Se hai partecipato a uno dei nostri eventi live, potresti aver già giocato a Cloud Hero, creato in collaborazione con Launch Consulting, per testare le tue conoscenze su Google Cloud tramite sfide a tempo. Quando organizziamo Cloud Hero, l'intera sala si riempie di competitori agguerriti, teniamo i punteggi di ogni sfida con una classifica live e offriamo svariati premi. Ad oggi, abbiamo creato 12 eventi pubblici con oltre 1.000 persone che hanno giocato a Cloud Hero, come nel caso di Google Cloud Next e Google Cloud Summit, e stiamo per organizzarne altri!
Già dalla progettazione iniziale di Cloud Hero, sapevamo di volere un gioco interattivo e dinamico, una piattaforma di gioco scalabile e flessibile in modo da poter realizzare facilmente sfide e contenuti nuovi. Volevamo anche creare il gioco rapidamente e testare le prime versioni con giocatori reali, senza dover scrivere una valanga di codice personalizzato per il backend. Pianificando l'evento, dovevamo poter contare su un'architettura che potesse scalare facilmente in base alle esigenze del gameday, senza dover eseguire server quando il gioco non era in corso.
Non serve ribadire che Cloud Hero viene eseguito su Google Cloud e che abbiamo anche scelto come architettura di gioco un sistema interamente serverless che sfrutta Angular, Cloud Firestore e Cloud Functions. I partecipanti completano le sfide direttamente nella Cloud Console mentre BigQuery aggrega i dati per l'analisi. Anche volendo, non troverai un solo server stateful in questo motore di gioco.
Se stai cercando il modo di testare le tue competenze su Google Cloud, iscriviti a un round di Cloud Hero durante uno dei prossimi eventi. Se stai pensando di creare il tuo prossimo gioco interattivo e scalabile online, continua a leggere questo post per scoprire come abbiamo creato Cloud Hero: crediamo davvero che sia un'architettura vincente.
Configurazione di gioco
Quando gli utenti giocano a Cloud Hero, ricevono un progetto specifico al gioco che viene fornito dallo script di una particolare cartella di un'organizzazione del Resource Manager. Il provisioning di questi progetti abilita in anticipo determinate API che consentono ai giocatori di concentrarsi sull'utilizzo dei prodotti e meno sulla configurazione del progetto. L'account di servizio del sistema di gioco può accedere al progetto. Questa è la chiave del design del gioco, che diventerà presto evidente.
Quando un giocatore si registra e inizia una partita, vengono creati in Firestore i documenti che rappresentano il giocatore e la sua istanza specifica nel gioco. Il giocatore viene aggiunto a uno dei progetti di pre-provisioning e viene anche associato al gioco. A questo punto iniziano le sfide.
Tempo di gioco
Quando un giocatore comincia la sfida, viene annotato l'orario d'inizio. La sfida include le istruzioni per completare una serie di attività nella GCP. Più il giocatore conosce GCP, più è probabile che completi le attività velocemente e accumuli punti. Ma i giocatori possono anche conquistare punti se sono bravi a trovare le risposte giuste nei documenti e sul Web (nessuno sa tutto, quindi trovare le informazioni cruciali è una competenza fondamentale nello sviluppo del cloud).
Mentre il frontend del gioco mantiene il gameplay attivo con un orologio e animazioni in esecuzione, il backend serverless è inattivo, ossia finché l'utente non invia la sfida per la verifica, non viene eseguito nessun calcolo. Quando il giocatore completa una sfida, lo stato del documento della sfida in Firestore diventa "inviato". La modifica del documento attiva una funzione cloud che viene eseguita utilizzando l'account di servizio autorizzato del sistema di gioco che è stato aggiunto in precedenza al progetto di gioco dell'utente. Con questo accesso e le informazioni della sfida inviata, la funzione esamina lo stato delle risorse cloud del giocatore per verificare se l'attività sia stata completata. L'aggiornamento del risultato di questo controllo nel documento Firestore viene immediatamente comunicato al giocatore tramite il sistema in tempo reale di Firestore e il modello di abbonamento reattivo di Angular.
Quindi, non solo il giocatore viene immediatamente informato dell'aggiornamento, ma viene anche inviata una notifica alla classifica proiettata live, che utilizza la capacità di Firestore di aggiornare le query in tempo reale al cambiare dei documenti, in modo da corrispondere alle condizioni della query.
Infine, i dati vengono trasferiti da Firestore a BigQuery, le cui avanzate funzionalità di analisi alimentano una console di analisi dei giochi in tempo reale che consente ai coordinatori dell'evento di vedere dove incontrano maggiori difficoltà i giocatori e quali sfide richiedono più tempo.
Sfide a tempo FTW (for the win)
Abbiamo previsto sin dall'inizio che un gioco live e il feedback in tempo reale sarebbero stati ben accolti dai giocatori. Inoltre, speravamo che l'esperienza di gioco immersiva e l'accesso diretto alla Cloud Console del progetto del giocatore aiutassero i giocatori a conoscere meglio i prodotti GCP. Ciò che non ci aspettavamo è che i neofiti della GCP potessero apprezzare l'esperienza tanto quanto quelli più esperti. Infatti il primo posto nel nostro primo evento è stato conquistato da una persona che non aveva mai eseguito l'accesso alla Cloud Console! Abbiamo anche ricevuto ottimi feedback da persone che non hanno superato la prima fase della sfida. Potrebbero comunque essere quelli che l'hanno sfruttata di più! Non tutti finiscono il gioco, ma si divertono imparando e sfidando se stessi.
Nel 2019 Cloud Hero prenderà una nuova entusiasmante direzione: online! Le registrazioni per la nuova versione online sono aperte. Se sei interessato a scoprire come creare giochi serverless, consulta queste guide e procedure su Cloud Firestore e Cloud Functions.
Pubblicato da Chris Banes, Chief Elf di Android Engineering
Oggi abbiamo rilasciato il codice sorgente per l'app Santa Tracker per Android 2018 di Google su google/santa-tracker-android, compresi i suoi 17 minigiochi, la funzione di Segui Babbo Natale, l'app Wear e molto altro!
Visivamente l'app sembra più o meno la stessa di prima, ma dietro le quinte è stata sottoposta a sostanziali operazioni di riduzione delle dimensioni per minimizzare al massimo il download da Google Play. Quando un utente scarica l'app, il download iniziale ora è di soli 9,2MB, rispetto ai 60 MB dell'anno scorso, una riduzione dell'85%! ️
Abbiamo raggiunto questo risultato eseguendo la migrazione dell'app con un Android App Bundle. Il vantaggio principale è che Google Play ora può offrire APK ottimizzati dinamicamente ai dispositivi degli utenti. Inoltre, siamo stati anche in grado di separare tutti i giochi nei rispettivi moduli di funzionalità dinamici, scaricati su richiesta. Il motivo per cui potresti notare una barra di avanzamento quando apri un gioco per la prima volta, è che ora lo scarichiamo da Google Play solo prima dell'avvio.
Barra di avanzamento visualizzata durante il recupero di un gioco da Google Play
Puoi leggere ulteriori informazioni sulla nostra migrazione ad App Bundle in una breve serie di blog, cominciando dal post Moving to Android App Bundle.
Una delle nuove funzionalità aggiunte quest'anno è un pacchetto di adesivi Gboard da condividere con gli amici. Potresti anche notare alcuni dei personaggi dei giochi negli adesivi!
Santa Dunk è uno dei 20 adesivi disponibili
Utilizziamo Firebase App Indexing per pubblicare sull'indice locale del dispositivo i nostri adesivi, che vengono quindi prelevati dall'app della tastiera Gboard, consentendo all'utente di condividerli nelle app. Puoi vedere il codice sorgente qui.
Il pacchetto di adesivi utilizzato in una conversazione molto importante
A parte quanto appena menzionato, abbiamo anche portato a termine una serie di miglioramenti relativi all'integrità del codice, ad esempio adesso la versione minima dell'SDK è Lollipop (21), siamo passati dalla Support Library ad AndroidX, abbiamo ridotto le dimensioni del file delle risorse di gioco sfruttando formati moderni e completato molti altri miglioramenti! Caspita!
Se ti interessa, vai a vedere il codice e dicci cosa ne pensi. Se hai domande o dubbi, comunicaceli tramite l'issue tracker.
Salve, sviluppatori Firebase! Avete sentito le ultime novità? Cloud Firestore, il nostro database NoSQL nel cloud per applicazioni mobili e web, non è più ufficialmente in beta ed è passato alla disponibilità generale (GA)!
Fantastico! Ma perché è così importante?
Il passaggio dalla beta alla GA è significativo per una serie di motivi. Tanto per iniziare, è il modo in cui Google comunica di avere fiducia nelle capacità di Cloud Firestore nel gestire le esigenze di database più complesse. Inoltre, è un segnale che anche tu puoi contare su Cloud Firestore per alimentare tutti i tipi di app, dai prototipi sperimentali alle applicazioni mission critical per grandi aziende.
Passare alla GA offre anche alcuni vantaggi pratici. Uno dei più importanti è che Cloud Firestore ora rientra negli accordi sul livello di servizio ufficiali (più comunemente noti come "SLA") di GCP. Ciò significa che ora hai un uptime garantito, ossia 99,999% per le istanze multiregionali di Cloud Firestore, e 99,99% per le istanze regionali.
Poiché Cloud Firestore non è più in beta, i programmi importanti, come la politica di ritiro di GCP, sono ufficialmente applicabili a Cloud Firestore, che ora è incluso nell'elenco dei servizi che supportano la conformità HIPAA.
Nuovo livello con tariffe inferiori in arrivo!
Siamo contenti di annunciare anche un nuovo livello con tariffe inferiori (fino al 50% di sconto) per la maggior parte delle istanze regionali di Cloud Firestore. Se ti stai chiedendo cosa significhi esattamente "regionale" e "multiregionale", ecco la spiegazione.
Per semplificare le cose, quando hai un database Cloud Firestore installato in una sede multiregionale, copie esatte del tuo database vengono create in diversi data center distanti almeno centinaia di chilometri l'uno dall'altro. È molto utile dal punto di vista dell'affidabilità, perché anche se una regione dovesse essere completamente offline a causa di un disastro naturale o dell'attacco di una gigantesca lucertola radioattiva, il database continuerà a essere ospitato dalle altre due.
Inoltre questa configurazione ti offre trasparenza totale. Quando scrivi nuovi valori nel database, puoi leggerli immediatamente e non devi temere che non siano stati distribuiti correttamente a tutte le altre regioni. Ciò significa essere strong consistency e, onestamente, è un aspetto della tecnologia piuttosto sorprendente che stupirà gli appassionati di database.
Detto questo, la creazione di un database multiregionale strong-consistent comporta una tecnologia piuttosto impegnativa che richiede un'infrastruttura notevole. Anche se è importante per le applicazioni mission critical, può essere eccessivo per altre app, e per te potrebbe essere sufficiente il tempo di uptime del 99,99% garantito quando Cloud Firestore viene ospitato in una sola regione (solitamente definita come sede "regionale").
Quindi, per rispecchiare queste differenze, entro un paio di mesi inizieremo a ridurre le tariffe per la maggior parte delle istanze regionali di Cloud Firestore. La tariffa varierà in base alla sede e lo sconto potrà raggiungere il 50%. Quando questa nuova tariffa entrerà in vigore il 3 marzo 2019, verrà applicata automaticamente a chi ha un database Cloud Firestore ospitato su queste istanze regionali.
Nuove sedi!
Parlando di data center, abbiamo aggiunto diverse nuove sedi in tutto il mondo per ospitare i dati di Cloud Firestore. Ci sarà una nuova sede multiregionale in Europa e altre 9 sedi regionali, tra cui alcune in Asia, Australia, Nord e Sud America ed Europa. Non ti perdere il post del blog di Google Cloud con l'elenco completo.
Riteniamo che queste nuove sedi ti forniranno gli strumenti necessari per rispettare le normative locali sull'archiviazione dei dati e soddisfare al meglio le esigenze dei tuoi clienti, che potrebbero essere più numerosi in determinate aree del mondo. Puoi selezionare la tua sede Cloud Firestore quando crei un progetto Firebase facendo attenzione a scegliere la sede che offre l'esperienza migliore per i tuoi clienti.
Migliore monitoraggio dell'utilizzo, potenziato da Stackdriver
Una delle maggiori preoccupazioni degli sviluppatori che adoperano uno strumento come Cloud Firestore è non essere a conoscenza dell'utilizzo del database nella propria app e temere che, quando arriverà la fattura, sarà più alta del previsto perché non hanno calcolato correttamente l'utilizzo del database nell'app.
Quindi, per aiutarti a risolvere questo problema, aggiungeremo alla Console Firebase la nuova scheda Usage (Utilizzo) per mostrarti esattamente quante letture, scritture ed eliminazioni il tuo database ha ricevuto nel tempo. Queste sono le operazioni che influiscono maggiormente sulle tariffe di Cloud Firestore, quindi conoscere l'entità del traffico in queste tre aree è fondamentale per tenere sott'occhio i costi.
Questi grafici sono certamente utili, ma un aspetto positivo di questi report sull'utilizzo è che sono supportati da Stackdriver, il toolkit di monitoraggio e reporting di Google Cloud dotato di altissima flessibilità. Una caratteristica davvero interessante di Stackdriver è che consente di impostare gli avvisi personalizzati nel caso la misurazione di una delle metriche sia al di fuori di determinati intervalli.
Pertanto, se desideri ricevere un'email (una notifica PagerDuty o un messaggio Slack) quando il database riceve più letture del previsto nel periodo di un'ora, puoi farlo. Puoi anche ricevere avvisi se il traffico raggiunge un importo insolito rispetto al normale o se il traffico complessivo è inferiore a un certo livello.
Tieni presente che la scheda Usage è attualmente in versione beta, quindi nonostante Stackdriver offra già molte funzionalità (inclusa la creazione di dashboard personalizzati), in futuro cercheremo di aggiungere altre metriche di Cloud Firestore a Stackdriver. Verifica nei prossimi giorni l'aggiunta della nuova scheda Usage nella Console Firebase!
Provalo oggi!
Anche se ancora in beta, Cloud Firestore è la tecnologia utilizzata da molte app fantastiche di partner, come The New York Times, Skip Scooters, QuintoAndar, Nerdery e altri ancora, che sfruttano alcune interessanti funzionalità basate su Cloud Firestore.
Visto che è già disponibile al pubblico generale, è il momento ideale per iniziare a utilizzare Cloud Firestore nelle tue app. Puoi iniziare consultando la documentazione, gli esempi e guardando una divertente serie di video (che sono legalmente obbligato a promuovere). Non te li perdere e buona creazione del tuo database!
Questo post è una sessione di domande e risposte con Sara Robinson, Developer Advocate, e Maxwell Neely-Cohen, uno scrittore di Brooklyn che ha utilizzato l'API Cloud Speech-to-Text per acquisire le parole pronunciate durante un incontro di lettura di poesia e visualizzarle su uno schermo al fine di migliorare l'esperienza del pubblico.
Potresti parlarmi del problema di narrazione orale che stai cercando di risolvere?
Gli scrittori tendono a trascorrere molto tempo a eventi in cui gli autori leggono le loro opere ad alta voce di fronte al pubblico. Mi sono sempre chiesto se fosse possibile creare immagini dinamiche e reattive per una lettura dal vivo proprio come si fa per una performance musicale live. Non avevo in mente un design, un'estetica o un obiettivo specifico né pensavo che l'esperienza sarebbe stata necessariamente spettacolare, volevo semplicemente capire se fosse fattibile. Potrebbe funzionare o come potrebbe essere? Queste erano le mie domande. Anche se il risultato era sistematicamente molto semplice, l'invio di risultati speech-to-text a un dizionario ordinato in base al colore che le persone pensavano avessero le parole, ha finito per essere il perfetto test case per questo tipo di idea, oltre a essere molto divertente.
Di che cosa ti occupi?
Sono uno scrittore di romanzi e fiction vecchio stile, ma molte delle mie storie riguardano l'impatto sociale e culturale della tecnologia. Il mio primo romanzo è ambientato nella cultura di Internet e dei videogiochi, quindi ho sempre seguito e pensato allo sviluppo del software senza che fosse necessariamente parte della mia vita o della mia carriera. Quando ero giovane e frequentavo l'università, ho lavorato anche in molte performance e produzioni musicali professionali. Queste esperienze mi hanno permesso di avere una certa familiarità con hardware e software in ambito creativo e sono stati il motivo principale per cui mi sono sentito in grado di affrontare questo progetto. Ultimamente mi sono dedicato a piccoli progetti per cercare di instaurare un dialogo e una collaborazione maggiori tra il mondo letterario e quello della tecnologia. Penso che queste due culture abbiano molto da offrirsi.
Come ti sei imbattuto nell'API di Google Speech-to-Text e cosa l'ha resa adatta ad aggiungere elementi visivi alla poesia?
Abbiamo ricercato ogni possibile API e software speech-to-text esistente per trovare la soluzione più reattiva e che offrisse i minori tempi di ritardo possibili. Ne abbiamo considerate molte, ma alla fine abbiamo scelto Cloud Speech-to-Text, e ha funzionato perfettamente. Proprio perché l'API può restituire così rapidamente un risultato provvisorio, un'ipotesi e infine un'ipotesi finale aggiornata, si è rivelata ideale per questo progetto. Ci siamo trovati leggermente in difficoltà all'inizio ma, non appena abbiamo cominciato a utilizzare l'API, si è risolto tutto.
Come si svolgono queste letture di poesia? Potresti parlarmi un po' di CultureHub?
A giugno, durante la prima settimana del progetto, abbiamo dedicato quattro giorni allo sviluppo con Oren Shoham, un geniale studente ITP della NYU, e poi tre giorni al testing effettuato da alcuni scrittori. Ho semplicemente mandato un'email a un gruppo di amici (fortunatamente il gruppo include molti autori premiati) che sono stati così gentili da partecipare e gettarsi a capofitto nel progetto. Non avevamo idea di cosa avrebbe o non avrebbe funzionato, quindi è stato un processo piuttosto sperimentale.
