Dart Firebase Admin SDK 使用指南
项目介绍
🔥 Dart Firebase Admin SDK 是 Node.js 版Firebase Admin SDK 的Dart语言实现,旨在为Dart和Flutter开发者提供便捷访问Firebase管理功能的能力。当前项目尚处于早期开发阶段,可能某些特性缺失或存在bug。目前主要支持Firestore,未来计划逐步添加更多功能,如认证(Auth)等。
项目遵循 Apache-2.0 许可证,并由Invertase维护,提供了与FlutterFire类似的Firestore使用体验,适用于后端逻辑或复杂数据处理场景。
快速启动
安装
首先,在您的Dart项目中,通过pubspec.yaml文件加入以下依赖:
dependencies:
dart_firebase_admin: ^0.3.1
然后运行flutter pub get或dart pub get来安装包。
初始化
在应用开始时,您需要初始化Firebase Admin SDK。有两种主要方式连接到SDK:
-
使用环境变量(需先通过Firebase CLI登录并设置好相应的环境变量):
import 'package:dart_firebase_admin/dart_firebase_admin.dart'; void main() { final admin = FirebaseAdminApp.initializeApp( 'your_project_name', // 您的项目名 Credential.fromApplicationDefaultCredentials(), ); // 接下来使用admin对象进行操作... } -
使用服务账户JSON文件:
import 'dart:io'; import 'package:dart_firebase_admin/dart_firebase_admin.dart'; Future<void> main() async { final admin = FirebaseAdminApp.initializeApp( 'your_project_name', Credential.fromServiceAccount(File('path_to_your_service_account.json')), ); // 使用admin对象进行操作... await admin.close(); // 不要忘记关闭Admin SDK }
使用Firestore示例
假设您已经成功初始化了admin对象,接下来是如何使用Firestore的一个简单示例:
final firestore = Firestore(admin);
final result = await firestore.collection('users').doc('123').get();
print(result.data());
应用案例与最佳实践
实现用户数据管理
创建用户记录和查询用户年龄大于18岁的所有用户:
final adults = firestore.collection('users')
.where('age', isGreaterThan: 18);
final adultsSnapshot = await adults.get();
adultsSnapshot.docs.forEach((doc) {
print(doc.data()['age']);
});
处理消息推送
发送通知给特定设备:
final messaging = Messaging(admin);
await messaging.send(TokenMessage(
token: "用户设备token",
notification: Notification(
title: '欢迎消息',
body: '欢迎使用我们的应用!',
),
));
典型生态项目
虽然直接相关的典型生态项目信息没有明确定义,但使用dart_firebase_admin的项目通常涉及构建后台服务、云函数或是需要在服务器端处理Firebase相关业务的任何Dart应用。比如结合Firebase的Cloud Functions或自己的Dart后端服务,可以设计自动化用户管理、数据分析或者实时数据库操作的服务。
这个快速引导和案例展示只是冰山一角,深入探索dart_firebase_admin的完整功能和文档,将帮助您充分利用Firebase的强大功能于Dart项目之中。记得持续关注项目更新和文档,以获取最新特性和改进。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00