Esporta i dati di Firebase Crashlytics in BigQuery

Puoi esportare i dati di Crashlytics in BigQuery per ulteriori analisi. BigQuery ti consente di analizzare i dati utilizzando BigQuery SQL, esportarli in un altro provider cloud e utilizzarli per la visualizzazione e dashboard personalizzate con Google Data Studio.

Abilita l'esportazione BigQuery

1. Vai alla pagina Integrazioni nella console Firebase.
2. Nella scheda BigQuery , fai clic su Collegamento .
3. Segui le istruzioni visualizzate sullo schermo per abilitare BigQuery.

Quando colleghi il tuo progetto a BigQuery:

• Firebase configura sincronizzazioni giornaliere dei tuoi dati dal tuo progetto Firebase a BigQuery.
• Per impostazione predefinita, tutte le app del tuo progetto sono collegate a BigQuery e tutte le app che aggiungi successivamente al progetto vengono automaticamente collegate a BigQuery. Puoi gestire quali app inviano dati .
• Firebase esporta una copia dei tuoi dati esistenti in BigQuery. Per ogni app collegata, include una tabella batch contenente i dati della sincronizzazione giornaliera.
• Se abiliti l'esportazione in streaming di Crashlytics BigQuery, tutte le app collegate avranno anche una tabella in tempo reale contenente dati in costante aggiornamento.

Per disattivare l'esportazione BigQuery, scollega il tuo progetto nella console Firebase.

Quali dati vengono esportati in BigQuery?

I dati di Firebase Crashlytics vengono esportati in un set di dati BigQuery denominato firebase_crashlytics . Per impostazione predefinita, verranno create tabelle individuali all'interno del set di dati Crashlytics per ogni app nel tuo progetto. Firebase assegna un nome alle tabelle in base all'identificatore del bundle dell'app, con i punti convertiti in caratteri di sottolineatura e il nome della piattaforma aggiunto alla fine.

Ad esempio, i dati per un'app con ID com.google.test si troverebbero in una tabella denominata com_google_test_ANDROID . Questa tabella batch viene aggiornata una volta al giorno. Se abiliti l'esportazione in streaming di Crashlytics BigQuery, anche i dati di Firebase Crashlytics verranno trasmessi in tempo reale a com_google_test_ANDROID_REALTIME .

Ogni riga in una tabella rappresenta un evento che si è verificato nell'app, inclusi arresti anomali, errori non irreversibili e ANR.

Abilita l'esportazione in streaming di Crashlytics BigQuery

Puoi eseguire lo streaming dei dati di Crashlytics in tempo reale con BigQueryStreaming . Puoi utilizzarlo per qualsiasi scopo che richieda dati in tempo reale, come presentare informazioni in una dashboard in tempo reale, guardare un'implementazione in tempo reale o monitorare i problemi dell'applicazione che attivano avvisi e flussi di lavoro personalizzati.

L'esportazione in streaming di Crashlytics BigQuery non è disponibile per la sandbox BigQuery.

Quando abiliti l'esportazione in streaming di Crashlytics BigQuery, oltre alla tabella batch avrai una tabella in tempo reale. Ecco le differenze di cui dovresti essere a conoscenza tra le tabelle:

La tabella batch è ideale per l'analisi a lungo termine e l'identificazione delle tendenze nel tempo poiché archiviamo gli eventi in modo duraturo prima di scriverli e possono essere inseriti nella tabella per un massimo di 90 giorni. Quando scriviamo i dati nella tua tabella in tempo reale, li scriviamo immediatamente in BigQuery ed è quindi ideale per dashboard live e avvisi personalizzati. Queste due tabelle possono essere combinate con una query di cucitura per ottenere i vantaggi di entrambe. Vedere l'esempio 9 della query di seguito.

Per impostazione predefinita, la tabella in tempo reale ha una scadenza della partizione di 30 giorni. Per informazioni su come modificarlo, vedere Aggiornamento della scadenza della partizione .

Abilita lo streaming BigQuery di Crashlytics

Per abilitare lo streaming, vai alla sezione Crashlytics della pagina delle integrazioni BigQuery e seleziona la casella di controllo Includi streaming .

Modello Studio dati

Per abilitare i dati in tempo reale nel modello Data Studio, segui le istruzioni in Visualizzazione dei dati Crashlytics esportati con Data Studio .

Visualizzazioni

Puoi trasformare le query di esempio riportate di seguito in visualizzazioni utilizzando l'interfaccia utente di BigQuery. Vedi Creazione di viste per istruzioni dettagliate.

Cosa puoi fare con i dati esportati?

Le esportazioni BigQuery contengono dati grezzi sugli arresti anomali, tra cui tipo di dispositivo, sistema operativo, eccezioni (app Android) o errori (app Apple), log di Crashlytics e altri dati.

Utilizzo dei dati Firebase Crashlytics in BigQuery

Negli esempi seguenti vengono illustrate le query che è possibile eseguire sui dati di Crashlytics. Queste query generano report che non sono disponibili nella dashboard di Crashlytics.

Esempi di query Crashlytics

Gli esempi seguenti dimostrano come generare report che aggregano i dati sugli eventi di arresto anomalo in riepiloghi più facilmente comprensibili.

Esempio 1: arresti anomali di giorno

Dopo aver lavorato per correggere quanti più bug possibile, uno sviluppatore principale ritiene che il suo team sia finalmente pronto a lanciare la nuova app di condivisione di foto. Prima di farlo, vogliono controllare il numero di arresti anomali giornalieri nell'ultimo mese, per essere sicuri che il loro bug-bash abbia reso l'app più stabile nel tempo:

SELECT
  COUNT(DISTINCT event_id) AS number_of_crashes,
  FORMAT_TIMESTAMP("%F", event_timestamp) AS date_of_crashes
FROM
 `projectId.firebase_crashlytics.package_name_ANDROID`
GROUP BY
  date_of_crashes
ORDER BY
  date_of_crashes DESC
LIMIT 30;

Esempio 2: trovare gli arresti anomali più pervasivi

Per stabilire correttamente la priorità dei piani di produzione, un project manager riflette su come evidenziare i 10 arresti anomali più diffusi nel proprio prodotto. Producono una query che fornisce i punti di dati pertinenti:

SELECT
  DISTINCT issue_id,
  COUNT(DISTINCT event_id) AS number_of_crashes,
  COUNT(DISTINCT installation_uuid) AS number_of_impacted_user,
  blame_frame.file,
  blame_frame.line
FROM
  `projectId.firebase_crashlytics.package_name_ANDROID`
WHERE
  event_timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(),INTERVAL 168 HOUR)
  AND event_timestamp < CURRENT_TIMESTAMP()
GROUP BY
  issue_id,
  blame_frame.file,
  blame_frame.line
ORDER BY
  number_of_crashes DESC
LIMIT 10;

Esempio 3: i 10 principali dispositivi che si bloccano

L'autunno è la nuova stagione telefonica! Uno sviluppatore sa che questo significa anche che è arrivata la stagione dei nuovi problemi specifici del dispositivo. Per superare le incombenti preoccupazioni sulla compatibilità, hanno messo insieme una query che identifica i 10 dispositivi che hanno subito il maggior numero di arresti anomali nell'ultima settimana:

SELECT
  device.model,
COUNT(DISTINCT event_id) AS number_of_crashes
FROM
  `projectId.firebase_crashlytics.package_name_ANDROID`
WHERE
  event_timestamp >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 168 HOUR)
  AND event_timestamp < CURRENT_TIMESTAMP()
GROUP BY
  device.model
ORDER BY
  number_of_crashes DESC
LIMIT 10;

Esempio 4: filtro per chiave personalizzata

Uno sviluppatore di giochi vuole sapere quale livello del proprio gioco subisce il maggior numero di arresti anomali. Per aiutarli a tenere traccia di tale statistica, impostano una chiave Crashlytics personalizzata current_level e la aggiornano ogni volta che l'utente raggiunge un nuovo livello.

