Браузер и фронтенд-рантайм
Lab vs field: почему они расходятся и как использовать каждый
PageSpeed Insights показывает LCP 1.8 с в секции Lighthouse — зелёный, хорошо. Секция field data показывает LCP 3.9 с на p75 — красный, плохо. Команда говорит «лаб говорит, мы в порядке». Они ничего не шипают. Через три месяца Search Console всё ещё показывает плохой LCP. Оценка лаба и ранжирование измеряют разные вещи. Понять, какая из них вердикт, меняет всё.
Lab-данные vs field-данные — два разных вопроса.
Lab-данные — синтетическое измерение: инструмент как Lighthouse или DevTools загружает страницу один раз, на симулированном устройстве и зажатой сети, в контролируемой среде. Полностью воспроизводимо и точно атрибутирует проблемы — отлично для отладки. Одно устройство, одна сеть, один момент. Если изменить страницу и перезапустить, результат сопоставим.
Field-данные — real-user monitoring: реальные Core Web Vitals, испытываемые реальными посетителями на их реальных устройствах и сетях, агрегированные. Публичный полевой датасет Google — CrUX (Chrome User Experience Report). Он агрегирует визиты от пользователей Chrome, давших согласие на отчётность, и именно field p75 из CrUX использует ранжирование в поиске.
Они расходятся постоянно, потому что измеряют разное. Lab-прогон на симулированном быстром устройстве показывает LCP, которого четверть реальных пользователей — на старых телефонах, на перегруженном 4G — никогда не достигает. INP в лабе почти не существует, потому что лабораторные инструменты не скриптуют реалистичные последовательности взаимодействий; lab-прокси — Total Blocking Time (TBT). CLS в лабе близок к реальному, но динамический контент, появляющийся только в реальных сессиях, может быть пропущен.
- Lab (Lighthouse, DevTools)
- Синтетика, воспроизводимо, отлаживаемо
- Field (CrUX, web-vitals RUM)
- Реальные пользователи, устройства, сети
- Что влияет на ранжирование
- CrUX field p75
- Lab-прокси для INP
- Total Blocking Time (TBT)
- Правило
- Отлаживай в лабе; суди по полю
Правило: отлаживай в лабе, суди по полю.
Используйте лаб для воспроизведения и атрибуции проблемы (быстро, детерминированно, легко бисектировать коммиты) и для CI-гейтинга регрессий (Lighthouse CI на каждом PR, быстро, без реальных пользователей). Используйте field p75 как вердикт о том, реально ли страница хороша для пользователей и будет ли она ранжироваться. Lab-улучшение, не сдвинувшее field p75, не помогло пользователям. Только field-число — правда.
Вспомогательные диагностические метрики.
Три Core Web Vitals сидят поверх слоя диагностических метрик, которые не оцениваются для ранжирования, но необходимы для их понимания:
- TTFB (Time to First Byte) — серверно-сетевая часть. Это пол под LCP: LCP никогда не может быть быстрее TTFB.
- FCP (First Contentful Paint) — когда появляется первый пиксель контента, в противоположность самому крупному у LCP. Большой зазор FCP-to-LCP означает, что страница быстро показывает что-то, но главный контент отстаёт.
- TBT (Total Blocking Time) — сумма блокирующей части каждой длинной задачи во время загрузки. Это lab-прокси для INP: истинный INP нельзя измерить в лабе (нужны реальные взаимодействия), поэтому CI-гейты используют TBT вместо.
Знание этих метрик позволяет читать отчёт Lighthouse полностью — Lighthouse никогда не говорит просто «LCP плох», он показывает TTFB и FCP под ним, чтобы видеть, где в цепочке ушло время.
Чтение DevTools performance-трассы.
Откройте DevTools, панель Performance, запишите загрузку страницы и взаимодействие. Трасса показывает несколько дорожек:
- Дорожка Timings: маркеры FCP, LCP и DCL вертикальными линиями. Hover по маркеру LCP называет элемент.
