با Firebase Data Connect شروع کنید

توجه: Firebase Data Connect در پیش‌نمایش عمومی است. Data Connect تابع «شرایط پیشنهادات قبل از GA» در بخش «شرایط خاص سرویس» شرایط خدمات Google Cloud Platform خواهد بود. ویژگی‌های Pre-GA «همانطور که هست» در دسترس هستند و ممکن است پشتیبانی محدودی داشته باشند. برای اطلاعات بیشتر، به توضیحات مرحله راه اندازی مراجعه کنید.

توجه: اگر می‌خواهید Data Connect به یکی از پروژه‌های Firebase خود در طرح Blaze اضافه کنید، یک سرویس Data Connect ایجاد کنید و یک پایگاه داده Cloud SQL برای نمونه‌سازی اولیه خود تهیه کنید، این راهنمای شروع سریع را دنبال کنید. اگر ترجیح می دهید از طرح Spark و نمونه اولیه به صورت محلی با یک شبیه ساز و پایگاه داده محلی استفاده کنید ، برای شروع توسعه محلی را امتحان کنید.

در این شروع سریع، یاد خواهید گرفت که چگونه Firebase Data Connect در برنامه خود با یک نمونه تولیدی SQL ایجاد کنید. شما:

• Firebase Data Connect به پروژه Firebase خود اضافه کنید.
• یک نمونه Cloud SQL برای برنامه خود تهیه کنید.
• یک محیط توسعه شامل پسوند Visual Studio Code برای کار با یک نمونه تولید راه اندازی کنید.
• سپس به شما نشان خواهیم داد که چگونه:
  • یک طرحواره برای یک برنامه فیلم ایجاد کنید
  • پرس و جوها و جهش هایی را که در برنامه شما استفاده می شود را تعریف کنید
  • پرس و جوها و جهش های خود را با داده های نمونه آزمایش کنید
  • SDKهایی با تایپ قوی ایجاد کنید و از آنها در برنامه خود استفاده کنید
  • طرح نهایی، پرس و جوها و داده های خود را در فضای ابری مستقر کنید .

یک مخزن برنامه شروع سریع پیدا کنید و با دنبال کردن کدهای ما برای وب، یک برنامه Data Connect با ویژگی های کامل بسازید. Codelabs برای اندروید و iOS به زودی عرضه می شود.

یک پروژه Firebase و پایگاه داده Cloud SQL ایجاد کنید

1. اگر قبلاً این کار را نکرده اید، یک پروژه Firebase ایجاد کنید.
   1. در کنسول Firebase ، روی افزودن پروژه کلیک کنید، سپس دستورالعمل‌های روی صفحه را دنبال کنید.
2. به بخش Data Connect کنسول Firebase بروید و گردش کار راه اندازی محصول را دنبال کنید.

3. پروژه خود را به پلان Blaze ارتقا دهید. این به شما امکان می دهد یک Cloud SQL برای نمونه PostgreSQL ایجاد کنید.

   توجه: اگرچه صورت‌حساب را در ارتقاء Blaze تنظیم کرده‌اید، برای استفاده از Data Connect یا Cloud SQL پیش‌فرض برای پیکربندی PostgreSQL در طول پیش‌نمایش هزینه‌ای از شما دریافت نمی‌شود.

4. مکانی را برای پایگاه داده CloudSQL برای PostgreSQL خود انتخاب کنید.

5. برای تأیید بعداً به نام و شناسه پروژه، سرویس و پایگاه داده توجه کنید.

6. جریان راه‌اندازی باقی‌مانده را دنبال کنید و روی Done کلیک کنید.

   توجه: ممکن است تا 15 دقیقه طول بکشد تا تهیه Cloud SQL شما برای نمونه PostgreSQL به پایان برسد. می‌توانید تأیید کنید که جریان راه‌اندازی Data Connect ، از جمله تهیه پایگاه داده، با استفاده از کنسول Google Cloud کامل است.

یک جریان توسعه را انتخاب کنید

Data Connect دو راه را برای نصب ابزارهای توسعه به شما ارائه می دهد.

نصب خودکار (macOS یا Linux) نصب دستی (ویندوز)

محیط توسعه را تنظیم کنید

1. یک دایرکتوری جدید برای پروژه محلی خود ایجاد کنید.

2. دستور زیر را در دایرکتوری جدیدی که ایجاد کردید اجرا کنید.

     curl -sL https://firebase.tools/dataconnect | bash

   این اسکریپت سعی می کند محیط توسعه را برای شما تنظیم کند و یک IDE مبتنی بر مرورگر راه اندازی کند. این IDE ابزارهایی از جمله یک پسوند کد VS از پیش همراه را ارائه می دهد تا به شما کمک کند طرحواره خود را مدیریت کنید و پرس و جوها و جهش هایی را برای استفاده در برنامه خود تعریف کنید و SDK هایی با تایپ قوی ایجاد کنید.

   توجه: اگر نسخه دسکتاپ VS Code را از قبل نصب کرده اید، اسکریپت آن را به طور خودکار باز می کند.
   توجه: اگر اسکریپت ناموفق بود، از مراحل نصب دستی استفاده کنید.

نکته: در صورت تمایل، می‌توانید با اضافه کردن خط زیر به نمایه پوسته خود، یک نام مستعار تنظیم کنید (به عنوان مثال ~/.zshrc یا ~/.bash_profile ). این به شما امکان می‌دهد تا ابزار را به صورت محلی ارتقا دهید یا با تایپ dataconnect IDE مبتنی بر مرورگر را مجدداً راه‌اندازی کنید.

alias dataconnect='curl -sL https://firebase.tools/dataconnect | bash'

دایرکتوری پروژه خود را تنظیم کنید

برای راه اندازی پروژه محلی خود، دایرکتوری پروژه خود را مقداردهی اولیه کنید. در پنجره IDE، در پانل سمت چپ، روی نماد Firebase کلیک کنید تا رابط کاربری افزونه Data Connect VS Code باز شود:

1. روی دکمه Sign in with Google کلیک کنید.
2. روی دکمه Connect a Firebase project کلیک کنید و پروژه ای را که قبلا در کنسول ایجاد کردید انتخاب کنید.
3. روی دکمه Run firebase init کلیک کنید و جریان را کامل کنید.

4. روی دکمه Start emulators کلیک کنید.

   توجه: در ترمینال یکپارچه، بررسی کنید که شبیه سازهای پیکربندی شده شما راه اندازی شوند. هنگامی که آنها اجرا می شوند، باید به روز رسانی رابط کاربری افزونه خود را با جزئیات شبیه ساز ببینید.

یک طرحواره ایجاد کنید

در فهرست پروژه Firebase، در فایل /dataconnect/schema/schema.gql ، شروع به تعریف یک طرح GraphQL کنید که شامل فیلم‌ها می‌شود.

فیلم

در Data Connect ، فیلدهای GraphQL به ستون‌ها نگاشت می‌شوند. نوع Movie دارای id , title , imageUrl و genre است . Data Connect انواع داده های اولیه String و UUID را تشخیص می دهد.

قطعه زیر را کپی کنید یا خطوط مربوطه را در فایل از نظر خارج کنید.

# File `/dataconnect/schema/schema.gql`

# By default, a UUID id key will be created by default as primary key.
type Movie @table {
  id: UUID! @default(expr: "uuidV4()")
  title: String!
  imageUrl: String!
  genre: String
}

MovieMetadata

اکنون که فیلم دارید، می توانید ابرداده فیلم را مدل کنید.

قطعه زیر را کپی کنید یا خطوط مربوطه را در فایل از نظر خارج کنید.

# Movie - MovieMetadata is a one-to-one relationship
type MovieMetadata @table {
  # This time, we omit adding a primary key because
  # you can rely on Data Connect to manage it.

  # @unique indicates a 1-1 relationship
  movie: Movie! @unique
  # movieId: UUID <- this is created by the above reference
  rating: Float
  releaseYear: Int
  description: String
}

توجه داشته باشید که فیلد movie به نوعی از Movie نگاشت شده است. Data Connect می داند که این رابطه بین Movie و MovieMetadata است و این رابطه را برای شما مدیریت می کند.

درباره طرحواره های Data Connect در مستندات بیشتر بیاموزید

طرحواره خود را در تولید مستقر کنید

قبل از ادامه، باید طرحواره خود را مستقر کنید.

توجه: تهیه Cloud SQL شما برای نمونه PostgreSQL می تواند تا 15 دقیقه طول بکشد. تا زمانی که نمونه شما آماده نشود، نمی‌توانید آن را مستقر کنید. قبل از استقرار طرح خود، تأیید کنید که جریان تنظیم Data Connect ، از جمله تهیه پایگاه داده، با استفاده از کنسول Google Cloud کامل شده است.

در رابط کاربری افزونه، در پانل Firebase Data Connect ، روی Deploy to production کلیک کنید.

پس از استقرار طرح خود در پایگاه داده تولید خود، باید بتوانید طرح را در کنسول Firebase مشاهده کنید.

داده ها را به جداول خود اضافه کنید

در پانل ویرایشگر IDE، می‌توانید مشاهده کنید که دکمه‌های CodeLens روی انواع GraphQL در /dataconnect/schema/schema.gql ظاهر می‌شوند. از آنجایی که شما طرحواره خود را برای تولید مستقر کرده اید، می توانید از دکمه های Add data و Run (Production) برای افزودن داده به پایگاه داده خود در باطن استفاده کنید.

برای افزودن رکوردها به جدول Movie :

1. در schema.gql ، روی دکمه افزودن داده در بالای اعلان نوع Movie کلیک کنید.
   
2. در فایل Movie_insert.gql که تولید می‌شود، داده‌های کد سخت برای چهار فیلد وجود دارد.
3. روی دکمه Run (Production) کلیک کنید.
   
4. مراحل قبلی را تکرار کنید تا یک رکورد به جدول MovieMetadata اضافه کنید، همانطور که در جهش MovieMetadata_insert ایجاد شده، id فیلم خود را در قسمت movieId ارائه کنید.

برای تأیید سریع داده ها اضافه شد:

1. به schema.gql برگردید، روی دکمه Read data بالای اعلان نوع Movie کلیک کنید.
2. در فایل Movie_read.gql به دست آمده، روی دکمه Run (Production) کلیک کنید تا کوئری اجرا شود.

درباره جهش های Data Connect در مستندات بیشتر بیاموزید

سوال خود را تعریف کنید

در حال حاضر بخش سرگرم کننده، نمایش داده شد. به‌عنوان یک توسعه‌دهنده، شما به نوشتن پرس‌و‌جوهای SQL به جای پرس‌وجوهای GraphQL عادت دارید، بنابراین در ابتدا کمی متفاوت به نظر می‌رسد. با این حال، GraphQL بسیار مختصرتر و ایمن تر از SQL خام است. و برنامه افزودنی VS Code ما تجربه توسعه را آسان می کند.

