arrow_back

将数据导入 Firestore 数据库

登录 加入
Quick tip: Review the prerequisites before you run the lab
Use an Incognito or private browser window to run this lab. This prevents any conflicts between your personal account and the student account, which may cause extra charges incurred to your personal account.
欢迎加入我们的社区，一起测试和分享您的知识！
done
学习 700 多个动手实验和课程并获得相关技能徽章

将数据导入 Firestore 数据库

实验 30 分钟 universal_currency_alt 1 个积分 show_chart 入门级
info 此实验可能会提供 AI 工具来支持您学习。
欢迎加入我们的社区，一起测试和分享您的知识！
done
学习 700 多个动手实验和课程并获得相关技能徽章

GSP642

Google Cloud 自学实验的徽标

Pet Theory 横幅

概览

12 年前，Lily 创办了 Pet Theory 连锁宠物医院。近几年来，Pet Theory 宠物医院的规模迅速扩张。然而，他们的旧版预约系统无法应对日益增加的客流量，因此 Lily 想让您帮忙构建一个扩缩性优于旧版解决方案的云端系统。

Pet Theory 的运维团队只有 Patrick 一个人，因此需要一种无需持续进行大量维护工作的解决方案。该团队决定采用无服务器技术。

Pet Theory 聘请 Ruby 担任顾问，帮助他们改用无服务器技术。比较了几个无服务器数据库方案之后，该团队决定采用 Cloud Firestore。由于 Firestore 采用无服务器设计，因此无需提前配置容量，这意味着不存在存储空间不足或操作限制的风险。Firestore 通过实时监听器使您的数据在各个客户端应用之间保持同步，并为移动和 Web 客户端提供离线支持，可帮助您构建快速响应的应用，而无论网络延迟时间或互联网连接状况如何。

在此实验中，您需要帮助 Patrick 将 Pet Theory 的现有数据上传到 Cloud Firestore 数据库。他将与 Ruby 密切合作以实现这一目标。

架构

下图概述了您将使用的服务，以及这些服务之间的关系：

迁移到 Firestore 数据库架构的示意图

目标

在本实验中，您将学习如何完成以下操作：

  • 在 Google Cloud 中设置 Firestore。
  • 编写数据库导入代码。
  • 生成一系列用于测试的客户数据。
  • 将用于测试的客户数据导入 Firestore。

前提条件

本实验是入门级实验。假设您熟悉 Cloud 控制台和 shell 环境。如果之前使用过 Firebase 会有所帮助，但这不是硬性要求。

您还应该能够自如地修改文件。您可以使用自己惯用的文本编辑器（如 nano、vi 等），也可以从 Cloud Shell 顶部的功能区启动代码编辑器：

“打开编辑器”按钮

准备就绪后，请向下滚动页面，并按下方步骤设置实验环境。

设置和要求

点击“开始实验”按钮前的注意事项

请阅读以下说明。实验是计时的，并且您无法暂停实验。计时器在您点击开始实验后即开始计时，显示 Google Cloud 资源可供您使用多长时间。

此实操实验可让您在真实的云环境中开展实验活动，免受模拟或演示环境的局限。我们会为您提供新的临时凭据，让您可以在实验规定的时间内用来登录和访问 Google Cloud。

为完成此实验，您需要：

  • 能够使用标准的互联网浏览器（建议使用 Chrome 浏览器）。
注意：请使用无痕模式或无痕浏览器窗口运行此实验。这可以避免您的个人账号与学生账号之间发生冲突，这种冲突可能导致您的个人账号产生额外费用。
  • 完成实验的时间 - 请注意，实验开始后无法暂停。
注意：如果您已有自己的个人 Google Cloud 账号或项目，请不要在此实验中使用，以避免您的账号产生额外的费用。

如何开始实验并登录 Google Cloud 控制台

  1. 点击开始实验按钮。如果该实验需要付费，系统会打开一个弹出式窗口供您选择付款方式。左侧是实验详细信息面板，其中包含以下各项：

    • 打开 Google Cloud 控制台按钮
    • 剩余时间
    • 进行该实验时必须使用的临时凭据
    • 帮助您逐步完成本实验所需的其他信息（如果需要）

