Eksportowanie danych z Monitorowania wydajności do BigQuery

Możesz eksportować Performance Monitoring dane z aplikacji na Androida i iOS do BigQuery, aby przeprowadzić dalszą analizę. BigQuery umożliwia analizowanie danych za pomocą BigQuerySQL, eksportowanie ich do innego dostawcy usług w chmurze, a nawet używanie ich w niestandardowych modelach uczenia maszynowego.

Włącz eksportowanie BigQuery

1. Otwórz stronę Integracje w konsoli Firebase, a potem kliknij Połącz na karcie BigQuery.

2. Aby włączyć BigQuery, postępuj zgodnie z instrukcjami wyświetlanymi na ekranie.

   Gdy włączysz eksportowanie BigQuery na potrzeby Performance Monitoring, nastąpią te zmiany:

   • Firebase eksportuje kopię Twoich dotychczasowych danych do BigQuery. Początkowe rozpowszechnianie danych na potrzeby eksportu może potrwać do 48 godzin.

     • Możesz ręcznie zaplanować uzupełnianie danych z okresu do 30 dni wstecz lub z najnowszej daty, w której włączono eksport BigQuery (w zależności od tego, która z tych dat jest późniejsza).

   • Gdy zbiór danych zostanie utworzony, jego lokalizacji nie można już zmienić. Możesz natomiast skopiować zbiór danych do innej lokalizacji lub go ręcznie przenieść przez ponowne utworzenie tego zbioru w innej lokalizacji. Więcej informacji znajdziesz w artykule Zmiana lokalizacji zbioru danych.

   • Firebase konfiguruje regularne synchronizacje danych z projektu Firebase z BigQuery. Codzienne operacje eksportu zwykle kończą się w ciągu 24 godzin od zaplanowania.

   • Domyślnie wszystkie aplikacje w projekcie są połączone z BigQuery. Wszystkie aplikacje, które dodasz do projektu później, zostaną automatycznie połączone z BigQuery. Możesz określić, które aplikacje mają wysyłać dane.

Aby dezaktywować eksportowanie BigQuery, odłącz projekt w konsoli Firebase.

Jakie dane są eksportowane do BigQuery?

W przypadku każdej aplikacji w projekcie eksport tworzy tabelę zawierającą wszystkie zarejestrowane zdarzenia związane z wydajnością. Każdy wiersz w tabeli to pojedyncze zdarzenie związane ze skutecznością, które może być jednym z tych typów:

• Log czasu trwania – logi, które domyślnie zbierają dane o „czasie trwania”, w tym o uruchamianiu aplikacji, działaniu aplikacji na pierwszym planie i w tle, a także wszelkie logi czasu z niestandardowego kodu, które zostały zaimplementowane przez dewelopera.

  • event_type to DURATION_TRACE
  • event_name jest taka sama jak nazwa śledzenia

• Dane logów czasu – dane niestandardowe powiązane z logami czasu niestandardowego kodu dodanymi przez programistę.

  • event_type to TRACE_METRIC
  • event_name to nazwa rodzaju danych
  • parent_trace_name to nazwa logu czasu, który zawiera ten wskaźnik.

• Ślad ekranu – ślady obejmujące cały okres istnienia ekranu (ślady renderowania ekranu).

  • event_type to SCREEN_TRACE
  • event_name to prefiks _st_ plus rzeczywista nazwa ekranu.

• Żądanie sieciowe – logi czasu obejmujące cały okres żądania sieciowego (logi czasu żądań sieciowych HTTP).

  • event_type to NETWORK_REQUEST
  • event_name to skategoryzowany wzorzec adresu URL żądania sieciowego.

Każde zdarzenie związane z wydajnością zawiera atrybuty zdarzenia (np. kraj i operator urządzenia klienta), a także informacje specyficzne dla zdarzenia:

• Logi czasu trwania, dane logu czasu i logi ekranu zawierają trace_info
• Dane śledzenia zawierają trace_info.metric_info
• Logi ekranu zawierają trace_info.screen_info
• Logi sieci zawierają network_info

Szczegółowy schemat danych

Co można zrobić z wyeksportowanymi danymi?

W sekcjach poniżej znajdziesz przykłady zapytań, które możesz uruchomić w BigQuery na wyeksportowanych danych Performance Monitoring.

Dopasowywanie danych widocznych w konsoli

Panel Firebase agreguje dane dzienne w strefie czasowej America/Los_Angeles. Aby dopasować wyniki do tych wyświetlanych w konsoli, funkcje daty powinny jawnie ustawiać strefę czasową America/Los_Angeles. W przeciwnym razie domyślnie będą używać strefy UTC.