- Дорожка Frames: каждый отрисованный кадр; layout shifts появляются как красные маркеры — кликните, чтобы увидеть сдвинувшиеся узлы.
- Дорожка Main: flame chart работы главного потока; длинные задачи флагуются красным углом.
- Дорожка Interactions: click/tap-события, разбитые на input delay, processing и presentation delay — цветокодированные — так что видно, какая часть доминирует без догадок.
Воркфлоу INP: взаимодействуйте во время записи, найдите взаимодействие в дорожке Interactions, прочитайте трёхчастный сплит. Воркфлоу LCP: найдите маркер LCP в дорожке Timings, наведите для идентификации элемента, затем посмотрите на network waterfall выше, чтобы увидеть, когда ресурс был запрошен vs скачан vs когда элемент отрисовался.
Почему это работает
Почему используется p75, а не медиана? Медианная производительность тянется вниз быстрыми выбросами — разработчики на быстром Wi-Fi, закешированные повторные визиты. 75-й перцентиль фокусирует внимание на медленной четверти реальных пользователей: тех на старых телефонах, мобильных сетях или слабых процессорах. Изменение, улучшающее медиану, но не p75, помогло уже-быстрым пользователям и ничего не сделало для тех, кому помощь нужна больше. p75 — порог, делающий целью оптимизации хвост распределения, а не его центр. Важное следствие: иногда p75 плох не потому что страница в целом медленная, а потому что один сегмент (одна страна, один класс устройств) тянет хвост — поэтому RUM-данные нужно резать по сегментам, а не смотреть один агрегат по всему трафику.
PageSpeed Insights показывает LCP 1.8 с в секции Lighthouse (lab) — хорошо — но секция полевых данных показывает LCP 3.9 с на p75 — плохо. Команда говорит «лаб говорит, мы в порядке». Кто прав?
Google публикует публичный датасет Core Web Vitals реальных пользователей, агрегированный из реальных посещений Chrome, и ранжирование в поиске основано на нём — не на каком-либо лабораторном тесте. Как называется этот полевой датасет?
«Хороший» INP требует задержки взаимодействия не более скольки миллисекунд на 75-м перцентиле?
- 01Объясните различие lab vs field и дайте правило, когда использовать каждый.
- 02Почему Total Blocking Time используется как INP-прокси в CI, а не измеряется INP напрямую?
- 03В DevTools performance-трассе что показывает дорожка Interactions для медленного взаимодействия, и как её использовать для диагностики INP?
Lab-данные — из Lighthouse или DevTools — синтетические: одно устройство, одна сеть, воспроизводимо, отлично для отладки и CI-гейтинга регрессий. Field-данные — CrUX — с реальных пользователей Chrome на p75, и именно их использует ранжирование Search. Они расходятся постоянно, потому что реальное разнообразие пользователей (более медленные телефоны, перегруженные сети) не захватывается одним симулированным прогоном. INP почти не существует в лабе, потому что лабораторные инструменты не симулируют реальные взаимодействия; lab-прокси — Total Blocking Time. Правило: отлаживай в лабе, суди по полю. TTFB, FCP и TBT — вспомогательные диагностические метрики под тремя Core Web Vitals; знание их позволяет читать отчёт Lighthouse и отслеживать, где в цепочке ушло время. Lab-улучшение, не сдвинувшее field p75, не помогло пользователям; только field-число — реальный вердикт.
встречается в193
- Путь запроса: семь остановок от сокета до ответаjunior
- Accept и парсинг: от очереди ядра до типизированного запросаmiddle
- Маршрутизация и middleware: что выполняется и в каком порядкеmiddle
- Обработчик и ответ: от бизнес-логики до байтов на проводеmiddle
- Стриминг и backpressure: когда клиент читает медленнее, чем вы пишетеsenior
- Таймауты и хвостовая задержка: бюджеты, дедлайны и ловушка fan-outsenior
- Middleware и DI: два паттерна, формирующие любой backendjunior
- Пишем middleware: сигнатуры, next() и три модели фреймворковmiddle
- Инверсия управления: как зависимости добираются до классаmiddle
- Скоупы и время жизни DI: singleton, request, transientmiddle
- DI как шов для тестов: фейки, моки и граница, которая важнаsenior
- DI-контейнеры в продакшене: графы разрешения, циклы и когда не стоитsenior
- Блокирующий vs неблокирующий I/O: два способа ждатьjunior
- Event loop: один поток, упорядоченные фазыmiddle
- Что блокирует цикл: CPU-работа и синхронные вызовыmiddle
- Вынос CPU-работы: worker threads и пул libuvmiddle
- Backpressure и ограниченная конкурентностьsenior
- Пропускная способность под нагрузкой: хвостовая задержка и насыщениеsenior
- Зачем пул: цена создания соединенияjunior
- Размер пула: почему больше не значит быстрееmiddle
- Взятие и таймауты: очередь ожидания — настоящий дроссель задержкиmiddle
- Стратегии retry: backoff, jitter и thundering herdmiddle
- Наблюдаемость, production-инциденты и дизайн для глобального масштабаsenior
- Что такое индекс и как он ускоряет запросыjunior
- Leading-column rule: почему порядок столбцов в composite-индексе важенmiddle
- Partial, expression и covering-индексыmiddle
- Типы индексов: GIN, GiST, BRIN, Hash, Bloom и HOT-обновленияmiddle
- Index-only scan, Visibility Map и INCLUDEsenior
- Типичные сбои в продакшне и аудит индексовsenior
- Упражнение по проектированию индексов: стратегия полнотекстового поискаsenior
- EXPLAIN и планы выполнения: что решает планировщик и почемуjunior
- Типы сканирования: Seq, Index, Bitmap, Index-Onlymiddle
- Алгоритмы соединения и каскад ошибок оценки строкmiddle
- pg_statistic, ANALYZE и производственная наблюдаемостьmiddle
- Расширенная статистика: исправление ошибок оценки для коррелированных колонокsenior
- Кеш планов, настройка константных стоимостей и внутренности планировщикаsenior
- Производственные режимы отказа и стабильность плановsenior
- Connection pool: зачем амортизировать стоимость backend Postgresjunior
- Режимы PgBouncer: session, transaction и statementmiddle
- Размер пула: формула (ядра × 2) + шпинделей и двухуровневый стекmiddle
- Исчерпание пула и idle-in-transaction: сценарий отказа в 3 ночиmiddle
- Миграция на transaction mode: план развёртывания и prepared statements в PgBouncer 1.21middle
- Процессная модель Postgres и почему увеличение max_connections снижает производительностьsenior
- Ландшафт пулеров 2026, serverless connection storms и полная таксономия отказовsenior
- ADD COLUMN: мгновенно в PG 11+ против перезаписи в старом Postgresjunior
- Режим отказа очереди блокировок: почему мгновенный DDL может заморозить базуmiddle
- Безопасные DDL-паттерны: NOT VALID, CONCURRENTLY и исправления небезопасных операцийmiddle
- Таксономия сбоев миграций и дисциплина продакшнаsenior
- Выбор ключа шарда: стратегии hash, range, list и directorymiddle
- Ко-локация и Citus: инвариант, делающий шардирование пригодным к использованиюmiddle
- Режим отказа hot shard: обнаружение, изоляция и долгосрочная политикаmiddle
- Онлайн-решардинг, 2PC и операционная стоимость шардированияsenior
- Семь актов: от CREATE TABLE до Citusjunior
- Акты 1–3 в глубину: схема, индексы и статистика планировщикаmiddle
- Акты 4–6 в глубину: MVCC bloat, connection pooling и безопасные миграцииmiddle
- Акт 7 в глубину: шардинг, co-location и семиуровневый каскад трейдоффовmiddle
- Наблюдаемость, антипаттерны и производственный триажsenior
- Биты в проводеjunior
- Математика задержкиmiddle
- Bufferbloat и перегрузкаsenior
- Граница физического уровняsenior
- Номера последовательности и состояние соединенияmiddle
- Управление потоком и перегрузкойmiddle
- BBR, производственная наблюдаемость и за пределами TCPsenior
- CDN: контент по соседствуjunior
- Anycast и GeoDNS: маршрутизация к ближайшему edgemiddle
- Многоуровневый кеш и Cache-Controlmiddle
- Заголовок Vary и cache keysmiddle
- Stale-while-revalidate и cache stampedesenior
- Edge workers и edge-side compositionsenior
- CDN: операции и observabilitysenior
- WebSocket: HTTP-апгрейд до постоянного соединенияjunior
- WebSocket vs SSE vs long-polling: выбор правильного транспортаmiddle
- Backpressure в WebSocket: когда клиенты не успеваютmiddle
- Реконнект: jittered backoff, thundering herd, восстановление сообщенийsenior
- WebSocket в масштабе: HTTP/2 мультиплексирование, permessage-deflate, C10Msenior
- WebSocket в production: прокси, безопасность и распределённая архитектураsenior
- Что делают обратные проксиjunior
- Алгоритмы балансировки: от round-robin до power-of-two-choicesmiddle
- L4 vs L7 балансировка и сохранение IP клиентаmiddle
- Health checks, connection draining и slow startmiddle
- Retry-бури, circuit breakers и load sheddingsenior
- Устойчивая архитектура LB: anycast, zone-aware маршрутизация и observabilitysenior
- Почему QUIC, а не TCP+TLSjunior
- QUIC-потоки и head-of-line blockingjunior
- Объединённое рукопожатие и 1-RTTmiddle
- Connection ID и миграция сетиmiddle
- Обнаружение потерь и управление перегрузкойmiddle
- Возобновление 0-RTT и шифрование пакетовsenior
- Развёртывание и стоимость CPUsenior
- DDoS: что это и почему работаетjunior
- Атаки усиления и истощение состоянияmiddle
- Ограничение скорости: алгоритмы и архитектураmiddle
- WAF, межсетевые экраны, mTLS и HSTSmiddle
- Отравление DNS-кэша и BGP-перехватsenior
- Эшелонированная защита и экономика атакsenior
- Двенадцать слоёв: один URL, семь действующих лицjunior
- DNS, TCP, TLS по очереди: куда уходят миллисекундыmiddle
- Критический путь рендеринга и Core Web Vitalsmiddle
- Перехват прокси и шлюзы безопасности: rate limiter, WAF, mTLSmiddle
- Альтернативные пути: QUIC 0-RTT, WebSocket upgrade, миграция соединенияmiddle
- Наблюдаемость: распределённые трейсы, USE/RED и семплированиеsenior
- Устойчивость: каскадные повторы, circuit breakers и error budgetsenior
- Что такое три сигнала: метрики, логи, трейсыjunior
- Метрики и cardinality: cost-модель time-series databasemiddle
- Логи и объём: cost-модель структурного логированияmiddle
- Трейсы и сэмплирование: cost-модель distributed tracingmiddle
- Join-ключи и exemplar''''ы: как три сигнала становятся компонуемымиmiddle
- Observability 2.0: широкие события и сдвиг стоимостиsenior
- Режимы сбоя и инженерная практика: cardinality budget''''ы, PII и сэмплированиеsenior
- Зачем нужны структурные логи: дневник против таблицыjunior
- Схема продакшн-лога: поля, которые несёт каждая строкаmiddle
- Log levels и маршрутизация алертовmiddle
- Стратегии sampling и стоимость логовmiddle
- PII-редакция и log injectionsenior
- Propagation trace-контекста в логахsenior
- OTel Logs Data Model и audit-логи как подсистемаsenior