ویرایش فایل /dataconnect/connector/queries.gql را شروع کنید. اگر می‌خواهید همه فیلم‌ها را دریافت کنید، از یک پرس و جو مانند این استفاده کنید.

# File `/dataconnect/connector/queries.gql`

# @auth() directives control who can call each operation.
# Anyone should be able to list all movies, so the auth level
# is set to PUBLIC
query ListMovies @auth(level: PUBLIC) {
  movies {
    id
    title
    imageUrl
    genre
  }
}

پرس و جو را با استفاده از دکمه CodeLens نزدیک اجرا کنید.

نکته: می‌توانید از Gemini در Firebase برای کمک به ایجاد و آزمایش کوئری‌های GraphQL در کنسول Firebase استفاده کنید. در استفاده از کمک هوش مصنوعی برای پرسش‌ها و جهش‌ها بیشتر بیاموزید.

درباره پرسش‌های Data Connect در مستندات بیشتر بیاموزید

SDK ها را تولید کنید و از آنها در برنامه خود استفاده کنید

1. روی دکمه افزودن SDK به برنامه کلیک کنید.

2. در گفتگوی ظاهر شده، دایرکتوری حاوی کد برنامه خود را انتخاب کنید. کد SDK Data Connect در آنجا تولید و ذخیره خواهد شد.

   توجه: اگر هنوز فهرست برنامه ندارید، می‌توانید فعلاً یک فهرست راهنمای جدید برای کد SDK ایجاد و انتخاب کنید و بعداً آن را به برنامه خود پیوند دهید.

3. پلت فرم برنامه خود را انتخاب کنید، سپس توجه داشته باشید که کد SDK بلافاصله در فهرست انتخابی شما ایجاد می شود.

بیاموزید که چگونه از SDK تولید شده برای فراخوانی درخواست‌ها و جهش‌های برنامه‌های مشتری ( وب ، Android ، iOS ، Flutter ) استفاده کنید.

طرح و پرس و جو خود را در تولید مستقر کنید

شما از طریق یک تکرار توسعه کار کرده اید. اکنون می‌توانید طرح، داده‌ها و درخواست‌های خود را با رابط کاربری افزونه Firebase یا Firebase CLI روی سرور مستقر کنید، دقیقاً همانطور که با طرحواره خود انجام دادید.

در پنجره IDE، در VS Code Extension UI، روی دکمه Deploy to production کلیک کنید.

پس از استقرار، به کنسول Firebase بروید تا بررسی کنید که طرحواره، عملیات و داده‌ها در فضای ابری آپلود شده‌اند. شما باید بتوانید طرحواره را مشاهده کنید و عملیات خود را روی کنسول نیز اجرا کنید. Cloud SQL برای نمونه PostgreSQL با طرح و داده های تولید شده نهایی مستقر شده خود به روز می شود.

درباره استفاده از شبیه ساز Data Connect در مستندات بیشتر بیاموزید

مراحل بعدی

پروژه مستقر خود را مرور کنید و ابزارهای بیشتری را کشف کنید:

• داده ها را به پایگاه داده خود اضافه کنید، طرحواره های خود را بررسی و اصلاح کنید، و سرویس Data Connect خود را در کنسول Firebase نظارت کنید. به اطلاعات بیشتر در اسناد دسترسی پیدا کنید. به عنوان مثال، از آنجایی که شروع سریع را کامل کرده اید:

• درباره طرحواره، پرس و جو و توسعه جهش بیشتر بیاموزید

• درباره ایجاد SDK های مشتری و درخواست های تماس و جهش از کد مشتری برای وب ، Android ، iOS و Flutter بیاموزید.

،

توجه: Firebase Data Connect در پیش‌نمایش عمومی است. Data Connect تابع «شرایط پیشنهادات قبل از GA» در بخش «شرایط خاص سرویس» شرایط خدمات Google Cloud Platform خواهد بود. ویژگی‌های Pre-GA «همانطور که هست» در دسترس هستند و ممکن است پشتیبانی محدودی داشته باشند. برای اطلاعات بیشتر، به توضیحات مرحله راه اندازی مراجعه کنید.

توجه: اگر می‌خواهید Data Connect به یکی از پروژه‌های Firebase خود در طرح Blaze اضافه کنید، یک سرویس Data Connect ایجاد کنید و یک پایگاه داده Cloud SQL برای نمونه‌سازی اولیه خود تهیه کنید، این راهنمای شروع سریع را دنبال کنید. اگر ترجیح می دهید از طرح Spark و نمونه اولیه به صورت محلی با یک شبیه ساز و پایگاه داده محلی استفاده کنید ، برای شروع توسعه محلی را امتحان کنید.

در این شروع سریع، یاد خواهید گرفت که چگونه Firebase Data Connect در برنامه خود با یک نمونه تولیدی SQL ایجاد کنید. شما:

• Firebase Data Connect به پروژه Firebase خود اضافه کنید.
• یک نمونه Cloud SQL برای برنامه خود تهیه کنید.
• یک محیط توسعه شامل پسوند Visual Studio Code برای کار با یک نمونه تولید راه اندازی کنید.
• سپس به شما نشان خواهیم داد که چگونه:
  • یک طرحواره برای یک برنامه فیلم ایجاد کنید
  • پرس و جوها و جهش هایی را که در برنامه شما استفاده می شود را تعریف کنید
  • پرس و جوها و جهش های خود را با داده های نمونه آزمایش کنید
  • SDKهایی با تایپ قوی ایجاد کنید و از آنها در برنامه خود استفاده کنید
  • طرح نهایی، پرس و جوها و داده های خود را در فضای ابری مستقر کنید .

یک مخزن برنامه شروع سریع پیدا کنید و با دنبال کردن کدهای ما برای وب، یک برنامه Data Connect با ویژگی های کامل بسازید. Codelabs برای اندروید و iOS به زودی عرضه می شود.

یک پروژه Firebase و پایگاه داده Cloud SQL ایجاد کنید

1. اگر قبلاً این کار را نکرده اید، یک پروژه Firebase ایجاد کنید.
   1. در کنسول Firebase ، روی افزودن پروژه کلیک کنید، سپس دستورالعمل‌های روی صفحه را دنبال کنید.
2. به بخش Data Connect کنسول Firebase بروید و گردش کار راه اندازی محصول را دنبال کنید.

3. پروژه خود را به پلان Blaze ارتقا دهید. این به شما امکان می دهد یک Cloud SQL برای نمونه PostgreSQL ایجاد کنید.

   توجه: اگرچه صورت‌حساب را در ارتقاء Blaze تنظیم کرده‌اید، برای استفاده از Data Connect یا Cloud SQL پیش‌فرض برای پیکربندی PostgreSQL در طول پیش‌نمایش هزینه‌ای از شما دریافت نمی‌شود.

4. مکانی را برای پایگاه داده CloudSQL برای PostgreSQL خود انتخاب کنید.

5. برای تأیید بعداً به نام و شناسه پروژه، سرویس و پایگاه داده توجه کنید.

6. جریان راه‌اندازی باقی‌مانده را دنبال کنید و روی Done کلیک کنید.

   توجه: ممکن است تا 15 دقیقه طول بکشد تا تهیه Cloud SQL شما برای نمونه PostgreSQL به پایان برسد. می‌توانید تأیید کنید که جریان راه‌اندازی Data Connect ، از جمله تهیه پایگاه داده، با استفاده از کنسول Google Cloud کامل است.

یک جریان توسعه را انتخاب کنید

Data Connect دو راه را برای نصب ابزارهای توسعه به شما ارائه می دهد.

نصب خودکار (macOS یا Linux) نصب دستی (ویندوز)

محیط توسعه را تنظیم کنید

1. یک دایرکتوری جدید برای پروژه محلی خود ایجاد کنید.

2. دستور زیر را در دایرکتوری جدیدی که ایجاد کردید اجرا کنید.

     curl -sL https://firebase.tools/dataconnect | bash

   این اسکریپت سعی می کند محیط توسعه را برای شما تنظیم کند و یک IDE مبتنی بر مرورگر راه اندازی کند. این IDE ابزارهایی از جمله یک پسوند کد VS از پیش همراه را ارائه می دهد تا به شما کمک کند طرحواره خود را مدیریت کنید و پرس و جوها و جهش هایی را برای استفاده در برنامه خود تعریف کنید و SDK هایی با تایپ قوی ایجاد کنید.

   توجه: اگر نسخه دسکتاپ VS Code را از قبل نصب کرده اید، اسکریپت آن را به طور خودکار باز می کند.
   توجه: اگر اسکریپت ناموفق بود، از مراحل نصب دستی استفاده کنید.

نکته: در صورت تمایل، می‌توانید با اضافه کردن خط زیر به نمایه پوسته خود، یک نام مستعار تنظیم کنید (به عنوان مثال ~/.zshrc یا ~/.bash_profile ). این به شما امکان می‌دهد تا ابزار را به صورت محلی ارتقا دهید یا با تایپ dataconnect IDE مبتنی بر مرورگر را مجدداً راه‌اندازی کنید.

alias dataconnect='curl -sL https://firebase.tools/dataconnect | bash'

دایرکتوری پروژه خود را تنظیم کنید

برای راه اندازی پروژه محلی خود، دایرکتوری پروژه خود را مقداردهی اولیه کنید. در پنجره IDE، در پانل سمت چپ، روی نماد Firebase کلیک کنید تا رابط کاربری افزونه Data Connect VS Code باز شود:

1. روی دکمه Sign in with Google کلیک کنید.
2. روی دکمه Connect a Firebase project کلیک کنید و پروژه ای را که قبلا در کنسول ایجاد کردید انتخاب کنید.
3. روی دکمه Run firebase init کلیک کنید و جریان را کامل کنید.

4. روی دکمه Start emulators کلیک کنید.

   توجه: در ترمینال یکپارچه، بررسی کنید که شبیه سازهای پیکربندی شده شما راه اندازی شوند. هنگامی که آنها اجرا می شوند، باید به روز رسانی رابط کاربری افزونه خود را با جزئیات شبیه ساز ببینید.

یک طرحواره ایجاد کنید

در فهرست پروژه Firebase، در فایل /dataconnect/schema/schema.gql ، شروع به تعریف یک طرح GraphQL کنید که شامل فیلم‌ها می‌شود.

فیلم

در Data Connect ، فیلدهای GraphQL به ستون‌ها نگاشت می‌شوند. نوع Movie دارای id , title , imageUrl و genre است . Data Connect انواع داده های اولیه String و UUID را تشخیص می دهد.

قطعه زیر را کپی کنید یا خطوط مربوطه را در فایل از نظر خارج کنید.

