value, min, max);
const tempRange = bucket(data.exact.score, min, max);
if (newRange.min === tempRange.min &&
newRange.max === tempRange.max) {
// The scores belong in the same range, so we need to "demote" both
// to a lower level of the tree and convert this node to a range.
const rangeData = {
range: newRange,
count: 2,
};
for (const write of pendingWrites) {
write(transaction);
}
const docReference = node.ref;
transaction.set(docReference, rangeData);
transaction.create(docReference.collection("scores").doc(), data);
transaction.create(
docReference.collection("scores").doc(),
{exact: {score: value, user: id}},
);
return;
} else {
// The scores are in different ranges. Continue and try to find a
// range that fits this score.
continue;
}
}
if (data.range.min <= value && data.range.max > value) {
// The score belongs to this range that may have subvalues.
// Increment the range's count in pendingWrites, since
// subsequent recursion may incur more reads.
const docReference = node.ref;
const newCount = node.get("count") + 1;
pendingWrites.push((t) => {
t.update(docReference, {count: newCount});
});
const newRange = bucket(value, min, max);
return writeScoreToCollection(
id,
value,
docReference.collection("scores"),
newRange,
transaction,
pendingWrites,
);
}
}
// No appropriate range was found, create an `exact` value.
transaction.create(coll.doc(), {exact: {score: value, user: id}});
}
const scores = firestore.collection("scores");
const players = firestore.collection("players");
return firestore.runTransaction((transaction) => {
return writeScoreToCollection(
playerID, score, scores, {min: 0, max: 1000}, transaction, [],
).then(() => {
transaction.create(players.doc(), {
user: playerID,
score: score,
});
});
});
}
Isso certamente é mais complicado do que nossa última implementação, com uma única chamada de método e apenas seis linhas de código. Depois de implementar esse método, tente adicionar algumas pontuações ao banco de dados e observar a estrutura da árvore resultante. No console JS:
leaderboard.addScores();
A estrutura do banco de dados resultante deve ser semelhante a esta, com a estrutura de árvore claramente visível e as folhas da árvore representando as pontuações individuais.
scores
- document
range: 0-333.33
count: 2
scores:
- document
exact:
score: 18
user: 1
- document
exact:
score: 22
user: 2
Agora que já eliminamos a parte mais difícil, podemos ler as pontuações percorrendo a árvore, como descrito anteriormente.
async function readRank(playerID, firestore) {
const players = await firestore.collection("players")
.where("user", "==", playerID).get();
if (players.empty) {
throw Error(`Player not found in leaderboard: ${playerID}`);
}
if (players.size > 1) {
console.info(`Multiple scores with player ${playerID}, fetching first`);
}
const player = players.docs[0].data();
const score = player.score;
const scores = firestore.collection("scores");
/**
* Recursively finds a player score in a collection.
* @param {string} id The player's ID, since some players may be tied.
* @param {number} value The player's score.
* @param {admin.firestore.CollectionReference} coll The collection to
* search.
* @param {number} currentCount The current count of players ahead of the
* player.
* @return {Promise<number>} The rank of the player (the number of players
* ahead of them plus one).
*/
async function findPlayerScoreInCollection(id, value, coll, currentCount) {
const snapshot = await coll.get();
for (const doc of snapshot.docs) {
if (doc.get("exact") !== undefined) {
// This is an exact score. If it matches the score we're looking
// for, return. Otherwise, check if it should be counted.
const exact = doc.data().exact;
if (exact.score === value) {
if (exact.user === id) {
// Score found.
return currentCount + 1;
} else {
// The player is tied with another. In this case, don't increment
// the count.
continue;
}
} else if (exact.score > value) {
// Increment count
currentCount++;
continue;
} else {
// Do nothing
continue;
}
} else {
// This is a range. If it matches the score we're looking for,
// search the range recursively, otherwise, check if it should be
// counted.
const range = doc.data().range;
const count = doc.get("count");
if (range.min > value) {
// The range is greater than the score, so add it to the rank
// count.
currentCount += count;
continue;
} else if (range.max <= value) {
// do nothing
continue;
} else {
const subcollection = doc.ref.collection("scores");
return findPlayerScoreInCollection(
id,
value,
subcollection,
currentCount,
);
}
}
}
// There was no range containing the score.
throw Error(`Range not found for score: ${value}`);
}
const rank = await findPlayerScoreInCollection(playerID, score, scores, 0);
return {
user: playerID,
rank: rank,
score: score,
};
}
Atualizações são deixadas como um exercício extra. Adicione e busque pontuações no seu console JavaScript com os métodos leaderboard.addScore(id, score) e leaderboard.getRank(id) e veja como seu ranking muda no Console do Firebase.
