CrUX BigQuery 데이터 세트를 사용하는 방법

Chrome UX 보고서 (CrUX)의 원시 데이터는 Google Cloud의 데이터베이스인 BigQuery에서 확인할 수 있습니다. BigQuery를 사용하려면 GCP 프로젝트와 SQL에 관한 기본 지식이 필요합니다.

이 가이드에서는 BigQuery를 사용하여 CrUX 데이터 세트에 대한 쿼리를 작성하여 웹의 사용자 환경 상태에 대한 유용한 결과를 추출하는 방법을 알아봅니다.

  • 데이터 구성 방식 이해
  • 출처의 성능을 평가하는 기본 쿼리 작성
  • 시간 경과에 따른 성능을 추적하는 고급 쿼리 작성

데이터 구성

먼저 다음과 같은 기본 쿼리를 살펴보겠습니다.

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

쿼리를 실행하려면 쿼리 편집기에 쿼리를 입력하고 '쿼리 실행' 버튼을 누릅니다.

편집기에 간단한 쿼리를 입력하고 '실행'을 누릅니다.

이 쿼리에는 두 부분이 있습니다.

  • SELECT COUNT(DISTINCT origin)는 테이블의 출처 수를 쿼리하는 것을 의미합니다. 대략적으로 말하자면 두 URL의 스키마, 호스트, 포트가 같은 경우 두 URL은 동일한 출처의 일부입니다.

  • FROM chrome-ux-report.all.202206는 다음 세 부분으로 구성된 소스 테이블의 주소를 지정합니다.

    • 모든 CrUX 데이터가 구성되는 Cloud 프로젝트 이름 chrome-ux-report입니다.
    • 모든 국가의 데이터를 나타내는 데이터 세트 all
    • 테이블 202206: YYYYMM 형식의 데이터 연도 및 월

국가마다 데이터 세트도 마련되어 있습니다. 예를 들어 chrome-ux-report.country_ca.202206는 캐나다에서 발생한 사용자 환경 데이터만 나타냅니다.

각 데이터 세트에는 2017년 이후 월별 테이블이 있습니다10. 지난달의 새 표는 정기적으로 게시됩니다.

데이터 테이블의 구조 (스키마라고도 함)에는 다음이 포함됩니다.

  • 출처(예: origin = 'https://www.example.com')는 웹사이트의 모든 페이지에 대한 집계된 사용자 환경 분포를 나타냅니다.
  • 페이지 로드 시 연결 속도(예: effective_connection_type.name = '4G')
  • 기기 유형(예: form_factor.name = 'desktop')
  • UX 측정항목 자체
    • first_Paint (FP)
    • first_contentful_Paint (FCP)가
    • 큰_contentful_Paint (LCP)
    • dom_content_loaded (DCL)
    • 온로드 (OL)
    • layout_instability.accumulat_layout_shift (CLS)
    • 상호작용_to_next_Paint (INP)

각 측정항목의 데이터는 객체의 배열로 구성됩니다. JSON 표기법에서 first_contentful_paint.histogram.bin는 다음과 같이 표시됩니다.

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

각 구간에는 밀리초 단위의 시작 및 종료 시간과 해당 시간 범위 내의 사용자 환경 비율을 나타내는 밀도가 포함됩니다. 다시 말해, 이 가상의 출처, 연결 속도, 기기 유형에 대한 FCP 경험의 12.34% 가 100ms 미만입니다. 모든 구간 밀도의 합계는 100%입니다.

BigQuery에서 테이블 구조를 탐색합니다.

실적 평가하기

테이블 스키마에 대한 지식을 사용하여 이 성능 데이터를 추출하는 쿼리를 작성할 수 있습니다.

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

BigQuery에서 CrUX FCP 쿼리하기

결과는 0.01115입니다. 즉, 이 출처의 사용자 경험 중 1.115% 가 4G 및 휴대전화에서 0~100ms 사이입니다. 쿼리를 모든 연결 및 기기 유형으로 일반화하려면 WHERE 절에서 이를 생략하고 SUM 애그리게이터 함수를 사용하여 각각의 빈 밀도를 모두 더하면 됩니다.

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

BigQuery에서 CrUX FCP 합산

결과는 0.05355 또는 모든 기기 및 연결 유형에서 5.355% 입니다. 쿼리를 약간 수정하고 0~1,000ms의 '빠른' FCP 범위에 있는 모든 빈의 밀도를 더할 수 있습니다.

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

BigQuery에서 빠른 FCP 쿼리

그러면 0.6977가 생성됩니다. 즉, web.dev에서 FCP 사용자 환경의 69.77% 가 '빠름'으로 간주됩니다. FCP 범위 정의에 따릅니다.

실적 추적

출처에 대한 성능 데이터를 추출했으므로 이전 테이블에서 사용 가능한 이전 데이터와 비교할 수 있습니다. 이를 위해 테이블 주소를 이전 달로 재작성하거나 와일드 카드 구문을 사용하여 모든 달을 쿼리할 수 있습니다.

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

BigQuery에서 CrUX FCP의 시계열 쿼리

여기에서 빠른 FCP 환경의 비율은 매월 몇 퍼센트 포인트씩 다르다는 것을 알 수 있습니다.

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

이러한 기법을 사용하면 출처의 성능을 조회하고, 빠른 환경의 비율을 계산하고, 시간 경과에 따라 추적할 수 있습니다. 다음 단계로 두 개 이상의 출처를 쿼리하고 실적을 비교해 보세요.

FAQ

CrUX BigQuery 데이터 세트에 관해 자주 묻는 질문은 다음과 같습니다.

언제 다른 도구와 달리 BigQuery를 사용하게 되나요?

BigQuery는 CrUX Dashboard 및 PageSpeed Insights와 같은 다른 도구에서 같은 정보를 얻을 수 없는 경우에만 필요합니다. 예를 들어 BigQuery를 사용하면 데이터를 의미 있는 방식으로 슬라이스할 수 있으며 HTTP Archive와 같은 다른 공개 데이터 세트와 조인하여 고급 데이터 마이닝을 수행할 수도 있습니다.

BigQuery 사용에는 제한사항이 있나요?

예, 가장 중요한 제한사항은 기본적으로 사용자가 매달 1TB 분량의 데이터만 쿼리할 수 있다는 것입니다. 그 이상에는 표준 TB당 5달러가 적용됩니다.

BigQuery에 대한 자세한 내용은 어디에서 확인할 수 있나요?

자세한 내용은 BigQuery 문서를 참조하세요.