# File `/dataconnect/schema/schema.gql`

# By default, a UUID id key will be created by default as primary key.
type Movie @table {
  id: UUID! @default(expr: "uuidV4()")
  title: String!
  imageUrl: String!
  genre: String
}

MovieMetadata

اکنون که فیلم دارید، می توانید ابرداده فیلم را مدل کنید.

قطعه زیر را کپی کنید یا خطوط مربوطه را در فایل از نظر خارج کنید.

# Movie - MovieMetadata is a one-to-one relationship
type MovieMetadata @table {
  # This time, we omit adding a primary key because
  # you can rely on Data Connect to manage it.

  # @unique indicates a 1-1 relationship
  movie: Movie! @unique
  # movieId: UUID <- this is created by the above reference
  rating: Float
  releaseYear: Int
  description: String
}

توجه داشته باشید که فیلد movie به نوعی از Movie نگاشت شده است. Data Connect می داند که این رابطه بین Movie و MovieMetadata است و این رابطه را برای شما مدیریت می کند.

درباره طرحواره های Data Connect در مستندات بیشتر بیاموزید

طرحواره خود را در تولید مستقر کنید

قبل از ادامه، باید طرحواره خود را مستقر کنید.

توجه: تهیه Cloud SQL شما برای نمونه PostgreSQL می تواند تا 15 دقیقه طول بکشد. تا زمانی که نمونه شما آماده نشود، نمی‌توانید آن را مستقر کنید. قبل از استقرار طرح خود، تأیید کنید که جریان تنظیم Data Connect ، از جمله تهیه پایگاه داده، با استفاده از کنسول Google Cloud کامل شده است.

در رابط کاربری افزونه، در پانل Firebase Data Connect ، روی Deploy to production کلیک کنید.

پس از استقرار طرح خود در پایگاه داده تولید خود، باید بتوانید طرح را در کنسول Firebase مشاهده کنید.

داده ها را به جداول خود اضافه کنید

در پانل ویرایشگر IDE، می‌توانید مشاهده کنید که دکمه‌های CodeLens روی انواع GraphQL در /dataconnect/schema/schema.gql ظاهر می‌شوند. از آنجایی که شما طرحواره خود را برای تولید مستقر کرده اید، می توانید از دکمه های Add data و Run (Production) برای افزودن داده به پایگاه داده خود در باطن استفاده کنید.

برای افزودن رکوردها به جدول Movie :

1. در schema.gql ، روی دکمه افزودن داده در بالای اعلان نوع Movie کلیک کنید.
   
2. در فایل Movie_insert.gql که تولید می‌شود، داده‌های کد سخت برای چهار فیلد وجود دارد.
3. روی دکمه Run (Production) کلیک کنید.
   
4. مراحل قبلی را تکرار کنید تا یک رکورد به جدول MovieMetadata اضافه کنید، همانطور که در جهش MovieMetadata_insert ایجاد شده، id فیلم خود را در قسمت movieId ارائه کنید.

برای تأیید سریع داده ها اضافه شد:

1. به schema.gql برگردید، روی دکمه Read data بالای اعلان نوع Movie کلیک کنید.
2. در فایل Movie_read.gql به دست آمده، روی دکمه Run (Production) کلیک کنید تا کوئری اجرا شود.

درباره جهش های Data Connect در مستندات بیشتر بیاموزید

سوال خود را تعریف کنید

در حال حاضر بخش سرگرم کننده، نمایش داده شد. به‌عنوان یک توسعه‌دهنده، شما به نوشتن پرس‌و‌جوهای SQL به جای پرس‌وجوهای GraphQL عادت دارید، بنابراین در ابتدا کمی متفاوت به نظر می‌رسد. با این حال، GraphQL بسیار مختصرتر و ایمن تر از SQL خام است. و برنامه افزودنی VS Code ما تجربه توسعه را آسان می کند.

ویرایش فایل /dataconnect/connector/queries.gql را شروع کنید. اگر می‌خواهید همه فیلم‌ها را دریافت کنید، از یک پرس و جو مانند این استفاده کنید.

# File `/dataconnect/connector/queries.gql`

# @auth() directives control who can call each operation.
# Anyone should be able to list all movies, so the auth level
# is set to PUBLIC
query ListMovies @auth(level: PUBLIC) {
  movies {
    id
    title
    imageUrl
    genre
  }
}

پرس و جو را با استفاده از دکمه CodeLens نزدیک اجرا کنید.

نکته: می‌توانید از Gemini در Firebase برای کمک به ایجاد و آزمایش کوئری‌های GraphQL در کنسول Firebase استفاده کنید. در استفاده از کمک هوش مصنوعی برای پرسش‌ها و جهش‌ها بیشتر بیاموزید.

درباره پرسش‌های Data Connect در مستندات بیشتر بیاموزید

SDK ها را تولید کنید و از آنها در برنامه خود استفاده کنید

1. روی دکمه افزودن SDK به برنامه کلیک کنید.

2. در گفتگوی ظاهر شده، دایرکتوری حاوی کد برنامه خود را انتخاب کنید. کد SDK Data Connect در آنجا تولید و ذخیره خواهد شد.

   توجه: اگر هنوز فهرست برنامه ندارید، می‌توانید فعلاً یک فهرست راهنمای جدید برای کد SDK ایجاد و انتخاب کنید و بعداً آن را به برنامه خود پیوند دهید.

3. پلت فرم برنامه خود را انتخاب کنید، سپس توجه داشته باشید که کد SDK بلافاصله در فهرست انتخابی شما ایجاد می شود.

بیاموزید که چگونه از SDK تولید شده برای فراخوانی درخواست‌ها و جهش‌های برنامه‌های مشتری ( وب ، Android ، iOS ، Flutter ) استفاده کنید.

طرح و پرس و جو خود را در تولید مستقر کنید

شما از طریق یک تکرار توسعه کار کرده اید. اکنون می‌توانید طرح، داده‌ها و درخواست‌های خود را با رابط کاربری افزونه Firebase یا Firebase CLI روی سرور مستقر کنید، دقیقاً همانطور که با طرحواره خود انجام دادید.

در پنجره IDE، در VS Code Extension UI، روی دکمه Deploy to production کلیک کنید.

پس از استقرار، به کنسول Firebase بروید تا بررسی کنید که طرحواره، عملیات و داده‌ها در فضای ابری آپلود شده‌اند. شما باید بتوانید طرحواره را مشاهده کنید و عملیات خود را روی کنسول نیز اجرا کنید. Cloud SQL برای نمونه PostgreSQL با طرح و داده های تولید شده نهایی مستقر شده خود به روز می شود.

درباره استفاده از شبیه ساز Data Connect در مستندات بیشتر بیاموزید

مراحل بعدی

پروژه مستقر خود را مرور کنید و ابزارهای بیشتری را کشف کنید:

• داده ها را به پایگاه داده خود اضافه کنید، طرحواره های خود را بررسی و اصلاح کنید، و سرویس Data Connect خود را در کنسول Firebase نظارت کنید. به اطلاعات بیشتر در اسناد دسترسی پیدا کنید. به عنوان مثال، از آنجایی که شروع سریع را کامل کرده اید:

• درباره طرحواره، پرس و جو و توسعه جهش بیشتر بیاموزید

• درباره ایجاد SDK های مشتری و درخواست های تماس و جهش از کد مشتری برای وب ، Android ، iOS و Flutter بیاموزید.

،

توجه: Firebase Data Connect در پیش‌نمایش عمومی است. Data Connect تابع «شرایط پیشنهادات قبل از GA» در بخش «شرایط خاص سرویس» شرایط خدمات Google Cloud Platform خواهد بود. ویژگی‌های Pre-GA «همانطور که هست» در دسترس هستند و ممکن است پشتیبانی محدودی داشته باشند. برای اطلاعات بیشتر، به توضیحات مرحله راه اندازی مراجعه کنید.

توجه: اگر می‌خواهید Data Connect به یکی از پروژه‌های Firebase خود در طرح Blaze اضافه کنید، یک سرویس Data Connect ایجاد کنید و یک پایگاه داده Cloud SQL برای نمونه‌سازی اولیه خود تهیه کنید، این راهنمای شروع سریع را دنبال کنید. اگر ترجیح می دهید از طرح Spark و نمونه اولیه به صورت محلی با یک شبیه ساز و پایگاه داده محلی استفاده کنید ، برای شروع توسعه محلی را امتحان کنید.

در این شروع سریع، یاد خواهید گرفت که چگونه Firebase Data Connect در برنامه خود با یک نمونه تولیدی SQL ایجاد کنید. شما:

• Firebase Data Connect به پروژه Firebase خود اضافه کنید.
• یک نمونه Cloud SQL برای برنامه خود تهیه کنید.
• یک محیط توسعه شامل پسوند Visual Studio Code برای کار با یک نمونه تولید راه اندازی کنید.
• سپس به شما نشان خواهیم داد که چگونه:
  • یک طرحواره برای یک برنامه فیلم ایجاد کنید
  • پرس و جوها و جهش هایی را که در برنامه شما استفاده می شود را تعریف کنید
  • پرس و جوها و جهش های خود را با داده های نمونه آزمایش کنید
  • SDKهایی با تایپ قوی ایجاد کنید و از آنها در برنامه خود استفاده کنید
  • طرح نهایی، پرس و جوها و داده های خود را در فضای ابری مستقر کنید .

یک مخزن برنامه شروع سریع پیدا کنید و با دنبال کردن کدهای ما برای وب، یک برنامه Data Connect با ویژگی های کامل بسازید. Codelabs برای اندروید و iOS به زودی عرضه می شود.

یک پروژه Firebase و پایگاه داده Cloud SQL ایجاد کنید

1. اگر قبلاً این کار را نکرده اید، یک پروژه Firebase ایجاد کنید.
   1. در کنسول Firebase ، روی افزودن پروژه کلیک کنید، سپس دستورالعمل‌های روی صفحه را دنبال کنید.
2. به بخش Data Connect کنسول Firebase بروید و گردش کار راه اندازی محصول را دنبال کنید.

3. پروژه خود را به پلان Blaze ارتقا دهید. این به شما امکان می دهد یک Cloud SQL برای نمونه PostgreSQL ایجاد کنید.

   توجه: اگرچه صورت‌حساب را در ارتقاء Blaze تنظیم کرده‌اید، برای استفاده از Data Connect یا Cloud SQL پیش‌فرض برای پیکربندی PostgreSQL در طول پیش‌نمایش هزینه‌ای از شما دریافت نمی‌شود.

4. مکانی را برای پایگاه داده CloudSQL برای PostgreSQL خود انتخاب کنید.

5. برای تأیید بعداً به نام و شناسه پروژه، سرویس و پایگاه داده توجه کنید.

6. جریان راه‌اندازی باقی‌مانده را دنبال کنید و روی Done کلیک کنید.

   توجه: ممکن است تا 15 دقیقه طول بکشد تا تهیه Cloud SQL شما برای نمونه PostgreSQL به پایان برسد. می‌توانید تأیید کنید که جریان راه‌اندازی Data Connect ، از جمله تهیه پایگاه داده، با استفاده از کنسول Google Cloud کامل است.

یک جریان توسعه را انتخاب کنید

Data Connect دو راه را برای نصب ابزارهای توسعه به شما ارائه می دهد.

نصب خودکار (macOS یا Linux) نصب دستی (ویندوز)

محیط توسعه را تنظیم کنید

1. یک دایرکتوری جدید برای پروژه محلی خود ایجاد کنید.

2. دستور زیر را در دایرکتوری جدیدی که ایجاد کردید اجرا کنید.

     curl -sL https://firebase.tools/dataconnect | bash

   این اسکریپت سعی می کند محیط توسعه را برای شما تنظیم کند و یک IDE مبتنی بر مرورگر راه اندازی کند. این IDE ابزارهایی از جمله یک پسوند کد VS از پیش همراه را ارائه می دهد تا به شما کمک کند طرحواره خود را مدیریت کنید و پرس و جوها و جهش هایی را برای استفاده در برنامه خود تعریف کنید و SDK هایی با تایپ قوی ایجاد کنید.

   توجه: اگر نسخه دسکتاپ VS Code را از قبل نصب کرده اید، اسکریپت آن را به طور خودکار باز می کند.
   توجه: اگر اسکریپت ناموفق بود، از مراحل نصب دستی استفاده کنید.

نکته: در صورت تمایل، می‌توانید با اضافه کردن خط زیر به نمایه پوسته خود، یک نام مستعار تنظیم کنید (به عنوان مثال ~/.zshrc یا ~/.bash_profile ). این به شما امکان می‌دهد تا ابزار را به صورت محلی ارتقا دهید یا با تایپ dataconnect IDE مبتنی بر مرورگر را مجدداً راه‌اندازی کنید.

alias dataconnect='curl -sL https://firebase.tools/dataconnect | bash'

دایرکتوری پروژه خود را تنظیم کنید

برای راه اندازی پروژه محلی خود، دایرکتوری پروژه خود را مقداردهی اولیه کنید. در پنجره IDE، در پانل سمت چپ، روی نماد Firebase کلیک کنید تا رابط کاربری افزونه Data Connect VS Code باز شود:

1. روی دکمه Sign in with Google کلیک کنید.
2. روی دکمه Connect a Firebase project کلیک کنید و پروژه ای را که قبلا در کنسول ایجاد کردید انتخاب کنید.
3. روی دکمه Run firebase init کلیک کنید و جریان را کامل کنید.

4. روی دکمه Start emulators کلیک کنید.

   توجه: در ترمینال یکپارچه، بررسی کنید که شبیه سازهای پیکربندی شده شما راه اندازی شوند. هنگامی که آنها اجرا می شوند، باید به روز رسانی رابط کاربری افزونه خود را با جزئیات شبیه ساز ببینید.

یک طرحواره ایجاد کنید

در فهرست پروژه Firebase، در فایل /dataconnect/schema/schema.gql ، شروع به تعریف یک طرح GraphQL کنید که شامل فیلم‌ها می‌شود.

فیلم

در Data Connect ، فیلدهای GraphQL به ستون‌ها نگاشت می‌شوند. نوع Movie دارای id , title , imageUrl و genre است . Data Connect انواع داده های اولیه String و UUID را تشخیص می دهد.

قطعه زیر را کپی کنید یا خطوط مربوطه را در فایل از نظر خارج کنید.

# File `/dataconnect/schema/schema.gql`

# By default, a UUID id key will be created by default as primary key.
type Movie @table {
  id: UUID! @default(expr: "uuidV4()")
  title: String!
  imageUrl: String!
  genre: String
}

MovieMetadata

اکنون که فیلم دارید، می توانید ابرداده فیلم را مدل کنید.

قطعه زیر را کپی کنید یا خطوط مربوطه را در فایل از نظر خارج کنید.

# Movie - MovieMetadata is a one-to-one relationship
type MovieMetadata @table {
  # This time, we omit adding a primary key because
  # you can rely on Data Connect to manage it.

  # @unique indicates a 1-1 relationship
  movie: Movie! @unique
  # movieId: UUID <- this is created by the above reference
  rating: Float
  releaseYear: Int
  description: String
}

توجه داشته باشید که فیلد movie به نوعی از Movie نگاشت شده است. Data Connect می داند که این رابطه بین Movie و MovieMetadata است و این رابطه را برای شما مدیریت می کند.

درباره طرحواره های Data Connect در مستندات بیشتر بیاموزید

طرحواره خود را در تولید مستقر کنید

قبل از ادامه، باید طرحواره خود را مستقر کنید.

توجه: تهیه Cloud SQL شما برای نمونه PostgreSQL می تواند تا 15 دقیقه طول بکشد. تا زمانی که نمونه شما آماده نشود، نمی‌توانید آن را مستقر کنید. قبل از استقرار طرح خود، تأیید کنید که جریان تنظیم Data Connect ، از جمله تهیه پایگاه داده، با استفاده از کنسول Google Cloud کامل شده است.

در رابط کاربری افزونه، در پانل Firebase Data Connect ، روی Deploy to production کلیک کنید.

پس از استقرار طرح خود در پایگاه داده تولید خود، باید بتوانید طرح را در کنسول Firebase مشاهده کنید.

