מה אפשר לעשות עם הנתונים שמאוחסנים ב-Cloud Logging?

אחרי שמייצאים את נתוני Crashlytics ו (אופציונלית) את נתוני הסשנים של Firebase אל Cloud Logging, אפשר להתחיל לעבוד עם הנתונים כדי להבין טוב יותר את היציבות של האפליקציה ואפילו להשתמש ביומנים בשירותים אחרים של Google Cloud כדי ליצור מרכזי בקרה בהתאמה אישית, להגדיר התראות בהתאמה אישית ולנתח את הנתונים.

אפשר גם לייצא את הנתונים לשירותים אחרים.

ריכזנו כאן כמה תרחישי שימוש נפוצים לעבודה עם הנתונים:

  • יצירת מדדים מבוססי-יומן לניתוח מתקדם
    הופכים את רשומות היומן למדדים שעוקבים אחרי התנהגויות ספציפיות באפליקציה או אחרי מגמות יציבות לאורך זמן. לדוגמה, אתם יכולים ליצור מדד כדי לספור באיזו תדירות מתרחש חריג ספציפי לא קריטי, ולהציג אותו לצד מדדים אחרים של תקינות המערכת.

  • הגדרת התראות מתקדמות לערוצי התראות בהתאמה אישית
    כדי לקבל התראות באימייל בהתאמה אישית, אפשר להגדיר מדיניות התראות ב-Cloud Monitoring. הפעלת התראות על סמך דפוסי יומן או ספי מינימום ספציפיים ושליחתן לשירותים כמו Slack,‏ Jira או PagerDuty.

  • יצירת מרכזי בקרה וטבלאות בהתאמה אישית
    בעזרת Cloud Monitoring אפשר ליצור מרכזי בקרה בהתאמה אישית שמציגים את המדדים שהכי חשובים לעסק. אתם יכולים לראות את שיעורי הפעילות ללא קריסה, את נפחי הסשנים ואת מספר השגיאות בתצוגה אחת, בשילוב עם נתוני מוצרים אחרים של Google Cloud.

  • הצלבת נתוני קריסות של אפליקציות עם יומנים של Back-end
    שילוב נתוני קריסות בצד הלקוח עם יומנים בצד השרת במקום אחד.

  • חיפוש וסינון של נתוני קריסות גולמיים בהיקף גדול
    אפשר להשתמש ב-Logs Explorer כדי להריץ שאילתות מורכבות באמצעות LQL (Logging Query Language). אתם יכולים לחפש הודעות ספציפיות ביומן, מפתחות מותאמים אישית או נתיבי ניווט אצל כל המשתמשים ובכל הגרסאות כדי למצוא בעיות נדירות או בעיות שספציפיות למכשיר.

  • העברת נתונים לצורך שמירה לטווח ארוך או עיבוד חיצוני
    אפשר להשתמש ב-log sinks כדי לייצא את היומנים של Crashlytics אל Cloud Storage לצורך תאימות, אל BigQuery לצורך ניתוח נתונים בהיקף נרחב או אל Pub/Sub כדי להזרים נתונים אל כלי ניטור חיצוניים משלכם.

הבנה טובה יותר של יציבות האפליקציה

הכלי Logs Explorer במסוף Google Cloud כולל כלים להצגת יומנים ונתונים ספציפיים באמצעות שאילתות, מסננים מובנים ולוחות נתונים. מידע נוסף על סינון היומנים באמצעות שאילתות מופיע בקטע הבא.

לוח הבקרה Crashlytics מספק סקירה כללית ברמה גבוהה של תקינות האפליקציה, אבל ייצוא ל-Cloud Logging מאפשר לענות על שאלות ספציפיות יותר לגבי התנהגות האפליקציה:

  • איך אפשר לקשר בין קריסה ספציפית לבין פעילות בשרת העורפי?
    כדאי להשתמש במזהה משותף (כמו מזהה משתמש או מזהה בקשה) כדי לראות בדיוק מה קרה בשרתים ברגע שהתרחשה קריסה בצד הלקוח.

  • מהו שיעור הסשנים ללא קריסה באזור גיאוגרפי ספציפי?
    אם מצטרפים לCrashlytics אירועים עם נתוני סשנים של Firebase, אפשר לחשב מדדים מתקדמים שלא זמינים בלוח הבקרה הרגיל.

  • האם בדגמי מכשירים מסוימים יש נפח גבוה יותר של שגיאות לא קריטיות אחרי השקה חדשה?
    מסננים יומנים גולמיים לפי device.model ו-error_type כדי לזהות רגרסיות ספציפיות לחומרה בזמן אמת.

  • מה היה רצף האירועים המדויק שהוביל לקריסה?
    בודקים את השדות breadcrumbs ו-logs ברשומה ביומן כדי לראות את המסלול עם חותמת הזמן של פעולות המשתמש ואירועי המערכת שקדמו לכשל.

  • כמה משתמשים מושפעים משגיאה ספציפית של 'אין מספיק זיכרון' בגרסה האחרונה?
    מריצים שאילתה בכל היומנים כדי למצוא את מספר הערכים הייחודיים installation_uuid שמשויכים לסוג חריגה ספציפי.

  • האם תכונה מסוימת גורמת ליותר קריסות מאחרות?
    אם אתם משתמשים במפתחות מותאמים אישית כדי לעקוב אחרי דגלים של תכונות או מצבי אפליקציה, אתם יכולים לסנן את היומנים כדי לראות אם צמד מסוים של מפתח וערך מיוצג באופן לא פרופורציונלי באירועי קריסה.

שימוש ביומנים בשירותים אחרים של Google Cloud

אפשר גם להשתמש ביומנים בשירותים אחרים של Google Cloud, כמו Cloud Monitoring או BigQuery.

Cloud Monitoring

באמצעות Cloud Monitoring, אפשר להשתמש במדדים מבוססי-יומן על סמך הנתונים המיוצאים כדי לבצע כל אחת מהפעולות הבאות:

איך ניגשים לנתוני Cloud Logging ב-Cloud Monitoring

מכיוון ש-Cloud Logging ו-Cloud Monitoring הם חלק מ-Google Cloud Observability Suite, אפשר להתחיל להשתמש בנתונים שמאוחסנים ב-Cloud Logging ישירות עם Cloud Monitoring בלי לייצא אותם.

BigQuery

בעזרת BigQuery, אתם יכולים לבצע כל אחת מהפעולות הבאות:

  • אפשר להשתמש בLooker Studio כדי ליצור מרכזי בקרה בהתאמה אישית של הנתונים המיוצאים. מידע נוסף על Looker Studio זמין במדריך למשתמש.

  • להריץ שאילתות על נתוני Crashlytics ועל נתוני סשנים ב-Firebase (אופציונלי) כדי ליצור דוחות וסיכומים מותאמים אישית.

  • אפשר לשלב את הנתונים של Crashlytics עם נתונים אחרים מ-Firebase שייצאתם אל BigQuery, ולשלוח שאילתות לגביהם בדרכים חדשות.

איך ניגשים לנתוני Cloud Logging ב-BigQuery

כדי להתחיל להשתמש בנתונים המיוצאים שמאוחסנים ב-Cloud Logging באמצעות BigQuery, צריך להעניק ל-BigQuery גישה לנתונים. אפשר לבחור באחת מהאפשרויות הבאות: