We read every piece of feedback, and take your input very seriously.
To see all available qualifiers, see our documentation.
Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? Sign in to your account
性能监控的数据一般分为两种
即我们在用户侧统计到的性能数据
最常见的比如我们用 lighthouse 得出的性能数据
由于它最大的特点就是稳定,所以 lab data 可以帮助开发者更有针对性地优化页面的性能,以及评价优化前后的性能变化,可以结合每周一次的性能周报,帮助开发者了解页面的性能情况以及每周的优化结果
来自用户侧的真实数据,这个统计到的结果是不稳定的,波动较大,所以光看性能方面数据的是没有意义的
本周性能数据较好,下周数据较差,这能说明页面出现了负优化吗?说明不了,数据出现波动不一定是开发者写了很差劲的代码
那这个数据应该怎么看呢?这个放到下面的总结里面说
如果让我用几个词分别总结下 lab data 和 field data 的话,我会这样子总结
所以回答下上面留下来的问题,field data 应该怎么看?
其次,我是不推荐 field data 采用发周报形式产出性能数据的,单纯产出性能数据,如果不结合业务指标,参考价值反而不如 lab data 来得标准
field data 由于其真实性的特点,它的意义在于找出规律,用数据说服开发者进行性能优化或者验证性能优化后对业务指标的帮助
再精简下
普通开发者在优化期间应该关注 lab data
性能优化发起者/领导应该有目的性地关注 field data
图片来自 [User-centric Performance Metrics]
参考资料:
The text was updated successfully, but these errors were encountered:
总结很棒!这两件事目标是都为了用户体验。lab data在做性能优化工作中可以精细的指导和明确的告诉你页面的好坏;field data可以反应真实的用户分布情况,佐证性能在用户侧的表现是否与预期一致!
Sorry, something went wrong.
相辅相成😉
No branches or pull requests
概览
性能监控的数据一般分为两种
Field data
即我们在用户侧统计到的性能数据
优点
缺点
Lab data
最常见的比如我们用 lighthouse 得出的性能数据
优点
缺点
如何解读这两种数据
lab data
由于它最大的特点就是稳定,所以 lab data 可以帮助开发者更有针对性地优化页面的性能,以及评价优化前后的性能变化,可以结合每周一次的性能周报,帮助开发者了解页面的性能情况以及每周的优化结果
field data
来自用户侧的真实数据,这个统计到的结果是不稳定的,波动较大,所以光看性能方面数据的是没有意义的
本周性能数据较好,下周数据较差,这能说明页面出现了负优化吗?说明不了,数据出现波动不一定是开发者写了很差劲的代码
那这个数据应该怎么看呢?这个放到下面的总结里面说
总结
如果让我用几个词分别总结下 lab data 和 field data 的话,我会这样子总结
lab data
field data
所以回答下上面留下来的问题,field data 应该怎么看?
其次,我是不推荐 field data 采用发周报形式产出性能数据的,单纯产出性能数据,如果不结合业务指标,参考价值反而不如 lab data 来得标准
field data 由于其真实性的特点,它的意义在于找出规律,用数据说服开发者进行性能优化或者验证性能优化后对业务指标的帮助
再精简下
普通开发者在优化期间应该关注 lab data
性能优化发起者/领导应该有目的性地关注 field data
参考资料:
The text was updated successfully, but these errors were encountered: