CrUX dans BigQuery

Découvrez comment les données CrUX sont structurées dans BigQuery.

Introduction

Les données brutes du rapport Chrome UX (CrUX) sont disponibles sur BigQuery, une base de données hébergée sur Google Cloud.

CrUX sur BigQuery permet aux utilisateurs d'interroger directement l'ensemble de données complet depuis 2017, par exemple pour analyser les tendances, comparer les technologies Web et comparer les domaines.

Les données sont structurées par version mensuelle, ainsi que dans un certain nombre de tableaux récapitulatifs pour permettre un accès plus rapide aux données lors de l'interrogation.

Les données BigQuery sont à la base du tableau de bord CrUX, qui vous permet de visualiser ces données sans écrire de requêtes SQL.

Accéder à l'ensemble de données

Pour utiliser BigQuery, vous devez disposer d'un compte Google Cloud et avoir des connaissances de base en SQL. L'ensemble de données CrUX sur BigQuery est accessible et explorable sans frais dans les limites du niveau sans frais, qui est renouvelé tous les mois et fourni par BigQuery. De plus, les nouveaux utilisateurs de Google Cloud peuvent bénéficier d'un crédit d'inscription pour couvrir les dépenses au-delà du niveau sans frais. Notez qu'une carte de crédit doit être fournie pour le projet Google Cloud. Pour en savoir plus, consultez Pourquoi dois-je fournir une carte de crédit ?.

Si vous utilisez BigQuery pour la première fois, suivez ces étapes pour configurer un projet :

1. Accédez à Créer un projet dans la console Google Cloud.
2. Attribuez un nom à votre nouveau projet (par exemple, "Mon rapport Chrome UX"), puis cliquez sur "Créer".
3. Saisissez vos informations de facturation si vous y êtes invité.
4. Accédez à l'ensemble de données CrUX sur BigQuery.

Vous êtes maintenant prêt à interroger le jeu de données.

Organisation des projets

Les données CrUX sur BigQuery sont publiées le deuxième mardi du mois suivant. Chaque mois est publié sous forme de tableau dans chrome-ux-report.all. Il existe également un certain nombre de tables matérialisées qui fournissent des statistiques récapitulatives pour chaque mois.

• `chrome-ux-report
  • all
    • YYYYMM
  • country_CC
    • YYYYMM
  • experimental
    • country
    • global
  • materialized
    • country_summary
    • device_summary
    • metrics_summary
    • origin_summary

Schéma détaillé de la table

Les tableaux bruts pour chaque pays et l'ensemble de données all sont fournis par année et par mois.

Tables brutes

Les tables brutes présentent le schéma suivant :

• 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
• round_trip_time
• navigation_types
  • navigate
  • navigate_cache
  • reload
  • restore
  • back_forward
  • back_forward_cache
  • prerender
• experimental
  • permission
    • notifications
  • time_to_first_byte
  • popularity

Schéma de table matérialisée

Des tables matérialisées sont fournies pour faciliter l'accès aux données récapitulatives selon plusieurs dimensions clés. Aucun histogramme n'est fourni. Les données de performances sont agrégées en fractions par évaluation des performances et par valeur du 75e centile. Cet exemple présente un ensemble de lignes de la table metrics_summary :

Cela montre que dans l'ensemble de données 202204, 90,56 % des expériences utilisateur réelles sur https://example.com répondaient aux critères de bon LCP et que la valeur de LCP approximative du 75e centile était de 1 600 ms. C'est un peu plus lent que les mois précédents.

Quatre tables matérialisées sont fournies :

metrics_summary

Métriques clés par mois et par origine

device_summary

métriques clés par mois, origine et type d'appareil

country_summary

métriques clés par mois, origine, type d'appareil et pays

origin_summary

liste de toutes les origines incluses dans l'ensemble de données

metrics_summary

Le tableau metrics_summary contient des statistiques récapitulatives pour chaque origine et chaque ensemble de données mensuel :

yyyymm

Mois de la période de collecte des données

origin

URL de l'origine du site

rank

Classement approximatif de popularité (en mars 2021)

[small|medium|large]_cls

fraction du trafic par seuils CLS

[fast|avg|slow]_<metric>

fraction du trafic par seuils de performances

[low|medium|high]_rtt

fraction du trafic par seuils de temps aller-retour

p75_<metric>

Valeur du 75e centile des métriques de performances (en millisecondes)

notification_permission_[accept|deny|ignore|dismiss]

fraction des comportements liés à l'autorisation de notification

[desktop|phone|tablet]Density

fraction du trafic par facteur de forme

[_4G|_3G|_2G|slow2G|offline]Density

fraction du trafic par type de connexion effectif (calculée à partir des histogrammes rtt de février 2025, sans hors connexion)

navigation_type_[navigate|navigate_cache|reload|restore|back_forward|back_forward_cache|prerender]

fraction des types de navigation

device_summary

Le tableau device_summary contient des statistiques agrégées par mois, origine, pays et appareil. En plus des colonnes metrics_summary, vous trouverez :

device

Facteur de forme de l'appareil

country_summary

Le tableau country_summary contient des statistiques agrégées par mois, origine, pays et appareil. En plus des colonnes metrics_summary, vous trouverez :

country_code

Code pays à deux lettres

device

Facteur de forme de l'appareil

origin_summary

La table origin_summary contient la liste de toutes les origines de l'ensemble de données CrUX. Elle est mise à jour tous les mois avec la dernière liste d'origines de l'ensemble de données et ne comporte qu'une seule colonne : origin.

Ensemble de données expérimental

Les tables de l'ensemble de données expérimental sont des copies exactes des tables YYYYMM par défaut, mais elles utilisent des fonctionnalités BigQuery plus récentes et plus avancées, comme le partitionnement et le clustering, qui vous permettent d'écrire des requêtes plus rapides, plus simples et moins coûteuses.

country

L'ensemble de données experimental.country contient des données agrégées provenant des ensembles de données country_CC, avec une colonne yyyymm supplémentaire pour la date de l'ensemble de données. Le schéma est identique à celui des tables brutes, avec l'ajout des colonnes "date" et country_code. Cela permet d'exécuter des requêtes de comparaison au niveau des pays au fil du temps sans joindre les tables mensuelles.

global

L'ensemble de données experimental.global contient des données agrégées de l'ensemble de données all avec une colonne yyyymm supplémentaire pour la date de l'ensemble de données. Le schéma est identique à celui des tables brutes, avec l'ajout de la date. Cela permet d'exécuter des requêtes de comparaison au fil du temps sans joindre les tables mensuelles.