Eksportowanie danych z Monitorowania wydajności do BigQuery

Dane z Performance Monitoring z aplikacji na Androida i iOS możesz eksportować do BigQuery w celu dalszej analizy. BigQuery umożliwia analizowanie danych za pomocą BigQuery SQL, eksportowanie ich do innego dostawcy chmury, a nawet wykorzystywanie danych w niestandardowych modelach ML.

Włączanie BigQuery eksportu

1. W konsoli Firebase otwórz stronę Integracje, a potem kliknij Połącz na karcie BigQuery.

2. Postępuj zgodnie z instrukcjami wyświetlanymi na ekranie, aby włączyć BigQuery.

   Gdy włączysz eksport BigQuery w przypadku Performance Monitoring, nastąpią te zmiany:

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

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

   • Gdy zostanie on 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 Zmienianie lokalizacji zbioru danych.

   • Firebase skonfiguruje regularną synchronizację danych z projektu w Firebase do BigQuery. Te 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, także zostaną automatycznie połączone z BigQuery. Możesz określić, które aplikacje mają wysyłać dane.

Aby wyłączyć BigQuery eks0port, odłącz projekt w konsoli Firebase.

Jakie dane są eksportowane do BigQuery?

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

• Log czasu – logi czasu, które domyślnie zbierają dane „czasu trwania”, w tym czas uruchamiania aplikacji, czas działania aplikacji na pierwszym planie i w tle, a także wszelkie logi czasu z niestandardowego kodu zaimplementowane przez dewelopera.

  • event_type to DURATION_TRACE
  • event_name jest taka sama jak nazwa logu czasu

• Dane logu czasu – dane niestandardowe powiązane z logami czasu z niestandardowego kodu zaimplementowanego przez dewelopera.

  • event_type to TRACE_METRIC
  • event_name to nazwa danych
  • parent_trace_name to nazwa logu czasu, który zawiera te dane

• Log czasu ekranu – logi czasu obejmujące cały okres istnienia ekranu (logi czasu renderowania ekranu).

  • event_type to SCREEN_TRACE
  • event_name to prefiks _st_ oraz rzeczywista nazwa ekranu

• Żądanie sieciowe – logi czasu obejmujące cały okres istnienia 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 (takie jak kraj i operator urządzenia klienta), a także informacje specyficzne dla zdarzenia:

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

Szczegółowy schemat danych

Co można zrobić z wyeksportowanymi danymi?

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

Dopasowywanie danych widocznych w konsoli

Panel Firebase agreguje dane dzienne w strefie czasowej America/Los_Angeles. Aby dopasować dane widoczne w konsoli, funkcje daty powinny wyraźnie ustawiać America/Los_Angeles jako strefę czasową. W przeciwnym razie funkcja daty domyślnie użyje strefy czasowej 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 opóźnienia uruchamiania aplikacji według kraju

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 odsetka zablokowanych klatek w różnych warunkach

Możesz na przykład sprawdzić odsetek zablokowanych klatek oraz czas, jaki użytkownicy spędzają na poszczególnych ekranach aplikacji, gdy korzystają z różnych typów radia (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 zaimplementowano log czasu z niestandardowego kodu wczytywania z dysku z atrybutem niestandardowym o nazwie file-extension oraz danymi niestandardowymi (TRACE_METRIC) o nazwie cache-hit, które są ustawione na 1, jeśli wystąpiło trafienie w pamięci podręcznej, i na 0, jeśli nie.

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;

Przenoszenie danych z Performance Monitoring w dowolne miejsce

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

Dane możesz eksportować:

• za pomocą interfejsu internetowego BigQuery,

• uruchamiając polecenie CLI bq extract

• przesyłając zadanie wyodrębniania za pomocą interfejsu API lub bibliotek klienckich.

Ceny

Eksportowanie danych z Performance Monitoring jest bezpłatne, a BigQuery oferuje duże limity bezpłatnego użytkowania. Szczegółowe informacje znajdziesz w BigQuery cenniku lub w BigQuery piaskownicy.