Com esta implementação, no entanto, a complexidade que adicionamos para atingir o desempenho logarítmico tem um custo.
- Em primeiro lugar, essa implementação de quadro de liderança pode apresentar problemas de contenção de bloqueio, uma vez que as transações exigem leituras e gravações de bloqueio para garantir que permaneçam consistentes.
- Segundo, o Firestore impõe um limite de profundidade de subcoleção de 100, o que significa que você precisará evitar a criação de subárvores após 100 pontuações empatadas, o que não é permitido por essa implementação.
- E, por fim, o quadro de liderança escalona logaritmicamente apenas no caso ideal em que a árvore está equilibrada. Se estiver desequilibrado, o pior desempenho desse ranking é mais uma vez linear.
Quando terminar, exclua as coleções scores e players pelo Console do Firebase e vamos passar para a última implementação do placar.
6. Implementar um ranking estocástico (probabilístico)
Ao executar o código de inserção, você pode perceber que se executá-lo muitas vezes em paralelo, suas funções começarão a falhar com uma mensagem de erro relacionada à contenção de bloqueio de transação. Existem maneiras de contornar isso que não vamos abordar neste codelab, mas se você não precisa da classificação exata, pode descartar toda a complexidade da abordagem anterior para algo mais simples e rápido. Vamos dar uma olhada em como podemos retornar uma classificação estimada para as pontuações de nossos jogadores em vez de uma classificação exata e como isso muda nossa lógica de banco de dados.
Para essa abordagem, dividiremos nosso quadro de liderança em 100 buckets, cada um representando aproximadamente 1% das pontuações que esperamos receber. Essa abordagem funciona mesmo sem o conhecimento da nossa distribuição de pontuações. Nesse caso, não temos como garantir uma distribuição mais ou menos uniforme das pontuações em todo o bucket, mas vamos conseguir uma maior precisão nas aproximações se soubermos como elas serão distribuídas.
Nossa abordagem é a seguinte: como antes, cada bucket armazena a contagem do número de pontuações e o intervalo delas. Ao inserir uma nova pontuação, encontraremos o bucket da pontuação e incrementamos sua contagem. Ao buscar uma classificação, vamos apenas somar os buckets à frente dela e, em seguida, fazer uma aproximação do nosso bucket em vez de pesquisar mais. Isso nos proporciona pesquisas de tempo constantes e muito boas e exige muito menos código.
Primeiro, a inserção:
// Add this line to the top of your file.
const admin = require("firebase-admin");
// Implement this method (again).
async function createScore(playerID, score, firestore) {
const scores = await firestore.collection("scores").get();
if (scores.empty) {
// Create the buckets since they don't exist yet.
// In a real app, don't do this in your write function. Do it once
// manually and then keep the buckets in your database forever.
for (let i = 0; i < 10; i++) {
const min = i * 100;
const max = (i + 1) * 100;
const data = {
range: {
min: min,
max: max,
},
count: 0,
};
await firestore.collection("scores").doc().create(data);
}
throw Error("Database not initialized");
}
const buckets = await firestore.collection("scores")
.where("range.min", "<=", score).get();
for (const bucket of buckets.docs) {
const range = bucket.get("range");
if (score < range.max) {
const writeBatch = firestore.batch();
const playerDoc = firestore.collection("players").doc();
writeBatch.create(playerDoc, {
user: playerID,
score: score,
});
writeBatch.update(
bucket.ref,
{count: admin.firestore.FieldValue.increment(1)},
);
const scoreDoc = bucket.ref.collection("scores").doc();
writeBatch.create(scoreDoc, {
user: playerID,
score: score,
});
return writeBatch.commit();
}
}
}
Você notará que esse código de inserção tem alguma lógica para inicializar o estado do banco de dados na parte superior, com um aviso para não fazer algo assim na produção. O código de inicialização não é protegido contra condições de corrida. Portanto, se você fizesse isso, várias gravações simultâneas corromperiam seu banco de dados, fornecendo um monte de buckets duplicados.
Implante as funções e execute uma inserção para inicializar todos os buckets com uma contagem zero. Ele retornará um erro, que você pode ignorar com segurança.
leaderboard.addScore(999, 0); // The params aren't important here.
Agora que o banco de dados foi inicializado corretamente, podemos executar addScores e ver a estrutura dos dados no Console do Firebase. A estrutura resultante é muito mais plana do que a nossa última implementação, embora elas sejam superficialmente semelhantes.
leaderboard.addScores();
E, agora, para ler as pontuações:
async function readRank(playerID, firestore) {
const players = await firestore.collection("players")
.where("user", "==", playerID).get();
if (players.empty) {
throw Error(`Player not found in leaderboard: ${playerID}`);
}
if (players.size > 1) {
console.info(`Multiple scores with player ${playerID}, fetching first`);
}
const player = players.docs[0].data();
const score = player.score;
const scores = await firestore.collection("scores").get();
let currentCount = 1; // Player is rank 1 if there's 0 better players.
let interp = -1;
for (const bucket of scores.docs) {
const range = bucket.get("range");
const count = bucket.get("count");
if (score < range.min) {
currentCount += count;
} else if (score >= range.max) {
// do nothing
} else {
// interpolate where the user is in this bucket based on their score.
const relativePosition = (score - range.min) / (range.max - range.min);
interp = Math.round(count - (count * relativePosition));
}
}
if (interp === -1) {
// Didn't find a correct bucket
throw Error(`Score out of bounds: ${score}`);
}
return {
user: playerID,
rank: currentCount + interp,
score: score,
};
}
Como fizemos com que a função addScores gerasse uma distribuição uniforme de pontuações e estamos usando interpolação linear nos buckets, temos resultados muito precisos, o desempenho do nosso ranking não diminui à medida que aumentamos o número de usuários, e não precisamos nos preocupar com a contenção de bloqueio (tanto) ao atualizar as contagens.
7. Adendo: trapaça
Se eu escrevo valores no meu codelab usando o console JS de uma guia do navegador, nenhum dos jogadores pode mentir no placar e dizer que recebeu uma pontuação alta que não foi alcançada de maneira justa?
Sim, é possível. Se você quiser evitar fraudes, a maneira mais eficiente de fazer isso é desativar as gravações de clientes no banco de dados usando regras de segurança, proteger o acesso ao Cloud Functions para que os clientes não possam chamá-las diretamente e validar as ações no jogo no seu servidor antes de enviar atualizações de pontuação para o placar.
É importante observar que essa estratégia não é uma panaceia contra a trapaça. Com um incentivo grande o suficiente, os trapaceiros podem encontrar maneiras de burlar as validações do lado do servidor, e muitos videogames grandes e bem-sucedidos estão constantemente jogando gato e rato com seus trapaceiros para identificar novas fraudes e impedir que proliferem. Uma consequência difícil desse fenômeno é que a validação do lado do servidor para cada jogo é inerentemente sob medida. Embora o Firebase forneça ferramentas antiabuso como o App Check, que impedem um usuário de copiar seu jogo por meio de um cliente com script simples, o Firebase não fornece nenhum serviço que equivale a um antifraude holístico.
Qualquer coisa que não seja a validação do lado do servidor, para um jogo popular o bastante ou uma barreira baixa o suficiente para trapaças, resultará em um ranking em que os principais valores são trapaceiros.
8. Parabéns
Parabéns! Você criou com sucesso quatro rankings diferentes no Firebase! Dependendo das necessidades de precisão e velocidade do jogo, é possível escolher uma que funcione para você por um custo razoável.
A seguir, confira os programas de treinamento para jogos.