- Сигналы OTel, Semantic Conventions и проводной формат OTLPmiddle
- Авто-инструментирование и ручные спаны: правило 80/20 в OTelmiddle
- Collector OTel: receivers, processors, exporters и паттерны развёртыванияmiddle
- Стратегии сэмплирования: head, tail и parent-basedmiddle
- Vendor-нейтральность, eBPF-инструментирование, Operator и OTel в браузере и serverlesssenior
- Эксплуатация OTel Collector: надёжность, version skew, режимы отказа и управлениеsenior
- RED и USE: два чек-листа, одна дисциплина триажаjunior
- Инструментация RED в Prometheus: счётчики, гистограммы и дисциплина cardinalitymiddle
- USE на Linux: CPU, память, диск, сеть и PSImiddle
- Golden signals, структура дашборда и auto-RED в service meshmiddle
- Cardinality как драйвер затрат: label, PII, exemplars и семплированиеmiddle
- Native histograms, SLO и паттерны production-сбоевmiddle
- Выбор SLI и SLO-целей: отношения, не ощущенияmiddle
- Multi-window multi-burn-rate-алертинг: почему AND лучше ORmiddle
- Error budget policy, latency SLO и составные journeysmiddle
- Iceberg SLI, математика составного SLO и SLA vs SLOsenior
- Flame graph: читаем картинку, которая показывает, куда ушло времяjunior
- Sampling vs instrumentation profiling: почему 99 Гц побеждает в productionmiddle
- Типы профилей: CPU, память, off-CPU, mutex — какой когда братьmiddle
- Continuous profiling: always-on flame graphs с eBPF и корреляцией trace-idmiddle
- Как flame graph строится из сэмплов и как использовать его в productionmiddle
- Linux perf, внутренности eBPF, PGO и ограничения sampling''''аsenior
- Profiling в production: безопасность, war stories, OTel profiles и дизайн инфраструктурыsenior
- Debugging-воронка: SLO → RED → trace → profilejunior
- Архитектура OTel: один SDK, четыре сигнала, один wire-форматmiddle
- Экономия на observability: удерживаем затраты в пределах 5% inframiddle
- Масштаб, безопасность и ROI наблюдаемых системsenior
- Сначала профиль: измерь куда реально уходит времяjunior
- Закон Амдала и self-time: потолок любого ускорения, которое ты можешь выпуститьmiddle
- Измерительный цикл: микробенч, макробенч, prod-профиль, эффект наблюдателяmiddle
- Чтение флейм-графов: формы, профайлеры по языкам и 60-секундный сканmiddle
- Статистические baseline''''ы: почему один запуск — не измерениеmiddle
- История профайлеров и ловушки микробенчей: от Кнута до GWPsenior
- Hardware counters, профили холодного старта и безопасность профилейsenior
- Непрерывное профилирование в масштабе: затраты, CI-гейты, корреляция с трейсами и антипаттерныsenior
- Что делает путь горячим: симптом против причиныjunior
- Пять форм hotspot''''а: CPU, аллокации, кэш, лок, syscallmiddle
- Чтение parent и child chains: где применять правкуmiddle
- JIT deopt, цикл fix-and-verify и PR-time профилированиеmiddle
- Аппаратные счётчики и Intel TMA: диагностика подкатегорийsenior
- False sharing и горячие пути нативных мостовsenior
- Горячие пути в production: безопасность, хвостовая латентность и происхождение инструментовsenior
- Иерархия памяти: почему расстояние важнее числа операцийjunior
- Row-major vs column-major: порядок доступа и разрыв в 9xjunior
- Branch prediction: 10–30 циклов штрафа за неожиданный ifmiddle
- Hardware prefetcher, TLB и memory-level parallelismsenior
- Основы GC: за что рантайм берёт налогjunior
- Алгоритмы GC: поколенческая гипотеза, concurrent marking и write barriermiddle
- GC tradeoffs: пауза, throughput, память и давление аллокацийmiddle
- Настройка GC: пейсинг, форма кучи и наблюдаемость аллокацийmiddle
- