Esta página foi traduzida pela API Cloud Translation.

CrUX no BigQuery

Saiba como os dados CrUX são estruturados no BigQuery.

Introdução

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

Com o CrUX no BigQuery, os usuários podem consultar diretamente o conjunto de dados completo desde 2017, por exemplo, para analisar tendências, comparar tecnologias da Web e domínios de referência.

Os dados são estruturados por lançamento mensal, além de várias tabelas de resumo para facilitar o acesso à consulta dos dados.

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

Acessar o conjunto de dados

Para usar o BigQuery, é preciso ter uma conta do Google Cloud e conhecimento básico de SQL. O conjunto de dados CrUX no BigQuery é sem custo financeiro e pode ser acessado até atingir os limites do nível sem custo financeiro, que é renovado mensalmente e fornecido pelo BigQuery. Além disso, novos usuários do Google Cloud podem ter direito a um crédito de inscrição para cobrir 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:

Acesse Criar um projeto no console do Google Cloud.
Dê um nome ao novo projeto, como "Meu relatório de UX do Chrome", e clique em "Criar".
Se solicitado, forneça suas informações de faturamento.
Acesse o conjunto de dados CrUX no BigQuery.

Agora está tudo pronto para você começar a consultar o conjunto de dados.

Organização do projeto

Os dados do CrUX no BigQuery são lançados na segunda terça-feira do mês 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.

"chrome-ux-report"
- all
  - AAAAMM
- country_CC
  - AAAAMM
- experimental
  - country
  - global
- materialized

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 de tabela materializada

As tabelas materializadas facilitam o acesso aos dados resumidos por várias dimensões-chave. Nenhum histograma é fornecido. Os dados de desempenho são agregados em frações por avaliação de desempenho e pelo valor do 75o percentil. Um conjunto de linhas 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 de 202204, 90,56% das experiências de usuários reais no https://example.com atenderam aos critérios de uma boa LCP, e que o valor aproximado da LCP de 75o percentil foi de 1.600 ms. Esse processo é um pouco mais lento do que nos meses anteriores.

Quatro tabelas materializadas são fornecidas:

metrics_summary: principais métricas por mês e origem
device_summary: principais métricas por mês, origem e tipo de dispositivo
country_summary: principais métricas 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 desempenho (milissegundos)
notification_permission_[accept|deny|ignore|dismiss]: fração dos comportamentos de permissão de notificações
[desktop|phone|tablet]Density: fração de tráfego por formato
[_4G|_3G|_2G|slow2G|offline]Density: fração do tráfego por tipo de conexão efetiva
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 do país de 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 clustering, que permitem criar 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 a comparação no nível do país ao longo do tempo seja executada 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.