如何使用 CrUX BigQuery 数据集

Rick Viscomi

Chrome 用户体验报告 (CrUX) 的原始数据可在 BigQuery（Google Cloud 上的数据库）中找到。使用 BigQuery 需要有 GCP 项目并具备 SQL 基础知识。

在本指南中，了解如何使用 BigQuery 针对 CrUX 数据集编写查询，以提取有关 Web 用户体验状态的富有洞察力的结果：

  • 了解数据的组织方式
  • 编写基本查询以评估源站的性能
  • 编写高级查询以跟踪性能随时间变化的情况

数据组织

首先查看下面的基本查询：

SELECT COUNT(DISTINCT origin) FROM `chrome-ux-report.all.202206`

如需运行查询，请在查询编辑器中输入，然后按“运行查询”按钮：

在编辑器中输入简单的查询，然后按“运行”。

此查询包含两部分：

  • SELECT COUNT(DISTINCT origin) 表示查询表中源站的数量。一般来说，如果两个网址的架构、主机和端口相同，它们就属于同一源。

  • FROM chrome-ux-report.all.202206 指定源表的地址，该表包含三个部分：

    • Cloud 项目名称 chrome-ux-report，其中整理了所有 CrUX 数据
    • 数据集 all，表示所有国家/地区的数据
    • 202206 表，即数据的年份和月份，采用 YYYYMM 格式

此外还有每个国家/地区的数据集。例如，chrome-ux-report.country_ca.202206 仅表示来自加拿大的用户体验数据。

每个数据集中自 2017 年起每月都有表。系统会定期发布上个日历月的新表。

数据表的结构（也称为架构）包含以下内容：

  • 来源，例如 origin = 'https://www.example.com'，它表示相应网站上所有网页的总体用户体验分布情况
  • 网页加载时的连接速度，例如 effective_connection_type.name = '4G'
  • 设备类型，例如 form_factor.name = 'desktop'
  • 用户体验指标本身 <ph type="x-smartling-placeholder">
      </ph>
    • first_paint (FP)
    • first_contentful_paint (FCP)
    • dom_content_loaded (DCL)
    • 负载 (OL)
    • experiment.first_input_delay (FID)

每个指标的数据均以对象数组的形式进行组织。采用 JSON 表示法时，first_contentful_paint.histogram.bin 如下所示：

[
    {"start": 0, "end": 100, "density": 0.1234},
    {"start": 100, "end": 200, "density": 0.0123},
    ...
]

每个分箱都包含开始时间和结束时间（以毫秒为单位），以及表示该时间范围内用户体验百分比的密度。换句话说，就这个假设的来源、连接速度和设备类型而言，12.34% 的 FCP 体验不到 100 毫秒。所有分箱密度的总和为 100%。

浏览 BigQuery 中表的结构。

评估效果

我们可以利用对表架构的了解来编写用于提取这些性能数据的查询。

SELECT
  fcp
FROM
  `chrome-ux-report.all.202206`,
  UNNEST(first_contentful_paint.histogram.bin) AS fcp
WHERE
  origin = 'https://web.dev' AND
  effective_connection_type.name = '4G' AND
  form_factor.name = 'phone' AND
  fcp.start = 0

在 BigQuery 上查询 CrUX FCP

结果为 0.01115，这意味着此源上有 1.115% 的用户体验在 4G 和手机上 0 到 100 毫秒之间。如果要将查询泛化到任何连接和任何设备类型，我们可以从 WHERE 子句中省略这些查询，并使用 SUM Aggregator 函数将其各自的所有分箱密度相加：

SELECT
  SUM(fcp.density)
FROM
  `chrome-ux-report.all.202206`,
  UNNEST(first_contentful_paint.histogram.bin) AS fcp
WHERE
  origin = 'https://web.dev' AND
  fcp.start = 0

在 BigQuery 上对 CrUX FCP 求和

其测试结果为 0.05355，在所有设备和连接类型中的占比为 5.355%。我们可以稍微修改查询，并将所有“快速”分箱的密度相加FCP 范围为 0–1000 毫秒：

SELECT
  SUM(fcp.density) AS fast_fcp
FROM
  `chrome-ux-report.all.202206`,
  UNNEST(first_contentful_paint.histogram.bin) AS fcp
WHERE
  origin = 'https://web.dev' AND
  fcp.start < 1000

在 BigQuery 上查询快速 FCP

这会生成 0.6977。换句话说，web.dev 上 69.77% 的 FCP 用户体验被视为“快速”根据 FCP 范围定义

跟踪表现

现在，我们已提取了某个来源的效果数据，接下来可以将其与旧表格中的历史数据进行比较。为此，我们可以将表地址重写为较早的月份，或者使用通配符语法查询所有月份：

SELECT
  _TABLE_SUFFIX AS yyyymm,
  SUM(fcp.density) AS fast_fcp
FROM
  `chrome-ux-report.all.*`,
  UNNEST(first_contentful_paint.histogram.bin) AS fcp
WHERE
  origin = 'https://web.dev' AND
  fcp.start < 1000
GROUP BY
  yyyymm
ORDER BY
  yyyymm DESC

在 BigQuery 上查询 CrUX FCP 的时间序列

在这里，我们可以看到，快速 FCP 体验的占比每月相差几个百分点。

yyyymm fast_fcp
202206 69.77%
202205 70.71%
202204 69.04%
202203 69.82%
202202 67.75%
202201 58.96%
202112 41.69%
… …

借助这些方法，您可以了解源站的性能，计算快速体验的百分比，并跟踪源站的运行情况。下一步，请尝试查询两个或多个源站并比较它们的效果。

常见问题解答

以下是有关 CrUX BigQuery 数据集的一些常见问题解答：

何时使用 BigQuery 而不是其他工具？

仅当您无法通过 CrUX 信息中心和 PageSpeed Insights 等其他工具获取同样的信息时，才需要使用 BigQuery。例如，BigQuery 可让您以有意义的方式将数据切片，甚至可以将数据与 HTTP Archive 等其他公共数据集联接以执行一些高级数据挖掘。

使用 BigQuery 是否有任何限制？

是的，最重要的限制是默认情况下用户每月只能查询 1TB 的数据。超出此限额后，适用 5 美元/TB 的标准费率。

在哪里可以详细了解 BigQuery？

如需了解详情，请参阅 BigQuery 文档。