An Hoai Thai's Notes

M02W3.5_NoSQL 3

đọc 6 phút

Table of Content

Important

Tham khảo

Nội dung

I. Giới thiệu về Firebase

1. Firebase là gì?

Khi phát triển một ứng dụng web hoặc mobile, bạn thường cần có một backend để lưu trữ dữ liệu, xác thực người dùng, gửi thông báo, v.v. Nếu làm theo cách truyền thống, bạn phải xây dựng server, tự viết API, chọn cơ sở dữ liệu, triển khai và vận hành hệ thống này. Việc này khá tốn thời gian, nhất là khi bạn chỉ muốn tập trung vào ý tưởng sản phẩm.

Firebase ra đời để đơn giản hóa mọi thứ. Đây là một nền tảng do Google cung cấp, được gọi là Backend-as-a-Service (BaaS). Bạn chỉ cần tích hợp SDK của Firebase vào ứng dụng, các tính năng như lưu trữ realtime, xác thực, lưu file, gửi thông báo… đã sẵn sàng sử dụng. Bạn không phải tự dựng backend hay lo về máy chủ.

So sánh nhanh:

image 58.png

Lợi ích khi dùng Firebase:

  • Tiết kiệm thời gian, không cần xây dựng backend phức tạp.
  • Dễ tích hợp, hỗ trợ nhiều nền tảng (web, Android, iOS).
  • Phù hợp với các ứng dụng cần realtime hoặc demo nhanh ý tưởng.

Khi nào nên cân nhắc:

  • Firebase phù hợp với các dự án vừa và nhỏ, MVP, các ứng dụng cần realtime hoặc muốn triển khai nhanh.
  • Nếu dự án của bạn có yêu cầu phức tạp về backend hoặc phải kiểm soát dữ liệu, xử lý logic đặc thù, bạn nên cân nhắc phương án tự xây dựng backend.

2. Ứng dụng của Firebase

Firebase không chỉ là một cơ sở dữ liệu mà còn cung cấp một loạt dịch vụ giúp phát triển ứng dụng web và mobile dễ dàng, đồng bộ dữ liệu giữa nhiều thiết bị.

Khi bạn dùng Firebase, các tính năng này đều có thể được sử dụng chỉ bằng cách tích hợp SDK vào dự án của mình. Mọi thay đổi hoặc dữ liệu mới đều được đồng bộ ngay lập tức trên web và điện thoại.

Những dịch vụ nổi bật mà Firebase hỗ trợ:

  • Realtime Database: Lưu trữ và đồng bộ dữ liệu theo thời gian thực giữa tất cả client.

  • Authentication: Xác thực người dùng bằng email, số điện thoại hoặc các mạng xã hội phổ biến.

  • Cloud Messaging: Gửi thông báo đẩy (push notification) tới ứng dụng.

  • Storage: Lưu trữ file (ảnh, video, tài liệu) an toàn trên cloud.

  • Hosting: Đưa website hoặc ứng dụng web lên môi trường Internet với bảo mật HTTPS.

  • Remote Config: Thay đổi các tham số cấu hình của app mà không cần phát hành phiên bản mới.

  • Test Lab: Kiểm thử ứng dụng tự động trên nhiều thiết bị thực tế mà không cần sở hữu các thiết bị này.

  • Crash Reporting: Theo dõi lỗi, sự cố của ứng dụng để khắc phục nhanh chóng.

image 1 24.png

Ứng dụng thực tế:

Bạn có thể sử dụng Firebase để:

  • Làm một ứng dụng chat với dữ liệu cập nhật tức thì cho tất cả người dùng.
  • Xác thực người dùng bằng Google, Facebook mà không cần tự xây dựng hệ thống login.
  • Lưu ảnh từ app mobile lên cloud dễ dàng.
  • Gửi thông báo cho người dùng mỗi khi có tin mới.
  • Theo dõi và sửa lỗi ngay khi app gặp sự cố, mà không cần chờ phản hồi từ người dùng.

image 2 23.png

II. Khi nào dùng từng loại Database?

Realtime Database phù hợp với:

  • Ứng dụng nhỏ, cần realtime đơn giản (chat, to-do-list)
  • Demo nhanh ý tưởng
  • Tuy nhiên, khó mở rộng và quản lý nếu data lớn hoặc cấu trúc phức tạp.

Cloud Firestore phù hợp với:

  • Ứng dụng lớn, nhiều người dùng, cần mở rộng
  • Hỗ trợ truy vấn mạnh mẽ, realtime tối ưu
  • Giới hạn: Document tối đa 1MB, không update liên tục 1 document, quota miễn phí chỉ 1GB, 50,000 writes/ngày.

III. Các bước cơ bản triển khai Firebase

Tạo Project Firebase:

  1. Vào Firebase Console
  2. Đăng nhập Google, tạo project mới, lấy Project ID
  3. Tạo Service Account Key để kết nối bằng Python (file JSON)

Khởi tạo Database:

  • Chọn Realtime Database hoặc Firestore, khởi tạo ở chế độ test (dev)
  • Lưu ý chọn location phù hợp (thường là asia-southeast1)

Kết nối với Python:

  • Cài đặt Firebase Admin SDK
  • Dùng các method: thêm, sửa, xóa, truy vấn document
  • Firestore hỗ trợ composite queries (truy vấn đa điều kiện, cần index)

IV. Case study: Bài toán phân loại hoa Iris

a. Dataset Iris là gì?

  • Bộ dữ liệu kinh điển gồm 150 mẫu hoa Iris với 3 loài: setosa, versicolor, virginica.
  • Mỗi mẫu gồm 4 đặc trưng hình thái: chiều dài/rộng cánh hoa (petal), chiều dài/rộng lá đài (sepal).
  • Bài toán: Dự đoán loài hoa từ các đặc trưng.

b. Upload/Truy xuất data lên Firestore

  • Lưu ý: Firestore không hỗ trợ import CSV/JSON trực tiếp, phải dùng script Python.

  • Cấu trúc document nên dạng:

    /iris_samples/{doc_id}
{
    sepal_length: ...,
    sepal_width: ...,
    petal_length: ...,
    petal_width: ...,
    species: ...
}

  • Có thể upload theo batch để nhanh hơn.

c. Kết nối và phân tích với Python

  • Truy xuất toàn bộ collection, convert thành DataFrame để phân tích/thực hiện machine learning.
  • Visualization: vẽ scatter plot so sánh đặc trưng từng loài.

d. Xây dựng mô hình machine learning

  • Huấn luyện các model như Decision Tree, Random Forest, SVM, Logistic Regression.
  • Đánh giá kết quả trên tập test.
  • Có thể lưu model lại và deploy lên Streamlit.

e. Triển khai giao diện người dùng (UI) bằng Streamlit

  • Build UI cho phép nhập đặc trưng hoa và dự đoán loài.

  • Kết nối trực tiếp Firestore để lấy data, show kết quả, thậm chí kiểm tra dự đoán được lưu lại trên database.

Biểu Đồ