CrashlyticsKit setIntValue:3 forKey:@"current_level";

Crashlytics.sharedInstance().setIntValue(3, forKey: "current_level");

Crashlytics.setInt("current_level", 3);

Con quella chiave nell'esportazione BigQuery, scrivono quindi una query per segnalare la distribuzione dei valori current_level associati a ciascun evento di arresto anomalo:

SELECT
COUNT(DISTINCT event_id) AS num_of_crashes,
  value
FROM
  `projectId.firebase_crashlytics.package_name_ANDROID`
UNNEST(custom_keys)
WHERE
  key = "current_level"
GROUP BY
  key,
  value
ORDER BY
  num_of_crashes DESC

Esempio 5: estrazione dell'ID utente

Uno sviluppatore ha un'app in accesso anticipato. La maggior parte degli utenti lo adora, ma tre hanno riscontrato un numero insolito di arresti anomali. Per andare a fondo del problema, scrivono una query che recupera tutti gli eventi di arresto anomalo per quegli utenti, utilizzando i loro ID utente:

SELECT *
FROM
  `projectId.firebase_crashlytics.package_name_ANDROID`
WHERE
  user.id IN ("userid1", "userid2", "userid3")
ORDER BY
  user.id
 

Esempio 6: trova tutti gli utenti che affrontano un particolare problema di arresto anomalo

Uno sviluppatore ha rilasciato un bug critico a un gruppo di beta tester. Il team è stato in grado di utilizzare la query dell'esempio 2 sopra per identificare l'ID specifico del problema di arresto anomalo. Ora vorrebbero eseguire una query per estrarre l'elenco degli utenti dell'app interessati da questo arresto anomalo:

SELECT user.id as user_id
FROM
  `projectId.firebase_crashlytics.package_name_ANDROID`
WHERE
  issue_id = "YOUR_ISSUE_ID"
  AND application.display_version = ""
  AND user.id != ""
ORDER BY
  user.id;

Esempio 7: numero di utenti interessati da un problema di arresto anomalo, suddivisi per Paese

Ora il team ha rilevato un bug critico durante il lancio di una nuova versione. Sono stati in grado di utilizzare la query dell'esempio 2 sopra per identificare l'ID specifico del problema di arresto anomalo. Il team ora vorrebbe vedere se questo incidente si è diffuso agli utenti di diversi paesi del mondo.

Per scrivere questa query, il team dovrà:

1. Abilita le esportazioni BigQuery per Google Analytics. Consulta Esportare i dati del progetto in BigQuery .

2. Aggiorna la loro app per trasferire un ID utente sia nell'SDK di Google Analytics che nell'SDK di Crashlytics.

   Obiettivo-C

   CrashlyticsKit setUserIdentifier:@"123456789";
   FIRAnalytics setUserID:@"12345678 9";
   

   Veloce

   Crashlytics.sharedInstance().setUserIdentifier("123456789");
   Analytics.setUserID("123456789");
   

   Giava

   Crashlytics.setUserIdentifier("123456789");
   mFirebaseAnalytics.setUserId("123456789");
   

3. Scrivi una query che utilizzi il campo ID utente per unire eventi nel set di dati BigQuery di Google Analytics con arresti anomali nel set di dati BigQuery di Crashlytics:

   SELECT DISTINCT c.issue_id, a.geo.country, COUNT(DISTINCT c.user.id) as num_users_impacted
   FROM `projectId.firebase_crashlytics.package_name_ANDROID` c
   INNER JOIN  `projectId.analytics_YOUR_TABLE.events_*` a on c.user.id = a.user_id
   WHERE
    c.issue_id = "YOUR_ISSUE_ID"
    AND a._TABLE_SUFFIX BETWEEN '20190101'
    AND '20200101'
   GROUP BY
    c.issue_id,
    a.geo.country,
    c.user.id
   

Esempio 8: i 5 principali problemi finora oggi

Richiede l'abilitazione dell'esportazione in streaming di Crashlytics BigQuery

SELECT
  issue_id,
  COUNT(DISTINCT event_id) AS events
FROM
  `your_project.firebase_crashlytics.package_name_ANDROID_REALTIME`
WHERE
  DATE(event_timestamp) = CURRENT_DATE()
GROUP BY
  issue_id
ORDER BY
  events DESC
LIMIT
  5;

Esempio 9: i 5 principali problemi dal DATE, compreso oggi

Richiede l'abilitazione dell'esportazione in streaming di Crashlytics BigQuery.

In questo esempio combiniamo tabelle batch e in tempo reale per aggiungere informazioni in tempo reale ai dati batch affidabili. Poiché event_id è una chiave primaria, possiamo utilizzare DISTINCT event_id per deduplicare eventuali eventi comuni dalle due tabelle.

SELECT
  issue_id,
  COUNT(DISTINCT event_id) AS events
FROM (
  SELECT
    issue_id,
    event_id,
    event_timestamp
  FROM
    `your_project.firebase_crashlytics.package_name_ANDROID_REALTIME`
  UNION ALL
  SELECT
    issue_id,
    event_id,
    event_timestamp
  FROM
    `your_project.firebase_crashlytics.package_name_ANDROID`)
WHERE
  event_timestamp >= "2020-01-13"
GROUP BY
  issue_id
ORDER BY
  events DESC
LIMIT
  5;

Comprensione dello schema Firebase Crashlytics in BigQuery

Quando colleghi Crashlytics a BigQuery, Firebase esporta gli eventi recenti (arresti anomali, errori non irreversibili e ANR), inclusi eventi fino a due giorni prima del collegamento, con la possibilità di eseguire il backfill fino a novanta giorni.

Da quel momento fino a quando non disabiliti il ​​collegamento, Firebase esporta gli eventi Crashlytics su base giornaliera. Potrebbero essere necessari alcuni minuti prima che i dati siano disponibili in BigQuery dopo ogni esportazione.

Set di dati

Firebase Crashlytics crea un nuovo set di dati nei dati BigQuery for Crashlytics. Il set di dati copre l'intero progetto, anche se ha più app.

Tabelle

Firebase Crashlytics crea una tabella nel set di dati per ogni app del tuo progetto, a meno che tu non abbia disattivato l'esportazione dei dati per tale app. Firebase assegna un nome alle tabelle in base all'identificatore del bundle dell'app, con i punti convertiti in caratteri di sottolineatura e il nome della piattaforma aggiunto alla fine.

Ad esempio, i dati per un'app Android con ID com.google.test sarebbero in una tabella denominata com_google_test_ANDROID e i dati in tempo reale (se abilitati) sarebbero in una tabella denominata com_google_test_ANDROID_REALTIME

Le tabelle contengono un set standard di dati Crashlytics oltre a eventuali chiavi Crashlytics personalizzate definite dagli sviluppatori.

Righe

Ogni riga in una tabella rappresenta un errore riscontrato dall'app.

Colonne

Le colonne in una tabella sono identiche per arresti anomali, errori non irreversibili e ANR. Se l'esportazione in streaming di Crashlytics BigQuery è abilitata, la tabella in tempo reale avrà le stesse colonne della tabella batch. Le colonne all'interno dell'esportazione sono elencate di seguito.

Senza tracce dello stack

Colonne presenti in righe che rappresentano eventi senza analisi dello stack.

Visualizzazione dei dati Crashlytics esportati con Data Studio

Google Data Studio trasforma i tuoi set di dati Crashlytics in BigQuery in report facili da leggere, facili da condividere e completamente personalizzabili.

Per ulteriori informazioni sull'utilizzo di Data Studio, prova la guida rapida di Data Studio, Benvenuto in Data Studio .

Utilizzo di un modello di rapporto Crashlytics

Data Studio dispone di un report di esempio per Crashlytics che include un set completo di dimensioni e metriche dallo schema BigQuery di Crashlytics esportato. Se hai abilitato l'esportazione in streaming di Crashlytics BigQuery, puoi visualizzare tali dati nella pagina Tendenze in tempo reale del modello Data Studio. Puoi utilizzare l'esempio come modello per creare rapidamente nuovi report e visualizzazioni basati sui dati grezzi sugli arresti anomali della tua app:

1. Apri il modello Dashboard di Crashlytics Data Studio .
2. Fai clic su Usa modello nell'angolo in alto a destra.
3. Nel menu a discesa Nuova origine dati , seleziona Crea nuova origine dati .
4. Fai clic su Seleziona nella scheda BigQuery .
5. Seleziona una tabella contenente i dati Crashlytics esportati scegliendo I miei progetti > [nome-tuo-progetto] > firebase_crashlytics > [nome-tua-tabella] . La tua tabella batch è sempre disponibile per la selezione; se l'esportazione in streaming di Crashlytics BigQuery è abilitata, puoi invece selezionare la tabella in tempo reale.
6. In Configurazione , imposta il livello del modello Crashlytics su Predefinito .
7. Fare clic su Connetti per creare la nuova origine dati.
8. Fai clic su Aggiungi al report per tornare al modello Crashlytics.
9. Infine, fai clic su Crea report per creare la tua copia del modello Dashboard di Crashlytics Data Studio.