داده های نظارت بر عملکرد را به BigQuery صادر کنید

شما می‌توانید داده‌های Performance Monitoring از برنامه‌های اپل و اندروید برای تجزیه و تحلیل بیشتر به BigQuery منتقل کنید. BigQuery به شما امکان می‌دهد داده‌ها را با استفاده از BigQuery SQL تجزیه و تحلیل کنید، آنها را به یک ارائه دهنده ابری دیگر منتقل کنید و حتی از داده‌ها برای مدل‌های ML سفارشی خود استفاده کنید.

فعال کردن خروجی BigQuery

1. به صفحه Integrations در کنسول Firebase بروید، سپس در کارت BigQuery روی Link کلیک کنید.

2. برای فعال کردن BigQuery دستورالعمل‌های روی صفحه را دنبال کنید.

   وقتی BigQuery export for Performance Monitoring را فعال می‌کنید، موارد زیر رخ می‌دهد:

   • فایربیس یک کپی از داده‌های موجود شما را به BigQuery صادر می‌کند. تکمیل انتشار اولیه داده‌ها برای صادرات ممکن است تا ۴۸ ساعت طول بکشد.

     • شما می‌توانید به صورت دستی، زمان‌بندی‌های مربوط به پر کردن داده‌ها را تا 30 روز گذشته یا برای جدیدترین تاریخی که قابلیت خروجی BigQuery را فعال کرده‌اید (هر کدام که جدیدتر باشد) برنامه‌ریزی کنید.

   • پس از ایجاد مجموعه داده‌ها، مکان را نمی‌توان تغییر داد، اما می‌توانید مجموعه داده‌ها را به مکان دیگری کپی کنید یا به صورت دستی مجموعه داده‌ها را به مکان دیگری منتقل (بازسازی) کنید. برای کسب اطلاعات بیشتر، به تغییر مکان مجموعه داده‌ها مراجعه کنید.

   • فایربیس همگام‌سازی‌های منظمی از داده‌های شما از پروژه فایربیس به BigQuery انجام می‌دهد. این عملیات خروجی روزانه معمولاً ظرف ۲۴ ساعت پس از زمان‌بندی به پایان می‌رسد.

   • به طور پیش‌فرض، تمام برنامه‌های موجود در پروژه شما به BigQuery متصل هستند. هر برنامه‌ای که بعداً به پروژه اضافه کنید، به طور خودکار به BigQuery متصل می‌شود. می‌توانید مدیریت کنید که کدام برنامه‌ها داده ارسال کنند .

برای غیرفعال کردن خروجی BigQuery ، پروژه خود را در کنسول Firebase از حالت لینک خارج کنید.

چه داده‌هایی به BigQuery ارسال می‌شوند؟

برای هر برنامه در پروژه، خروجی، جدولی ایجاد می‌کند که شامل تمام رویدادهای عملکردی ثبت‌شده است. هر ردیف در جدول، یک رویداد عملکردی واحد است که می‌تواند یکی از موارد زیر باشد:

• ردیابی مدت زمان - ردیابی‌هایی که به طور پیش‌فرض، معیار «مدت زمان» را جمع‌آوری می‌کنند، که شامل شروع برنامه، برنامه در پیش‌زمینه و برنامه در پس‌زمینه و همچنین هرگونه ردیابی کد سفارشی ابزارگذاری شده توسط توسعه‌دهنده می‌شود.

  • event_type DURATION_TRACE است.
  • event_name همان نام ردیابی است

• معیار ردیابی - معیارهای سفارشی که با ردیابی کدهای سفارشیِ ابزاربندی‌شده توسط توسعه‌دهنده مرتبط هستند

  • event_type TRACE_METRIC است
  • event_name نام معیار است
  • parent_trace_name نام ردیابی است که شامل این معیار است.

• ردیابی صفحه نمایش - ردیابی‌هایی که در طول عمر یک صفحه نمایش انجام می‌شوند (ردیابی‌های رندر صفحه نمایش)

  • event_type SCREEN_TRACE است
  • event_name پیشوند _st_ به علاوه‌ی نام واقعی صفحه نمایش است.

• درخواست شبکه - ردیابی‌هایی که طول عمر یک درخواست شبکه را در بر می‌گیرد (ردیابی‌های درخواست شبکه HTTP)

  • event_type NETWORK_REQUEST است.
  • event_name الگوی دسته‌بندی‌شده‌ی URL درخواست شبکه است.

هر رویداد اجرایی شامل ویژگی‌های آن رویداد (مانند کشور و اپراتور دستگاه کلاینت) و همچنین اطلاعات خاص رویداد است:

• ردیابی‌های مدت زمان، معیارهای ردیابی و ردیابی‌های صفحه نمایش حاوی trace_info هستند
• معیارهای ردیابی شامل trace_info.metric_info هستند.
• ردپاهای صفحه نمایش شامل trace_info.screen_info هستند.
• ردپاهای شبکه حاوی network_info هستند

طرحواره داده تفصیلی

با داده‌های صادر شده چه کاری می‌توانید انجام دهید؟

بخش‌های زیر نمونه‌هایی از پرس‌وجوهایی را ارائه می‌دهند که می‌توانید در BigQuery روی داده‌های Performance Monitoring خروجی خود اجرا کنید.

داده‌های مشاهده شده در کنسول را مطابقت دهید

داشبورد فایربیس داده‌های روزانه را در منطقه زمانی America/Los_Angeles جمع‌آوری می‌کند. برای مطابقت با آنچه در کنسول دیده شده است، توابع تاریخ باید صریحاً منطقه زمانی America/Los_Angeles را تنظیم کنند، در غیر این صورت تابع تاریخ به طور پیش‌فرض از UTC استفاده خواهد کرد .

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;

مشاهده میانگین تأخیر شروع برنامه به تفکیک کشور

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;

نسبت فریم‌های یخ‌زده را در برابر شرایط مختلف بررسی کنید

برای مثال، می‌توانید نسبت فریم‌های ثابت را در کنار میزان زمانی که کاربران در هر صفحه از برنامه شما هنگام استفاده از انواع مختلف امواج رادیویی (وای‌فای، 4G و غیره) صرف می‌کنند، بررسی کنید.

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;

محاسبه نرخ موفقیت حافظه پنهان برای بارگذاری انواع خاصی از فایل‌ها از دیسک

این تحلیل فرض می‌کند که شما یک ردیابی کد سفارشی برای بارگیری از دیسک با یک ویژگی سفارشی به نام file-extension و یک معیار سفارشی ( TRACE_METRIC ) به نام cache-hit ایجاد کرده‌اید که در صورت موفقیت در کش، 1 و در صورت از دست دادن کش، 0 برای آن تنظیم شده است.

برای مثال، می‌توانید نرخ موفقیت حافظه پنهان (cache hit rate) را برای بارگذاری فایل‌های PNG از دیسک محاسبه کنید:

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);

بررسی کنید که کاربران در چه ساعتی از روز درخواست‌های شبکه ارسال می‌کنند.

برای مثال، می‌توانید بررسی کنید که کاربران آمریکایی در چه ساعتی از روز درخواست‌های شبکه را از برنامه شما ارسال می‌کنند:

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;

داده‌های Performance Monitoring خود را به هر جایی ببرید

گاهی اوقات می‌خواهید به داده‌های Performance Monitoring خود در سمت سرور دسترسی داشته باشید یا آن را به یک راهکار شخص ثالث دیگر منتقل کنید. در حال حاضر هیچ هزینه‌ای برای خروجی گرفتن از داده‌ها وجود ندارد.

شما می‌توانید داده‌های خود را از طریق موارد زیر صادر کنید:

• استفاده از رابط کاربری وب BigQuery

• اجرای دستور bq extract در محیط CLI

• ارسال یک کار استخراج از طریق API یا کتابخانه‌های کلاینت.

قیمت‌گذاری

هیچ هزینه‌ای برای خروجی گرفتن داده‌ها از Performance Monitoring وجود ندارد و BigQuery محدودیت‌های استفاده‌ی رایگان و سخاوتمندانه‌ای ارائه می‌دهد. برای اطلاعات دقیق، به قیمت‌گذاری BigQuery یا BigQuery sandbox مراجعه کنید.