A novembre, durante la seconda settimana del progetto, abbiamo lanciato l'API su Unity e un gruppo di giovani sviluppatori di giochi ha creato i prototipi di diversi progetti visivi per il sistema. Hanno trascorso quattro giorni a sfornare un'idea dopo l'altra e poi abbiamo organizzato un evento pubblico, ossia una lettura con i poeti Meghann Plunkett, Rhiannon McGavin, Angel Nafis e il drammaturgo Jeremy O. Harris, solo per vedere come si sarebbe comportato il progetto nel contesto di un evento. Entrambe le volte ho cercato di creare ambienti collaborativi per evitare di fare tutto da solo. Nell'ambito delle espressioni creative sperimentali, penso sia fondamentale ascoltare il maggior numero di punti di vista possibile. CultureHub è una collaborazione tra il famoso La MaMa Experimental Theatre Club e il Seoul Institute of the Arts. È costituito da una comunità artistica globale che supporta e cura diversi i tipi di opere utilizzando le tecnologie emergenti. Si distingue per i progetti in cui ha utilizzato la telepresenza in svariate modalità creative. È l'ambiente ideale per testare un'idea rivoluzionaria come questa, mai provata prima.
Come hai risolto questa problematica con Cloud Speech-to-Text? Hai qualche snippet di codice da condividere?
Nella versione iniziale abbiamo usato uno script Python che interagiva con l'API; il più grande cambiamento è stato adattarlo e ottimizzarlo per l'esecuzione pseudo-continuativa e quindi eseguire il feed dei risultati nell'NRC Word-Emotion Association Lexicon, un database creato dai computer scientist Saif Mohammad e Peter Turney. Abbiamo quindi inserito i risultati relativi a colore e testo in una patch Max/MSP che ha generato i risultati visivi.
La seconda versione utilizzava Node invece dello script Python, e Unity al posto di Max/MSP. È ora disponibile su GitHub.
Hai consigli per i nuovi sviluppatori che desiderano iniziare a utilizzare Cloud Speech-to-Text o il machine learning in generale?
Direi loro che, anche se non hanno esperienze di programmazione, se hanno un'idea, di seguirla. Creare ambienti collaborativi in cui i talenti creativi non tecnici possano collaborare con gli sviluppatori è innovativo e divertente di per sé. Penso che sia racchiuso un enorme valore nelle idee che non hanno necessariamente un'impronta o una prospettiva commerciale. Niente di ciò che volevo fare rappresentava una potenziale idea commerciale o qualcosa del genere, era solo un progetto puramente artistico realizzato con un suo perché.
Domande per Max? Puoi trovarlo su Twitter @nhyphenc e andare a vedere il repository GitHub per questo progetto qui.
Firebase è stato lanciato oltre sei anni e mezzo fa come database, ma da allora si è espanso fino a divenire una piattaforma di diciotto (18!!) prodotti. Quest'anno abbiamo annunciato una gamma di nuove funzionalità che ti aiutano a creare app migliori e a sviluppare ulteriormente la tua attività. Abbiamo inoltre infuso Firebase con una maggiore potenza di machine learning in modo da rendere le app più intelligenti e più collaudate, e in modo che Firebase possa soddisfare meglio le esigenze degli sviluppatori delle grandi imprese complesse.
Poiché la fine dell'anno è il momento ideale per compilare liste top-ten, volevamo concludere l'anno con la "Top Ten List of Firebase launches". Ma poi ci siamo resi conto che avevamo più di dieci prodotti di cui volevamo parlare, e non ci andava di favorirne solo alcuni. Ecco quindi la nostra lista 2018 dei "Tredici lanci Firebase senza uno specifico ordine perché sono tutti fantastici a modo loro". Buona lettura!
In occasione di Google I/O, abbiamo lanciato una delle funzionalità più interessanti del 2018: ML Kit for Firebase, uno SDK di machine learning per Android e iOS. ML Kit ti consente di aggiungere la potenza del machine learning alle tue app senza dover avere una laurea in reti neurali. Fornisce una serie di soluzioni pronte all'uso per eseguire attività come riconoscere il testo nelle immagini, etichettare oggetti nelle foto e rilevare volti. Consentirà inoltre di usare modelli personalizzati a chi ama creare i propri (in questo momento le reti neurali artigianali sono molto in voga tra i data scientist hipster).
Le notifiche sono un ottimo modo per far ritornare gli utenti latenti alla tua app, ma come comunichiamo con quelli che invece utilizzano attivamente l'app? Nel 2018 abbiamo lanciato Firebase In-App Messaging per aiutarti a inviare messaggi mirati e contestuali agli utenti che adoperano regolarmente l'app. I messaggi in-app sono un ottimo modo per incoraggiare l'esplorazione e il rilevamento delle app, e guidare gli utenti verso la scoperta di nuove funzionalità nel prodotto o verso un importante evento di conversione.
Noi di Firebase siamo grandi fan della creazione di script che ci semplifichino la vita, sia che tratti di automatizzare le attività comuni o eseguire una logica personalizzata. In questa ottica abbiamo lanciato tre nuove API REST che puoi adoperare per automatizzarti la vita (almeno dalla prospettiva di Firebase). L'API Firebase Management è ottima per automatizzare attività come la creazione di nuovi progetti, l'API Remote Config REST può essere utile per personalizzare il modo in cui aggiorni i valori di Remote Config e l'API Firebase Hosting può essere usata per caricare automaticamente determinati file sul tuo sito.
Recentemente StackBlitz e Glitch hanno utilizzato l'API Management per creare integrazioni che consentono di implementare progetti direttamente su Firebase Hosting. Avvia un progetto, scrivi il codice, fai clic su qualche pulsante et voilà! Il tuo progetto Firebase è implementato sul Web!
Ottenere delle buone prestazioni è uno dei fattori chiave per la creazione di ottime esperienze per l'utente. Firebase Performance Monitoring raccoglie automaticamente le metriche delle prestazioni dove più contano: nel mondo reale.
Quest'anno il monitoraggio delle prestazioni è passato dalla versione beta alla disponibilità generale. Lungo il percorso abbiamo aggiunto nel dashboard alcune nuove funzionalità utili come il feed dei problemi per evidenziare gli importanti problemi di prestazioni riscontrati dagli utenti. Abbiamo anche aggiunto il supporto della visualizzazione di sessione per la classe di rete e le tracce, che consente di analizzare più nel dettaglio la singola sessione di una traccia, in modo da poter visualizzare gli attributi e gli eventi che hanno causato uno specifico problema di prestazioni.
Abbiamo anche rilasciato Firebase Predictions ed è ora disponibile per il pubblico. Predictions adopera il machine learning per segmentare in modo intelligente gli utenti in base alla previsione del loro comportamento. Lungo il percorso abbiamo aggiunto indicatori d'integrità e criteri di valutazione a ogni previsione, in modo da poter comprendere meglio quanto sia affidabile una previsione, così come i dati utilizzati per realizzarla. Abbiamo anche integrato Predictions con BigQuery per ottenere un maggiore controllo sui dati.
Iniziare a utilizzare Predictions è facile come premere un pulsante nella console. Prevediamo che ti piacerà da morire (scusa la battuta)!
Ormai non ci ferma più nessuno! Anche Cloud Functions è passato alla disponibilità generale, insieme alla sua nuova versione di SDK. Il nuovo SDK aggiunge funzioni "callable" che rendono molto più semplice chiamare le funzioni del server dal client, soprattutto se la funzione richiede l'autenticazione.
Cloud Functions ha anche rilasciato la nuova libreria firebase-functions-test per semplificare le funzioni di testing delle unità. Questa libreria si occupa delle configurazioni e disinstallazioni necessarie, consentendo una facile simulazione dei dati di test. Quindi, oltre ai semplici test standalone, è ora possibile scrivere test che interagiscono con un progetto di sviluppo Firebase e osservare il successo delle action come le scritture del database.
firebase-functions-test
Nel 2018 Firebase Test Lab è diventato multipiattaforma grazie all'aggiunta del supporto per iOS. Ora puoi scrivere ed eseguire test su dispositivi iOS reali in esecuzione nei nostri data center. Test Lab supporta dieci modelli di iPhone e iPad che eseguono sette diverse versioni di iOS, tra cui iOS 12.
Test Lab ha anche lanciato una serie di miglioramenti per Robo, uno strumento che esegue test completamente automatizzati sui dispositivi Android. Testare i giochi ora è più semplice, grazie alle "monkey action" (che possono fare clic a caso sul tuo schermo) e ai loop di gioco (che eseguono action pregenerate dagli script). Ora puoi personalizzare Robo persino di più se devi accedere all'inizio della tua app o aggiungere testo intelligente a un campo di ricerca.
Continuando il tema del testing, nel 2018 abbiamo lanciato gli emulatori per Firestore e Realtime Database, in modo da poter testare più facilmente le regole di sicurezza e incorporarle in un ambiente di integrazione continua. Questi emulatori vengono eseguiti localmente e consentono di testare le regole di sicurezza offline prima di passare alla produzione. Abbiamo anche creato una libreria di testing per semplificare il codice di test.
Sin dall'inizio Cloud Functions ha integrato fortemente le metriche di utilizzo importanti con Stackdriver, il potente servizio di monitoraggio di Google Cloud. Per ottenere un'integrazione persino maggiore, abbiamo collegato il Realtime Database a Stackdriver. Ora puoi visualizzare ancora più metriche di quelle fornite dalla Console Firebase, come il carico ripartito in base al tipo di operazione e le informazioni sui byte scaricati.
La vera potenza di questa integrazione è la capacità di impostare avvisi relativi a metriche o errori in modo da poter individuare e rispondere ai problemi prima che i clienti li notino.
A volte i dashboard della Console Firebase non offrono il livello di granularità o specificità dei data desiderata. È qui che entrano in gioco BigQuery, il data warehouse di Google Cloud, e Data Studio, lo strumento di visualizzazione dei dati di Google Cloud.
È possibile esportare i dati di Analytics in BigQuery già da tempo, ma quest'anno abbiamo aggiunto le integrazioni con Predictions e Crashlytics, in modo da poter esportare ancora più dati Firebase in un unico warehouse centrale. Ulteriori informazioni su come utilizzare Firebase e BigQuery insieme.
Cloud Firestore è il database di nuova generazione che offre molte delle funzionalità, che apprezzi in Realtime Database, combinate alla scalabilità e complessità di Google Cloud Platform. Nel corso del 2018 abbiamo lanciato una serie di miglioramenti di Firestore per renderlo più adatto alle imprese complesse.
Abbiamo anche aggiunto alcune funzionalità interessanti come l'ampliamento del supporto offline per l'SDK Web da una sola scheda a schede multiple del browser. Abbiamo lanciato un migliore supporto per la ricerca di documenti in base al contenuto dei loro array nonché svariate nuove posizioni per l'archiviazione dei dati di Firestore: Francoforte, Germania e Carolina del Sud negli Stati Uniti (e ne aggiungeremo altre nel 2019).
Per qualsiasi team, la Console Firebase è un elemento cruciale nel flusso di lavoro di Firebase. Quest'anno ci siamo impegnati moltissimo per renderla persino migliore. Riportiamo qui alcune delle nuove funzionalità.
Queste funzionalità ti rendono più produttivo e protetto nell'ambito della sicurezza e delle prestazioni dell'app. Non vediamo l'ora di aggiungere altre funzionalità alla console nel 2019!
È già da un po' che sentiamo dire che ti piacerebbe avere un'opzione per ottenere il supporto al livello aziendale di Firebase. Per rispondere a questa richiesta, abbiamo aggiunto il supporto per Firebase ai nostri pacchetti di supporto Google Cloud Platform (GCP), ora disponibili in versione beta.
Se hai già un pacchetto di supporto GCP a pagamento, la nostra versione beta ti consentirà di trovare risposte alle tue domande relative a Firebase sul canale di supporto GCP, senza costi aggiuntivi. Quando il nuovo supporto passerà alla disponibilità generale, includerà tempi di risposta target, gestione tecnica degli account (per il livello aziendale) e altro ancora. Ulteriori informazioni sul supporto GCP.
Se desideri mantenere il supporto di Firebase al livello gratuito, non preoccuparti: non abbiamo in programma di apportare modifiche all'attuale modello di supporto. Continua a rivolgerti al nostro fantastico team di supporto per qualsiasi esigenza o domanda!
È stato un anno eccezionale, e siamo pronti a ripartire alla grande a gennaio. Ti auguriamo un nuovo anno pieno di serenità. E se dovesse essere pieno anche di app mobili e Web, speriamo che userai Firebase! Buon lavoro!
Pubblicato da Fei Ye, Software Engineer e Kazushi Nagayama, Ninja Spamologist
Le classificazioni e le recensioni di Google Play sono estremamente importanti per aiutare gli utenti a decidere quali app installare. Sfortunatamente le recensioni false e fuorvianti possono minare la fiducia degli utenti. Per noi a Google Play preservare questa fiducia è una priorità, pertanto lavoriamo continuamente per assicurarci che le classificazioni e le recensioni mostrate nel nostro store non vengano manipolate.
Ci sono diversi modi in cui le classificazioni e le recensioni possono violare le nostre linee guida per sviluppatori:
Quando ce ne accorgiamo, interveniamo sull'app stessa, oltre che sulla recensione o classificazione in questione.
Nel 2018 i team di Google Play Trust & Safety hanno implementato un sistema che unisce l'intelligenza umana e il machine learning per rilevare e far rispettare le norme relative alle violazioni di classificazioni e recensioni. Un team di ingegneri e analisti monitora attentamente e analizza le attività sospette in Play e migliora regolarmente la precisione e il richiamo del modello. Inoltre, chiediamo regolarmente a revisori esperti di verificare le decisioni prese dai nostri modelli per garantirne la qualità.
È un lavoro enorme. Per avere un'idea del volume gestito, ecco i dati relativi a una delle ultime settimane:
Il nostro team può fare molto, ma abbiamo bisogno del tuo aiuto per far sì che Google Play rimanga un luogo sicuro e affidabile per app e giochi.
Se sei uno sviluppatore, puoi aiutarci nel seguente modo:
Esempio di violazione: le classificazioni incentivate non sono consentite
Se sei un utente, puoi seguire queste semplici linee guida:
Infine, se trovi classificazioni e recensioni negative su Google Play, aiutaci inviandoci il tuo feedback! Gli utenti possono contrassegnare la classificazione come "Spam" e gli sviluppatori possono inviare il loro feedback nella Play Console.
Tooltip per contrassegnare la recensione come spam.