SELECT
  DATE(event_timestamp, 'America/Los_Angeles') AS daily_date,
  APPROX_QUANTILES(trace_info.duration_us, 100)[OFFSET(90)] / 1000000 AS p90_seconds,
FROM `TABLE_NAME`
WHERE
  DATE(event_timestamp, 'America/Los_Angeles')
    >= DATE_SUB( PARSE_DATE('%Y%m%d', 'YYYY-MM-DD'), INTERVAL 7 DAY)
  AND DATE(event_timestamp, 'America/Los_Angeles')
    <= PARSE_DATE('%Y%m%d', 'YYYY-MM-DD')
  AND event_name = '_app_start'
GROUP BY 1
ORDER BY 1 DESC;

Wyświetlanie średniego czasu oczekiwania na uruchomienie aplikacji z podziałem na kraje

SELECT AVG(trace_info.duration_us), country
FROM `TABLE_NAME`
WHERE _PARTITIONTIME > TIMESTAMP("YYYY-MM-DD")
AND event_type = "DURATION_TRACE"
AND event_name = "_app_start"
GROUP BY 2;

Sprawdzanie stosunku zamrożonych klatek w różnych warunkach

Możesz na przykład sprawdzić odsetek zamrożonych klatek oraz czas, jaki użytkownicy spędzają na poszczególnych ekranach aplikacji, gdy korzystają z różnych rodzajów połączeń radiowych (Wi-Fi, 4G itp.).

SELECT
  AVG(trace_info.duration_us / 1000000) AS seconds_on_screen,
  AVG(trace_info.screen_info.frozen_frame_ratio) AS frozen_frame_ratio,
  event_name,
  radio_type
FROM `TABLE_NAME`
WHERE _PARTITIONTIME > TIMESTAMP("YYYY-MM-DD")
AND event_type = "SCREEN_TRACE"
GROUP BY event_name, radio_type
ORDER BY event_name, radio_type;

Obliczanie współczynnika trafień w pamięci podręcznej podczas wczytywania określonych typów plików z dysku

Ta analiza zakłada, że masz instrumentowany niestandardowy log czasu kodu wczytywania z dysku z atrybutem niestandardowym o nazwie file-extension i danymi niestandardowymi (TRACE_METRIC) o nazwie cache-hit, które mają wartość 1 w przypadku trafienia w pamięci podręcznej i 0 w przypadku nietrafienia w pamięci podręcznej.

Możesz na przykład obliczyć współczynnik trafień w pamięci podręcznej podczas wczytywania plików PNG z dysku:

SELECT AVG(trace_info.metric_info.metric_value) AS cache_hit_rate
FROM `TABLE_NAME`
WHERE _PARTITIONTIME > TIMESTAMP("YYYY-MM-DD")
AND event_type = "TRACE_METRIC"
AND event_name = "cache-hit"
AND parent_trace_name = "loadFromDisk"
AND STRUCT("file-extension", "png") IN UNNEST(custom_attributes);

Sprawdzanie, o której porze dnia użytkownicy wysyłają żądania sieciowe

Możesz na przykład sprawdzić, o której godzinie użytkownicy z Polski wysyłają żądania sieciowe z Twojej aplikacji:

SELECT
  count(1) AS hourly_count,
  EXTRACT(HOUR FROM event_timestamp) AS hour_of_day
FROM `TABLE_NAME`
WHERE _PARTITIONTIME > TIMESTAMP("YYYY-MM-DD")
AND event_type = "NETWORK_REQUEST"
AND country = "US"
GROUP BY 2 ORDER BY 2;

Zabierz swoje dane z Performance Monitoring wszędzie

Czasami chcesz uzyskać dostęp do danych Performance Monitoring po stronie serwera lub przesłać je do innego rozwiązania innej firmy. Obecnie eksportowanie danych jest bezpłatne.

Dane możesz wyeksportować:

• Korzystanie z interfejsu internetowego BigQuery

• Uruchamianie polecenia interfejsu wiersza poleceńbq extract

• Przesyłanie zadania wyodrębniania za pomocą interfejsu API lub bibliotek klienta.

Ceny

Eksportowanie danych z Performance Monitoring jest bezpłatne, a BigQuery zapewnia duże bezpłatne limity wykorzystania. Szczegółowe informacje znajdziesz w cenniku lub w BigQuerypiaskownicy.BigQuery