来自文档：
这也可能导致单个事件的多个调用，因此对于最高质量的函数，确保函数被写为幂等。
因此，如果Firestore没有提供计算集合中子文档数量的方法，我需要创建一个云函数来聚合节点上的这些信息，比如/counters/{type}/count。
如果我执行写入触发并增加值，我的计数器有可能无法反映实际的文档计数，对吗？
如何编写一个函数来完美地计算集合中的文档（不要太昂贵 - 假设我不想在每次写入时都阅读整个集合）？
答案 0 :(得分：6)
这个问题的答案将取决于你如何使用该系列的不同方面，以及＆＃34;完美统计＆＃34;意味着你。
首先，由于Cloud Function调用与write异步，因此会导致计数器略微落后于集合的真实计数。我假设这没关系。
即使您通过阅读每个文档计算了该集合，计数仍可能是陈旧的，因为在您计算时可能已插入或删除了文档。
你提到＆＃34;而不是太昂贵＆＃34;。在这里，我们需要了解您阅读计数的频率与添加或删除文档的频率。要维护一个单独的计数器，您将在每次文档计数更改时读/写它。由于写入是读取价格的3倍，这意味着您需要将每个文档计数4次或更多次以恢复保持计数的成本。这里有一个公式，考虑到文档生命周期内的平均计数，但我会将其作为读者的练习。
这是一个有趣的问题，这是分布式系统的另一个常见问题。如果客户端请求添加+1计数器，并且请求超时（服务器永不响应） - 再次请求是否安全？如果服务器确实应用了增量但后来遇到网络问题怎么办？怎么样呢？
下面我将回答一些处理这种情况的方法。
处理此问题的一种方法是使用增量请求发送唯一的事务ID（txid）。如果服务器之前已经处理了txid，它就知道它是重复的请求，并且可以回复它已经完成它。
在您的用例中，如果您从不删除文档，则可以使用文档ID作为txid。在计数器中，当您+1时，将文档ID添加到已处理的增量数组中。在您执行此操作之前，请检查它是否已存在于阵列中（表明它已经处理完毕）。
上面的一个明显问题是阵列会继续增长，最终会变得太大。因此，我们希望限制我们跟踪旧ID的时间。您可以使用时间戳并删除早于＆＃39; X＆＃39;的所有内容，或者您可以简单地将数组视为循环缓冲区，以使其保持固定的最大大小。
这两种方法对于慢写入速率都是合理的，但对于更快的写入来说是不够的。例如，在1000次写入/秒时，这将是5000个文档ID，仅覆盖5秒（我们在限制文档中提到函数可能需要超过5秒才能执行）。
输入Forgetful Bloom Filters
这种方法为您提供了更高的写入速率支持，以换取您以前认为已经看过文档ID的极小可能性。
我在这里没有详细介绍这个实现，但在这个博客中有一个很好的概述：Counters, Idempotence And Forgetful Bloom Filters
另一个复杂性是处理删除。如果您使用唯一ID并确定它不会被重复使用（例如我们的本机自动ID支持），那么添加起来并不困难。只需重复您对添加的操作，但在单独的列表/字段中，并确保检查两个列表。
要考虑的一个小问题是云功能没有保证执行顺序。这意味着如果插入完全靠近，您可能会在插入之前看到删除。
我的建议是，如果您在插入之前看到删除，请事先递减计数器，知道它很快就会被修复，如果您在删除后看到插入，请执行增量。这是因为你只保留了这么多的历史，所以你无法分辨插入和放大。删除乱序，或者插入后删除太远。
根据集合大小，需要的准确程度以及计数的使用频率，您可以定期调用云函数来计算计数并将其存储在文档中。您可以根据集合的大小动态调整此值，以最大限度地减少延迟。对于非常小的集合，经常这样做，对于较大的集合，它很少发生。
如果您有一种机制来确定您已经计算过的文件（这样您只需要计算新的文件），您也可以在此处应用成本优化。如果删除很少，您可以添加一个事件来减少删除时的计数器。
答案 1 :(得分：1)
目前由于Cloud Firestore + Cloud Functions集成缺乏保证，唯一可以100％确定您的计数准确的方法是每次写入计数时都读取整个集合。
正如你所说，这在速度或成本方面并不十分高效。
如果您想在不重复阅读整个集合的情况下尝试保持计数，请考虑在每个文档中添加counted布尔值。
然后，当文档进入时，您在事务中执行以下操作：
counted == true，请退出counted标记为真。有关Cloud Firestore中交易的更多信息，请参阅文档： https://firebase.google.com/docs/firestore/manage-data/transactions