CrUX no BigQuery

Saiba como os dados do CrUX são estruturados no BigQuery.

Introdução

Os dados brutos do Relatório de UX do Chrome (CrUX) estão disponíveis no BigQuery, um banco de dados hospedado no Google Cloud.

O CrUX no BigQuery permite que os usuários consultem diretamente o conjunto de dados completo desde 2017, por exemplo, para analisar tendências, comparar tecnologias da Web e domínios de comparação.

Os dados são estruturados por lançamento mensal, além de várias tabelas de resumo para facilitar o acesso às consultas.

Os dados do BigQuery são a base do painel do CRUX, que permite visualizar esses dados sem escrever consultas SQL.

Acessar o conjunto de dados

O uso do BigQuery requer uma conta do Google Cloud e conhecimento básico de SQL. O conjunto de dados CRUX no BigQuery pode ser acessado e explorado sem custo financeiro até os limites do nível sem custo financeiro, que é renovado mensalmente e fornecido pelo BigQuery. Além disso, novos usuários do Google Cloud podem se qualificar para um crédito de inscrição para cobrir as despesas além do nível sem custo financeiro. É necessário fornecer um cartão de crédito para o projeto do Google Cloud. Consulte Por que preciso fornecer um cartão de crédito?.

Se você está usando o BigQuery pela primeira vez, siga estas etapas para configurar um projeto:

  1. Acesse Criar um projeto no console do Google Cloud.
  2. Dê um nome ao novo projeto, como "Meu relatório de UX do Chrome", e clique em "Criar".
  3. Informe suas informações de faturamento, se solicitado.
  4. Acesse o conjunto de dados do CRUX no BigQuery.

Agora você já pode começar a consultar o conjunto de dados.

Organização do projeto

Os dados do CrUX no BigQuery são lançados na segunda-feira da semana seguinte. Cada mês é lançado como uma nova tabela em chrome-ux-report.all. Há também várias tabelas materializadas que fornecem estatísticas resumidas para cada mês.

Esquema detalhado da tabela

As tabelas brutas de cada país e o conjunto de dados all são fornecidos por ano e mês.

Tabelas brutas

As tabelas brutas têm o seguinte esquema:

  • origin
  • effective_connection_type
  • form_factor
  • first_paint
  • first_contentful_paint
  • largest_contentful_paint
  • dom_content_loaded
  • onload
  • layout_instability
    • cumulative_layout_shift
  • interaction_to_next_paint
  • navigation_types
    • navigate
    • navigate_cache
    • reload
    • restore
    • back_forward
    • back_forward_cache
    • prerender
  • experimental
    • permission
      • notifications
    • time_to_first_byte
    • popularity

Esquema da tabela materializada

As tabelas materializadas são fornecidas para facilitar o acesso aos dados resumidos por várias dimensões principais. Não são fornecidos histogramas. Em vez disso, os dados de performance são agregados em frações pela avaliação de performance e pelo valor do 75º percentil. Um conjunto de linhas de exemplo da tabela metrics_summary é mostrado neste exemplo:

aaaamm origem fast_lcp avg_lcp slow_lcp p75_lcp
202204 https://example.com 0,9056 0,0635 0,0301 1600
202203 https://example.com 0,9209 0,052 0,0274 1400
202202 https://example.com 0,9169 0,0545 0,0284 1500
202201 https://example.com 0,9072 0,0626 0,0298 1500

Isso mostra que, no conjunto de dados 202204, 90,56% das experiências de usuários reais no https://example.com atenderam aos critérios de bom LCP e que o valor de LCP aproximado do 75º percentil foi 1.600 ms. Isso é um pouco mais lento do que nos meses anteriores.

Quatro tabelas materializadas são fornecidas:

metrics_summary
métricas principais por mês e origem
device_summary
principais métricas por mês, origem e tipo de dispositivo
country_summary
métricas principais por mês, origem, tipo de dispositivo e país
origin_summary
uma lista de todas as origens incluídas no conjunto de dados

metrics_summary

A tabela metrics_summary contém estatísticas resumidas para cada origem e conjunto de dados mensal:

yyyymm
Mês do período de coleta de dados
origin
URL da origem do site
rank
Classificação de popularidade grosseira (de março de 2021)
[small|medium|large]_cls
fração do tráfego por limites de CLS
[fast|avg|slow]_<metric>
fração do tráfego por limites de desempenho
p75_<metric>
Valor do 75º percentil das métricas de performance (milissegundos)
notification_permission_[accept|deny|ignore|dismiss]
fração de comportamentos de permissão de notificação
[desktop|phone|tablet]Density
fração do tráfego por formato
[_4G|_3G|_2G|slow2G|offline]Density
fração do tráfego por tipo de conexão eficaz
navigation_type_[navigate|navigate_cache|reload|restore|back_forward|back_forward_cache|prerender]
fração de tipos de navegação

device_summary

A tabela device_summary contém estatísticas agregadas por mês, origem, país e dispositivo. Além das colunas metrics_summary, há:

device
Formato do dispositivo

country_summary

A tabela country_summary contém estatísticas agregadas por mês, origem, país e dispositivo. Além das colunas metrics_summary, há:

country_code
Código de país com duas letras
device
Formato do dispositivo

origin_summary

A tabela origin_summary contém uma lista de todas as origens no conjunto de dados do CrUX. Ela é atualizada mensalmente com a lista mais recente de origens no conjunto de dados e tem uma única coluna: origin.

Conjunto de dados experimental

As tabelas no conjunto de dados experimental são cópias exatas das tabelas YYYYMM padrão, mas usam recursos mais recentes e avançados do BigQuery, como particionamento e clusterização, que permitem escrever consultas mais rápidas, simples e baratas.

country

O conjunto de dados experimental.country contém dados agregados dos conjuntos de dados country_CC com uma coluna yyyymm adicional para a data do conjunto de dados. O esquema é idêntico às tabelas brutas, com a adição das colunas de data e country_code, permitindo que as consultas de comparação entre países sejam executadas sem mesclar as tabelas mensais.

global

O conjunto de dados experimental.global contém dados agregados do conjunto de dados all com uma coluna yyyymm adicional para a data do conjunto de dados. O esquema é idêntico às tabelas brutas, com a adição da data, permitindo que as consultas de comparação ao longo do tempo sejam executadas sem mesclar as tabelas mensais.