Dev48
ЯЗЫК
  • О нас
  • Услуги
  • Индустрии
  • Технологии
  • Статьи
  • Контакты
Забронировать звонок
    Главная/Статьи/Otslezhivanie pokazateley lighthouse vmeste s dannymi realnyh polzovateley v dat
Dev48
info@dev48.org+375 29 320-40-96WhatsApp@isky_by

© 2026 · Все права защищены.

Отслеживание показателей Lighthouse вместе с данными реальных пользователей в Datadog

Источник: Datadog•19 ноября 2026 г. в 20:27

Отслеживание показателей Lighthouse вместе с данными реальных пользователей в Datadog

Запускайте запланированные аудиты Lighthouse с помощью Datadog Synthetic Monitoring, сравнивайте лабораторные результаты с полевыми данными в RUM и отслеживайте состояние страниц после каждого релиза.

Lighthouse — это инструмент с открытым исходным кодом от Google, который помогает командам фронтенд-разработки оценивать производительность, доступность и общее качество веб-страниц. Однако отслеживание состояния страниц с течением времени часто требует ручного запуска аудитов в Chrome DevTools, добавления Lighthouse в CI-конвейер или поддержки отдельного сервиса. Даже когда команды автоматизируют аудиты, результаты обычно хранятся вне платформы мониторинга, будучи оторванными от данных о производительности, собранных у реальных пользователей. Когда производительность страницы снижается, инженерам приходится сравнивать различные источники, чтобы определить, затрагивает ли регрессия страницу в целом или только определенных пользователей.

Datadog интегрирует аудиты Lighthouse в Synthetic Monitoring и Real User Monitoring (RUM), позволяя автоматически собирать оценки Lighthouse и исследовать их вместе с показателями Core Web Vitals реальных пользователей. Вы можете выявлять регрессии, исследовать потенциальные причины и измерять влияние оптимизаций без необходимости поддерживать отдельный рабочий процесс мониторинга Lighthouse.

В этой статье мы покажем, как вы можете:

  • Запускать запланированные аудиты Lighthouse из ваших синтетических браузерных тестов

Запускать запланированные аудиты Lighthouse из ваших синтетических браузерных тестов

  • Сравнивать лабораторные и полевые данные для каждого представления в RUM

Сравнивать лабораторные и полевые данные для каждого представления в RUM

  • Отслеживать показатели Lighthouse и настраивать оповещения по ним с течением времени

Отслеживать показатели Lighthouse и настраивать оповещения по ним с течением времени

Запускать запланированные аудиты Lighthouse из ваших синтетических браузерных тестов

Отчет Lighthouse фиксирует, как страница работает в заданных условиях тестирования. С помощью Datadog Synthetic Monitoring вы можете включить аудиты Lighthouse для существующих браузерных тестов и запускать их автоматически по регулярному расписанию тестов. Нет необходимости создавать отдельный тип теста или поддерживать дополнительный инструмент. Каждый аудит оценивает страницу, на которой завершается браузерный тест, и отправляет результаты в RUM, обеспечивая последовательный ряд измерений для сравнения между релизами.

Аудиты Lighthouse выполняются в отдельной чистой вкладке браузера, сохраняя сессию браузерного теста. Этот подход особенно полезен для тестирования страниц, требующих аутентификации. Например, синтетический браузерный тест может войти в приложение электронной коммерции, перейти на панель управления учетной записью и запустить аудит Lighthouse на аутентифицированной странице. Таким образом, вы можете включать такие страницы, как панели управления учетными записями и процессы оформления заказа, в свои запланированные проверки, вместо того чтобы ограничивать аудиты общедоступными URL-адресами.

Просмотр оценок Lighthouse, метрик и результатов аудита

Каждый аудит Lighthouse предоставляет пять категорий оценок, которые помогают инженерам оценивать аспекты качества страницы:

  • Производительность: оценивает загрузку страницы и скорость отклика

Производительность: оценивает загрузку страницы и скорость отклика

  • Доступность: выявляет проблемы, которые могут затруднить использование страницы людьми с ограниченными возможностями

Доступность: выявляет проблемы, которые могут затруднить использование страницы людьми с ограниченными возможностями

  • Лучшие практики: проверяет наличие распространенных проблем веб-разработки, которые могут повлиять на качество страницы

Лучшие практики: проверяет наличие распространенных проблем веб-разработки, которые могут повлиять на качество страницы

  • SEO: оценивает, следует ли страница практикам, помогающим поисковым системам понимать ее контент

SEO: оценивает, следует ли страница практикам, помогающим поисковым системам понимать ее контент

  • Агентные возможности: оценивает, насколько хорошо ИИ-агенты могут понимать, перемещаться по странице и взаимодействовать с ней

Агентные возможности: оценивает, насколько хорошо ИИ-агенты могут понимать, перемещаться по странице и взаимодействовать с ней

Lighthouse также фиксирует лабораторные метрики производительности, включая First Contentful Paint (FCP), Largest Contentful Paint (LCP), Total Blocking Time (TBT), Cumulative Layout Shift (CLS) и Speed Index. Эти измерения помогают понять, какие аспекты загрузки страницы, скорости отклика или визуальной стабильности требуют внимания.

Помимо оценок и метрик, Lighthouse определяет отдельные аудиты, которые страница не проходит, сгруппированные по категориям. Например, отчет может пометить ресурсы, блокирующие рендеринг, или изображения, у которых отсутствуют явные размеры.

Сравнение лабораторных и полевых данных для каждого представления в RUM

Лабораторные данные Lighthouse и полевые данные RUM предоставляют взаимодополняющие взгляды на производительность приложения. Лабораторные данные измеряют, как страница ведет себя в контролируемых условиях, поэтому они полезны для обнаружения изменений, внесенных кодом или ресурсами страницы. Полевые данные фиксируют то, что испытывают реальные пользователи на разных устройствах, в разных браузерах и при разных сетевых условиях. Сравнение этих двух типов данных помогает отличить регрессии на уровне страницы от проблем с производительностью, затрагивающих определенные сегменты пользователей.

Выявление страниц, требующих внимания

Страница сводки RUM в Datadog включает вкладку Lighthouse, в которой перечислены проверенные представления и их оценки по пяти категориям Lighthouse. Представления отсортированы по их оценкам производительности, причем страницы с самыми низкими оценками отображаются первыми. Вы можете определить страницы, которые могут потребовать расследования, не открывая отдельные отчеты Lighthouse.

Исследование регрессий производительности с помощью лабораторных и полевых метрик

На странице Investigate > Vitals в RUM Datadog отображает показатели Core Web Vitals реальных пользователей вместе с панелью Lighthouse, которая содержит последние результаты аудита для выбранного представления. Вы можете использовать эту информацию, чтобы сравнить опыт, о котором сообщают реальные пользователи, с измерениями, собранными в контролируемых условиях.

Панель Lighthouse включает индикатор для каждой оценки категории и лабораторные метрики с рейтингом «Хорошо», «Требует улучшения» или «Плохо». Она также отображает количество пройденных и не пройденных аудитов. Вы можете выбрать количество не пройденных аудитов, чтобы изучить отдельные результаты и их пояснения. Для дальнейшего расследования панель предоставляет доступ к результату синтетического теста, который сгенерировал аудит. Вы также можете открыть полный отчет Lighthouse или загрузить необработанные результаты в формате JSON.

Рассмотрим страницу оформления заказа, чей показатель LCP у реальных пользователей увеличивается с 2,2 до 3,6 секунд после релиза. Увеличение указывает на то, что пользователи дольше ждут отрисовки самого крупного контентного элемента страницы, но одни лишь полевые данные могут не объяснить, почему это происходит.

Когда вы открываете представление оформления заказа в RUM, вы обнаруживаете, что оценка производительности Lighthouse также упала с 92 до 71 за тот же период. Последний отчет Lighthouse включает не пройденный аудит из-за слишком большого главного изображения (hero image). Поскольку ухудшились как контролируемые лабораторные измерения, так и LCP реальных пользователей, доказательства указывают на регрессию на уровне страницы, а не на проблему, ограниченную конкретными устройствами или сетевыми условиями.

Теперь рассмотрим другой сценарий: LCP реальных пользователей увеличивается, но оценки производительности Lighthouse остаются стабильными. В этом случае контролируемый тест не воспроизводит замедление, что позволяет предположить, что проблема может затрагивать только подмножество пользователей (например, пользователей в определенном географическом регионе или с устаревшими устройствами). Вы можете использовать RUM, чтобы детализировать производительность реальных пользователей по соответствующим измерениям и исследовать, где именно сосредоточена деградация.

Начните аудит дополнительных представлений из RUM

Вы также можете создавать браузерные тесты Synthetic с поддержкой Lighthouse непосредственно из RUM. Если для представления еще не проводился аудит, на панели Lighthouse доступна опция «Создать тест Synthetics». При выборе этой опции открывается редактор браузерных тестов, в котором уже настроены URL выбранного представления, связанное приложение RUM и аудит Lighthouse. Вы можете проверить тест, выбрать расписание и сохранить его, чтобы начать сбор результатов аудита. Этот рабочий процесс помогает расширить покрытие Lighthouse на важные страницы приложения по мере их обнаружения в RUM, избавляя вас от необходимости настраивать каждый тест с нуля.

Отслеживание оценок Lighthouse с течением времени и настройка оповещений по ним

Datadog отслеживает оценки Lighthouse с течением времени, позволяя командам оценивать работоспособность страниц не только по результатам отдельных аудитов. Панель Lighthouse в RUM показывает, как изменилась оценка в каждой категории по сравнению с предыдущим периодом времени, и строит исторические графики всех пяти оценок. Эти тренды помогают выяснить, повлиял ли релиз, сторонний скрипт или оптимизация интерфейса на изменение качества страницы.

Оценки категорий Lighthouse также доступны в качестве стандартных метрик RUM для отдельных представлений. Вы можете детализировать эти метрики по приложениям, средам, сервисам или версиям релиза и использовать их по всей платформе Datadog.

Сопоставление работоспособности страниц с метриками реальных пользователей и бизнес-метриками

Панели мониторинга Datadog позволяют командам строить графики оценок Lighthouse наряду с другими метриками, описывающими производительность приложения и поведение пользователей. Например, веб-команда может отобразить оценку производительности Lighthouse для своей домашней страницы вместе с метрикой LCP для реальных пользователей и коэффициентом конверсии. Если оценка производительности снижается, а LCP растет и коэффициент конверсии падает, эти совместные тренды дают команде дополнительный контекст для выяснения того, влияет ли производительность интерфейса на бизнес-показатели.

Обнаружение регрессий с помощью мониторов и SLO

Вы можете интегрировать оценки Lighthouse в мониторы Datadog и цели уровня обслуживания (SLO), чтобы отслеживать качество страниц в рамках существующих рабочих процессов мониторинга. Например, вы можете настроить монитор для отправки оповещения, если оценка доступности Lighthouse на странице регистрации упадет ниже 90.

Вы также можете определить SLO для оценки качества страниц относительно целевых значений и проверки того, поддерживают ли релизы ожидаемый уровень производительности, доступности или других категорий Lighthouse. Поскольку оценки можно детализировать по версии релиза, вы можете сравнить работоспособность страниц для разных развертываний.

Начало работы с аудитами Lighthouse в Datadog

Аудиты Lighthouse в Datadog Synthetic Monitoring и RUM помогают командам фронтенда отслеживать качество страниц с течением времени и исследовать регрессии производительности наряду с опытом реальных пользователей. Объединяя плановые лабораторные измерения, результаты аудитов и данные «полей» на одной платформе мониторинга, команды могут определять потенциальные причины регрессий и измерять влияние изменений во фронтенде.

Аудиты Lighthouse доступны клиентам, которые используют одновременно Datadog Synthetic Monitoring и RUM. Чтобы начать работу, см. документацию по браузерным тестам Synthetic и документацию по оптимизации производительности браузера в RUM.

Если у вас нет учетной записи Datadog, вы можете зарегистрироваться на 14-дневную бесплатную пробную версию, чтобы начать мониторинг производительности фронтенда с помощью Datadog.

← Все статьи

О чём эта статья

Ещё в разделе «Данные и аналитика»

Все →
Архитектура памяти агентов: централизованная и федеративная память для ИИ-агентов
Couchbase

Архитектура памяти агентов: централизованная и федеративная память для ИИ-агентов

ClickHouse и Power BI: колоночное решение от начала до конца — коннектор Arrow Flight в публичном доступе
ClickHouse

ClickHouse и Power BI: колоночное решение от начала до конца — коннектор Arrow Flight в публичном доступе

Как найти сообщения Pub/Sub, находящиеся под угрозой, в разных проектах Google Cloud
Dynatrace

Как найти сообщения Pub/Sub, находящиеся под угрозой, в разных проектах Google Cloud

CMMC против NIS2: два пути к одной цели — защите данных
Collibra

CMMC против NIS2: два пути к одной цели — защите данных

Более интеллектуальные конвейеры данных с доверенными метаданными
Matillion

Более интеллектуальные конвейеры данных с доверенными метаданными

Что нового в Data Productivity Cloud: июль 2025 г.
Matillion

Что нового в Data Productivity Cloud: июль 2025 г.

Ещё от Datadog

Как Datadog разрешает развивающуюся семантику OpenTelemetry во время выполнения запроса
Datadog

Как Datadog разрешает развивающуюся семантику OpenTelemetry во время выполнения запроса

Храните больше логов дольше с Flex Logs BYOBucket
Datadog

Храните больше логов дольше с Flex Logs BYOBucket

Как мы дообучили более быструю модель для Patterns на Baseten
Datadog

Как мы дообучили более быструю модель для Patterns на Baseten

Как мы создали агентскую систему поиска уязвимостей в Datadog
Datadog

Как мы создали агентскую систему поиска уязвимостей в Datadog

Используйте Datadog BYOC для ваших локальных данных с помощью MinIO AIStor
Datadog

Используйте Datadog BYOC для ваших локальных данных с помощью MinIO AIStor

Отправка готовых к запросам логов в Azure Data Explorer с помощью Datadog Observability Pipelines
Datadog

Отправка готовых к запросам логов в Azure Data Explorer с помощью Datadog Observability Pipelines