داده ها را به جداول خود اضافه کنید

در پانل ویرایشگر IDE، می‌توانید مشاهده کنید که دکمه‌های CodeLens روی انواع GraphQL در /dataconnect/schema/schema.gql ظاهر می‌شوند. از آنجایی که شما طرحواره خود را برای تولید مستقر کرده اید، می توانید از دکمه های Add data و Run (Production) برای افزودن داده به پایگاه داده خود در باطن استفاده کنید.

برای افزودن رکوردها به جدول Movie :

1. در schema.gql ، روی دکمه افزودن داده در بالای اعلان نوع Movie کلیک کنید.
   
2. در فایل Movie_insert.gql که تولید می‌شود، داده‌های کد سخت برای چهار فیلد وجود دارد.
3. روی دکمه Run (Production) کلیک کنید.
   
4. مراحل قبلی را تکرار کنید تا یک رکورد به جدول MovieMetadata اضافه کنید، همانطور که در جهش MovieMetadata_insert ایجاد شده، id فیلم خود را در قسمت movieId ارائه کنید.

برای تأیید سریع داده ها اضافه شد:

1. به schema.gql برگردید، روی دکمه Read data بالای اعلان نوع Movie کلیک کنید.
2. در فایل Movie_read.gql به دست آمده، روی دکمه Run (Production) کلیک کنید تا کوئری اجرا شود.

درباره جهش های Data Connect در مستندات بیشتر بیاموزید

سوال خود را تعریف کنید

در حال حاضر بخش سرگرم کننده، نمایش داده شد. به‌عنوان یک توسعه‌دهنده، شما به نوشتن پرس‌و‌جوهای SQL به جای پرس‌وجوهای GraphQL عادت دارید، بنابراین در ابتدا کمی متفاوت به نظر می‌رسد. با این حال، GraphQL بسیار مختصرتر و ایمن تر از SQL خام است. و برنامه افزودنی VS Code ما تجربه توسعه را آسان می کند.

ویرایش فایل /dataconnect/connector/queries.gql را شروع کنید. اگر می‌خواهید همه فیلم‌ها را دریافت کنید، از یک پرس و جو مانند این استفاده کنید.

# File `/dataconnect/connector/queries.gql`

# @auth() directives control who can call each operation.
# Anyone should be able to list all movies, so the auth level
# is set to PUBLIC
query ListMovies @auth(level: PUBLIC) {
  movies {
    id
    title
    imageUrl
    genre
  }
}

پرس و جو را با استفاده از دکمه CodeLens نزدیک اجرا کنید.

نکته: می‌توانید از Gemini در Firebase برای کمک به ایجاد و آزمایش کوئری‌های GraphQL در کنسول Firebase استفاده کنید. در استفاده از کمک هوش مصنوعی برای پرسش‌ها و جهش‌ها بیشتر بیاموزید.

درباره پرسش‌های Data Connect در مستندات بیشتر بیاموزید

SDK ها را تولید کنید و از آنها در برنامه خود استفاده کنید

1. روی دکمه افزودن SDK به برنامه کلیک کنید.

2. در گفتگوی ظاهر شده، دایرکتوری حاوی کد برنامه خود را انتخاب کنید. کد SDK Data Connect در آنجا تولید و ذخیره خواهد شد.

   توجه: اگر هنوز فهرست برنامه ندارید، می‌توانید فعلاً یک فهرست راهنمای جدید برای کد SDK ایجاد و انتخاب کنید و بعداً آن را به برنامه خود پیوند دهید.

3. پلت فرم برنامه خود را انتخاب کنید، سپس توجه داشته باشید که کد SDK بلافاصله در فهرست انتخابی شما ایجاد می شود.

بیاموزید که چگونه از SDK تولید شده برای فراخوانی درخواست‌ها و جهش‌های برنامه‌های مشتری ( وب ، Android ، iOS ، Flutter ) استفاده کنید.

طرح و پرس و جو خود را در تولید مستقر کنید

شما از طریق یک تکرار توسعه کار کرده اید. اکنون می‌توانید طرح، داده‌ها و درخواست‌های خود را با رابط کاربری افزونه Firebase یا Firebase CLI روی سرور مستقر کنید، دقیقاً همانطور که با طرحواره خود انجام دادید.

در پنجره IDE، در VS Code Extension UI، روی دکمه Deploy to production کلیک کنید.

پس از استقرار، به کنسول Firebase بروید تا بررسی کنید که طرحواره، عملیات و داده‌ها در فضای ابری آپلود شده‌اند. شما باید بتوانید طرحواره را مشاهده کنید و عملیات خود را روی کنسول نیز اجرا کنید. Cloud SQL برای نمونه PostgreSQL با طرح و داده های تولید شده نهایی مستقر شده خود به روز می شود.

درباره استفاده از شبیه ساز Data Connect در مستندات بیشتر بیاموزید

مراحل بعدی

پروژه مستقر خود را مرور کنید و ابزارهای بیشتری را کشف کنید:

• داده ها را به پایگاه داده خود اضافه کنید، طرحواره های خود را بررسی و اصلاح کنید، و سرویس Data Connect خود را در کنسول Firebase نظارت کنید. به اطلاعات بیشتر در اسناد دسترسی پیدا کنید. به عنوان مثال، از آنجایی که شروع سریع را کامل کرده اید:

• درباره طرحواره، پرس و جو و توسعه جهش بیشتر بیاموزید

• درباره ایجاد SDK های مشتری و درخواست های تماس و جهش از کد مشتری برای وب ، Android ، iOS و Flutter بیاموزید.