Grazie per averci aiutato a mantenere Google Play sicuro e affidabile, per continuare a scoprire alcuni dei migliori giochi e app al mondo.
Quanto ti è stato utile questo post?
★ ★ ★ ★ ★
Tutti noi del team Firebase ci siamo divertiti a giocare con il progetto CoreML-in-ARKit di Hanley Weng. Consente di visualizzare le etichette 3D sulle immagini rilevate in una scena. Anche se il rilevamento su dispositivo fornisce risposte rapide, abbiamo voluto creare una soluzione che offrisse la velocità del modello su dispositivo abbinata all'accuratezza delle soluzioni basate su cloud. Questo è esattamente ciò che abbiamo ottenuto con il progetto MLKit-ARKit. Continua a leggere per sapere nel dettaglio come abbiamo raggiunto questo risultato!
ML Kit for Firebase è un SDK per dispositivi mobili che sfrutta l'esperienza di machine learning (ML) Google Cloud nelle app per Android e iOS grazie a un pacchetto potente, ma facile da usare. Include API Base di semplice utilizzo e offre anche la possibilità di adoperare i propri modelli TFLite personalizzati.
ARKit è il framework Apple che combina il motion tracking del dispositivo, l'acquisizione della scena della telecamera, l'elaborazione avanzata delle scene e la convenienza del display per semplificare la creazione di un'esperienza AR. Puoi utilizzare queste tecnologie per creare molti tipi di esperienze AR sfruttando la fotocamera posteriore o frontale di un dispositivo iOS.
In questo progetto i frame ARKit passano dalla fotocamera posteriore a una coda. ML Kit li elabora per rilevare gli oggetti presenti in quel frame.
Quando l'utente tocca lo schermo, ML Kit restituisce l'etichetta rilevata con la massima confidenza. Quindi viene creato il testo in un fumetto 3D e aggiunto alla scena dell'utente.
ML Kit rende il machine learning facile per tutti gli sviluppatori di dispositivi mobili, indipendentemente dal loro livello di esperienza. All'interno di ML Kit è possibile adoperare i propri modelli TFLite per i casi d'uso più avanzati, ma per quelli più comuni è sufficiente implementare una delle API Base di semplice utilizzo. Queste API sono ideali per casi d'uso come il riconoscimento del testo, l'etichettatura delle immagini, il rilevamento dei volti e altro, e sono supportate dai modelli addestrati da Google Cloud. Nel nostro esempio utilizzeremo l'etichettatura delle immagini.
Le API Base sono disponibili in due versioni: su dispositivo e basate su cloud. Le API su dispositivo possono essere adoperate gratuitamente ed essere eseguite localmente, mentre quelle basate su cloud offrono una precisione maggiore e risposte più accurate. Le API Vision basate su cloud sono gratuite per le prime 1000 chiamate all'API, dopodiché sono a pagamento. Forniscono la potenza dei grandi modelli delle API di Google Cloud Vision.
Utilizziamo l'API di etichettatura delle immagini su dispositivo ML Kit per ottenere un feed live dei risultati che consenta di mantenere una frequenza costante di fotogrammi a 60 fps. Se l'utente tocca lo schermo, viene attivata una chiamata asincrona all'API di etichettatura delle immagini Cloud con l'immagine corrente. Quando riceviamo una risposta da questo modello più accurato, aggiorniamo immediatamente l'etichetta 3D. Pertanto, anche se eseguiamo in modo continuativo l'API su dispositivo e ne utilizziamo i risultati come fonte iniziale di informazioni, l'API Cloud, dotata di maggiore accuratezza, viene chiamata on-demand e i risultati che fornisce eventualmente sostituiscono l'etichetta su dispositivo.
Mentre l'API su dispositivo è in tempo reale con tutte le elaborazioni che avvengono localmente, l'API Cloud Vision effettua una richiesta di rete nel backend di Google Cloud sfruttando un modello più grande e più accurato. Dato che consideriamo questa risposta più precisa, nella nostra app sostituiamo l'etichetta fornita dall'API su dispositivo con il risultato dell'API Cloud Vision appena ricevuto.
1. Clonare il progetto
$ git clone https://github.com/FirebaseExtended/MLKit-ARKit.git
2. Installare i pod e aprire il file .xcworkspace per vedere il progetto in Xcode
$ cd MLKit-ARKit
$ pod install --repo-update
$ open MLKit-ARKit.xcworkspace
GoogleService-Info.plist
Info.plist
A questo punto l'app dovrebbe funzionare utilizzando il riconoscimento su dispositivo.
★ La funzione di rilevamento delle etichette Cloud è ancora gratuita per i primi 1000 utilizzi mensili. Fai clic qui per ulteriori dettagli sui prezzi.
A questo punto, l'app dovrebbe aggiornare le etichette con risultati più precisi ottenuti dall'API Cloud Vision.