  2. 点击打开 Google Cloud 控制台（如果您使用的是 Chrome 浏览器，请右键点击并选择在无痕式窗口中打开链接）。

    该实验会启动资源并打开另一个标签页，显示登录页面。

    提示：请将这些标签页安排在不同的窗口中，并将它们并排显示。

    注意：如果您看见选择账号对话框，请点击使用其他账号。

  3. 如有必要，请复制下方的用户名，然后将其粘贴到登录对话框中。

    {{{user_0.username | "<用户名>"}}}

    您也可以在实验详细信息面板中找到用户名。

  4. 点击下一步。

  5. 复制下面的密码，然后将其粘贴到欢迎对话框中。

    {{{user_0.password | "<密码>"}}}

    您也可以在实验详细信息面板中找到密码。

  6. 点击下一步。

    重要提示：您必须使用实验提供的凭据。请勿使用您的 Google Cloud 账号凭据。 注意：在本次实验中使用您自己的 Google Cloud 账号可能会产生额外费用。

  7. 继续在后续页面中点击以完成相应操作：

    • 接受条款及条件。
    • 由于该账号为临时账号，请勿添加账号恢复选项或双重验证。
    • 请勿注册免费试用。

片刻之后，系统会在此标签页中打开 Google Cloud 控制台。

注意：如需查看列有 Google Cloud 产品和服务的菜单，请点击左上角的导航菜单。 导航菜单图标

激活 Cloud Shell

Cloud Shell 是一种装有开发者工具的虚拟机。它提供了一个永久性的 5GB 主目录，并且在 Google Cloud 上运行。Cloud Shell 提供可用于访问您的 Google Cloud 资源的命令行工具。

  1. 点击 Google Cloud 控制台顶部的激活 Cloud Shell “激活 Cloud Shell”图标。

如果您连接成功，即表示您已通过身份验证，且当前项目会被设为您的 PROJECT_ID 环境变量所指的项目。输出内容中有一行说明了此会话的 PROJECT_ID：

Your Cloud Platform project in this session is set to YOUR_PROJECT_ID

gcloud 是 Google Cloud 的命令行工具。它已预先安装在 Cloud Shell 上，且支持 Tab 自动补全功能。

  1. （可选）您可以通过此命令列出活跃账号名称：
gcloud auth list

  1. 点击授权。

  2. 现在，输出的内容应如下所示：

输出：

ACTIVE: * ACCOUNT: student-01-xxxxxxxxxxxx@qwiklabs.net To set the active account, run: $ gcloud config set account `ACCOUNT`
  1. （可选）您可以通过此命令列出项目 ID：
gcloud config list project

输出：

[core] project = <project_ID>

输出示例：

[core] project = qwiklabs-gcp-44776a13dea667a6 Note: For full documentation of gcloud, in Google Cloud, refer to the gcloud CLI overview guide.

任务 1. 在 Google Cloud 中设置 Firestore

Patrick 的任务是将 Pet Theory 的现有数据上传到 Cloud Firestore 数据库。他将与 Ruby 密切合作以实现这一目标。Ruby 收到了 IT 管理员 Patrick 的电子邮件…

Patrick

IT 管理员 Patrick

Ruby，您好！

要采用无服务器技术，第一步是使用 Google Cloud 创建 Firestore 数据库。您能帮忙完成这项任务吗？我对这方面的设置不是很熟悉。

Patrick

Ruby

软件顾问 Ruby

Patrick，您好！

当然可以，我很乐意提供帮助。我会向您发送一些新手入门资源，您创建好数据库之后，我们再联系。

Ruby

帮助 Patrick 通过 Cloud 控制台设置 Firestore 数据库。

  1. 在 Cloud 控制台中，找到导航菜单，选择 Firestore。

  2. 点击 +创建数据库。

  3. 选择原生模式选项，然后点击继续。

注意：两种模式在强一致性方面的效果都很出色，但它们看起来不同，而且针对不同用途进行了优化。
  • 原生模式适用于让大量用户同时访问相同的数据（此外，它还具有实时更新等功能，而且可以在数据库与 Web/移动客户端之间建立直接连接）
  • Datastore 模式侧重于高吞吐量（能够应对大量读写操作）。
  1. 在区域下拉菜单中，选择 区域，然后点击创建数据库。

这项任务完成后，Ruby 给 Patrick 发了一封电子邮件…

Ruby

软件顾问 Ruby

Patrick，您好！

您已经设置了 Firestore 数据库，太棒了！为了管理数据库访问权限，我们将使用系统自动创建的服务账号，该账号具有必要的权限。

我们现在可以从旧数据库迁移到 Firestore 了。

Ruby

Patrick

IT 管理员 Patrick

Ruby，您好！

感谢您提供帮助，设置 Firestore 数据库其实并不难。

希望数据库导入流程会比旧数据库简单，旧数据库的导入流程相当复杂，需要执行很多步骤。

Patrick

任务 2. 编写数据库导入代码

新的 Cloud Firestore 数据库已设置完成，但其中没有数据。Pet Theory 的客户数据仍然只保存在旧数据库中。

Patrick 给 Ruby 发了一封电子邮件…

Patrick

IT 管理员 Patrick

Ruby，您好！

经理想要开始将客户数据迁移到新的 Firestore 数据库。

我已经从旧数据库导出了 CSV 文件，但不清楚如何将这些数据导入 Firestore。

您能帮我一下吗？

Patrick

Ruby

软件顾问 Ruby

Patrick，您好！

当然可以，我们安排一次会议来讨论一下需要执行哪些操作。

Ruby

正如 Patrick 所说，客户数据采用 CSV 文件格式。现在帮助 Patrick 创建一个应用，用于读取 CSV 文件中的客户记录，然后将其写入 Firestore。Patrick 熟悉 JavaScript，因此我们将使用 Node.js JavaScript 运行时构建此应用。

  1. 在 Cloud Shell 中，运行以下命令来克隆 Pet Theory 仓库：
git clone https://github.com/rosera/pet-theory
  1. 使用 Cloud Shell 代码编辑器（或您惯用的编辑器）修改文件。在 Cloud Shell 会话顶部的功能区中，点击打开编辑器，系统将打开新的标签页。如果出现提示，请点击在新窗口中打开，以启动代码编辑器：

“打开编辑器”按钮

  1. 然后，将当前工作目录改为 lab01：
cd pet-theory/lab01

在该目录中，您可以看到 Patrick 的 package.json 文件。该文件列出了 Node.js 项目所依赖的软件包，并且让构建具有可重复性，与其他人共享时会更轻松。

package.json 文件示例如下所示：

{ "name": "lab01", "version": "1.0.0", "description": "This is lab01 of the Pet Theory labs", "main": "index.js", "scripts": { "test": "echo \"Error: no test specified\" && exit 1" }, "keywords": [], "author": "Patrick - IT", "license": "MIT", "dependencies": { "csv-parse": "^5.5.3" } }

Patrick 现已导入源代码，他向 Ruby 发送电子邮件，询问需要使用哪些软件包来完成迁移工作。

Patrick

IT 管理员 Patrick

Ruby，您好！

我在旧数据库中使用的代码非常简单，只能创建用于导入流程的 CSV 文件。在开始迁移之前，还需要下载什么吗？

Patrick

Ruby

软件顾问 Ruby

Patrick，您好！

有很多 @google-cloud Node.js 软件包可与 Firestore 搭配使用，建议您选用一款。

这样一来，我们应该只需对现有代码进行少量更改，因为软件包会处理繁重的工作。

Ruby

为了让 Patrick 的代码能够将数据写入 Firestore 数据库，您需要安装一些其他的对等依赖项。

  1. 运行以下命令来进行安装：
npm install @google-cloud/firestore
  1. 若要让应用能够将日志写入 Cloud Logging，需要再安装一个模块：
npm install @google-cloud/logging

成功完成命令后，package.json 会自动更新，以纳入新的对等依赖项，如下所示：

... "dependencies": { "@google-cloud/firestore": "^7.3.0", "@google-cloud/logging": "^11.0.0", "csv-parse": "^5.5.3" }

现在来看一下脚本如何读取包含客户数据的 CSV 文件，然后将 CSV 文件中的每行数据作为一条记录写入 Firestore。Patrick 原本的应用代码如下所示：

const csv = require('csv-parse'); const fs = require('fs'); function writeToDatabase(records) { records.forEach((record, i) => { console.log(`ID: ${record.id} Email: ${record.email} Name: ${record.name} Phone: ${record.phone}`); }); return ; } async function importCsv(csvFilename) { const parser = csv.parse({ columns: true, delimiter: ',' }, async function (err, records) { if (e) { console.error('Error parsing CSV:', e); return; } try { console.log(`Call write to Firestore`); await writeToDatabase(records); console.log(`Wrote ${records.length} records`); } catch (e) { console.error(e); process.exit(1); } }); await fs.createReadStream(csvFilename).pipe(parser); } if (process.argv.length < 3) { console.error('Please include a path to a csv file'); process.exit(1); } importCsv(process.argv[2]).catch(e => console.error(e));

这段代码会从输入 CSV 文件中获取输出，然后将其导入旧数据库。接下来，更新这段代码以写入 Firestore。

  1. 打开 pet-theory/lab01/importTestData.js 文件。

若要通过应用引用 Firestore API，您需要将对等依赖项添加到现有代码库。

  1. 在文件第 3 行添加以下 Firestore 依赖项：
const { Firestore } = require("@google-cloud/firestore");

确保文件顶部的内容如下所示：

const csv = require('csv-parse'); const fs = require('fs'); const { Firestore } = require("@google-cloud/firestore"); // Add this

只需几行代码即可实现与 Firestore 数据库的集成。为此，Ruby 分享了一些模板代码供您和 Patrick 参考。

  1. 在第 34 行下方或 if (process.argv.length < 3) 条件语句之后添加以下代码：
async function writeToFirestore(records) { const db = new Firestore({ // projectId: projectId }); const batch = db.batch() records.forEach((record)=>{ console.log(`Write: ${record}`) const docRef = db.collection("customers").doc(record.email); batch.set(docRef, record, { merge: true }) }) batch.commit() .then(() => { console.log('Batch executed') }) .catch(err => { console.log(`Batch error: ${err}`) }) return }

以上代码段声明了一个新的数据库对象，该对象引用了在本实验前面步骤中创建的数据库。该函数采用依序处理每条记录的批处理方式，并根据新增的标识符给出文档引用。在该函数执行结束后，经过批处理的内容将提交（写入）到数据库。

  1. 更新 importCsv 函数，以添加对 writeToFirestore 的函数调用，并移除对 writeToDatabase 的调用。它应如下所示：
async function importCsv(csvFilename) { const parser = csv.parse({ columns: true, delimiter: ',' }, async function (err, records) { if (err) { console.error('Error parsing CSV:', err); return; } try { console.log(`Call write to Firestore`); await writeToFirestore(records); // await writeToDatabase(records); console.log(`Wrote ${records.length} records`); } catch (e) { console.error(e); process.exit(1); } }); await fs.createReadStream(csvFilename).pipe(parser); }
  1. 为应用添加日志记录。若要通过应用引用 Logging API，需要将对等依赖项添加到现有代码库。紧接文件顶部的其他 require 语句，添加下面这行代码：
const { Logging } = require('@google-cloud/logging');

确保文件顶部的内容如下所示：

const csv = require('csv-parse'); const fs = require('fs'); const { Firestore } = require("@google-cloud/firestore"); const { Logging } = require('@google-cloud/logging');
  1. 添加几个常量变量，然后将 Logging 客户端初始化。将这些变量添加到文件中紧接上面几行的位置（约在第 5 行），如下所示：
const logName = "pet-theory-logs-importTestData"; // Creates a Logging client const logging = new Logging(); const log = logging.log(logName); const resource = { type: "global", };
  1. 在“console.log(Wrote ${records.length} records);”这行代码的下面添加代码，以将日志写入 importCsv 函数，结果应如下所示：
// A text log entry success_message = `Success: importTestData - Wrote ${records.length} records`; const entry = log.entry( { resource: resource }, { message: `${success_message}` } ); log.write([entry]);

完成这些更新后，importCsv 函数代码块应如下所示：

async function importCsv(csvFilename) { const parser = csv.parse({ columns: true, delimiter: ',' }, async function (err, records) { if (err) { console.error('Error parsing CSV:', err); return; } try { console.log(`Call write to Firestore`); await writeToFirestore(records); // await writeToDatabase(records); console.log(`Wrote ${records.length} records`); // A text log entry success_message = `Success: importTestData - Wrote ${records.length} records`; const entry = log.entry( { resource: resource }, { message: `${success_message}` } ); log.write([entry]); } catch (e) { console.error(e); process.exit(1); } }); await fs.createReadStream(csvFilename).pipe(parser); }

现在，应用代码运行时，Firestore 数据库将根据 CSV 文件中的内容进行更新。importCsv 函数将获取文件名，并逐行解析其中的内容。处理的每行内容现在都会发送到 Firestore 函数 writeToFirestore，每条新记录都会写入“customer”数据库。

注意：在生产环境中，您将编写自己的导入脚本。

任务 3. 创建测试数据

现在可以导入一些数据了！Patrick 与 Ruby 联系，说明他对使用真实客户数据进行测试的担忧…

Patrick

IT 管理员 Patrick

Ruby，您好！

我认为最好不要使用客户数据进行测试。我们需要保护客户隐私，但也需要确保我们的数据导入脚本能够正常运作。

您能提供其他测试方法吗？

Patrick

Ruby

软件顾问 Ruby

Patrick，您好！

Patrick，您说得对。这个问题比较棘手，因为客户数据可能包括个人身份信息 (PII)。

我会分享一些用于创建伪客户数据的起始代码。这样，我们就能使用这些数据来测试导入脚本。

Ruby

帮助 Patrick 启动并运行这个伪随机数据生成器。

  1. 首先，安装“faker”库，该库将供用于生成虚假客户数据的脚本使用。运行以下命令，更新 package.json 中的依赖项：
npm install faker@5.5.3
  1. 现在，在代码编辑器中打开名为 createTestData.js 的文件，然后检查代码。确保代码如下所示：
const fs = require('fs'); const faker = require('faker'); function getRandomCustomerEmail(firstName, lastName) { const provider = faker.internet.domainName(); const email = faker.internet.email(firstName, lastName, provider); return email.toLowerCase(); } async function createTestData(recordCount) { const fileName = `customers_${recordCount}.csv`; var f = fs.createWriteStream(fileName); f.write('id,name,email,phone\n') for (let i=0; i<recordCount; i++) { const id = faker.datatype.number(); const firstName = faker.name.firstName(); const lastName = faker.name.lastName(); const name = `${firstName} ${lastName}`; const email = getRandomCustomerEmail(firstName, lastName); const phone = faker.phone.phoneNumber(); f.write(`${id},${name},${email},${phone}\n`); } console.log(`Created file ${fileName} containing ${recordCount} records.`); } recordCount = parseInt(process.argv[2]); if (process.argv.length != 3 || recordCount < 1 || isNaN(recordCount)) { console.error('Include the number of test data records to create. Example:'); console.error(' node createTestData.js 100'); process.exit(1); } createTestData(recordCount);
  1. 为代码库添加日志记录。在第 3 行，为应用代码中的 Logging API 模块添加以下引用：
const { Logging } = require("@google-cloud/logging");

文件顶部的内容现在应如下所示：

const fs = require("fs"); const faker = require("faker"); const { Logging } = require("@google-cloud/logging"); //add this
  1. 现在，添加几个常量变量，然后将 Logging 客户端初始化。将这些变量添加到紧接 const 语句的位置：
const logName = "pet-theory-logs-createTestData"; // Creates a Logging client const logging = new Logging(); const log = logging.log(logName); const resource = { // This example targets the "global" resource for simplicity type: "global", };
  1. 在“console.log(Created file ${fileName} containing ${recordCount} records.);”这行代码的下面添加代码，以将日志写入 createTestData 函数，结果应如下所示：
// A text log entry const success_message = `Success: createTestData - Created file ${fileName} containing ${recordCount} records.`; const entry = log.entry( { resource: resource }, { name: `${fileName}`, recordCount: `${recordCount}`, message: `${success_message}`, } ); log.write([entry]);
  1. 更新后，createTestData 函数代码块应如下所示：
async function createTestData(recordCount) { const fileName = `customers_${recordCount}.csv`; var f = fs.createWriteStream(fileName); f.write('id,name,email,phone\n') for (let i=0; i<recordCount; i++) { const id = faker.datatype.number(); const firstName = faker.name.firstName(); const lastName = faker.name.lastName(); const name = `${firstName} ${lastName}`; const email = getRandomCustomerEmail(firstName, lastName); const phone = faker.phone.phoneNumber(); f.write(`${id},${name},${email},${phone}\n`); } console.log(`Created file ${fileName} containing ${recordCount} records.`); // A text log entry const success_message = `Success: createTestData - Created file ${fileName} containing ${recordCount} records.`; const entry = log.entry( { resource: resource }, { name: `${fileName}`, recordCount: `${recordCount}`, message: `${success_message}`, } ); log.write([entry]); }
  1. 在 Cloud Shell 中运行以下命令，以创建 customers_1000.csv 文件，该文件将包含 1,000 条测试数据记录：
node createTestData 1000

您应该会看到类似以下内容的输出：

Created file customers_1000.csv containing 1000 records.
  1. 打开 customers_1000.csv 文件，验证测试数据是否已创建完成。

验证您已完成的任务

点击检查我的进度，验证您已完成的任务。如果您已成功为 Firestore 数据库创建测试数据样本，系统会显示一个评估分数。

为 Firestore 数据库创建测试数据

任务 4. 导入用于测试的客户数据

  1. 若要测试导入功能，请使用导入脚本，以及在前面创建的测试数据：
node importTestData customers_1000.csv

您应该会看到类似以下内容的输出：

Writing record 500 Writing record 1000 Wrote 1000 records
  1. 如果出现类似以下内容的错误：
Error: Cannot find module 'csv-parse'

运行以下命令，将 csv-parse 软件包添加到环境：

npm install csv-parse
  1. 然后，再次运行前面的导入命令。您应该会看到类似以下内容的输出：
Writing record 500 Writing record 1000 Wrote 1000 records

通过前面的几个任务，您已经了解了 Patrick 和 Ruby 如何创建测试数据和脚本，以将数据导入 Firestore。Patrick 现在可以更有信心地将客户数据加载到 Firestore 数据库。

验证您已完成的任务

点击检查我的进度，验证您已完成的任务。如果您已成功将测试数据样本导入 Firestore 数据库，系统会显示一个评估分数。

将测试数据导入 Firestore 数据库

任务 5. 检查 Firestore 中的数据

在您和 Ruby 的帮助下，Patrick 现在已成功将测试数据迁移到 Firestore 数据库。打开 Firestore 看看结果吧！

  1. 返回到 Cloud 控制台标签页。在导航菜单中，点击 Firestore。然后点击铅笔图标。

铅笔图标

  1. 输入 /customers 并按 Enter 键。

  2. 刷新浏览器标签页，您应该会看到已成功迁移的客户名单，如下所示：

客户名单

恭喜！

在本实验中，您使用 Firestore 进行了实操练习。在生成一系列用于测试的客户数据后，您运行了一个脚本来将数据导入 Firestore。然后，您了解了如何通过 Cloud 控制台操作 Firestore 中的数据。

Google Cloud 培训和认证

…可帮助您充分利用 Google Cloud 技术。我们的课程会讲解各项技能与最佳实践，可帮助您迅速上手使用并继续学习更深入的知识。我们提供从基础到高级的全方位培训，并有点播、直播和虚拟三种方式选择，让您可以按照自己的日程安排学习时间。各项认证可以帮助您核实并证明您在 Google Cloud 技术方面的技能与专业知识。

上次更新手册的时间：2024 年 2 月 28 日

上次测试实验的时间：2024 年 2 月 28 日

版权所有 2025 Google LLC 保留所有权利。Google 和 Google 徽标是 Google LLC 的商标。其他所有公司名和产品名可能是其各自相关公司的商标。

Before you begin

  1. Labs create a Google Cloud project and resources for a fixed time
  2. Labs have a time limit and no pause feature. If you end the lab, you'll have to restart from the beginning.
  3. On the top left of your screen, click Start lab to begin

Use private browsing

  1. Copy the provided Username and Password for the lab
  2. Click Open console in private mode

Sign in to the Console

  1. Sign in using your lab credentials. Using other credentials might cause errors or incur charges.
  2. Accept the terms, and skip the recovery resource page
  3. Don't click End lab unless you've finished the lab or want to restart it, as it will clear your work and remove the project

此内容目前不可用

一旦可用，我们会通过电子邮件告知您

太好了！

一旦可用，我们会通过电子邮件告知您

One lab at a time

Confirm to end all existing labs and start this one

Setup your console before you begin

Use an Incognito or private browser window to run this lab. This prevents any conflicts between your personal account and the Student account, which may cause extra charges incurred to your personal account.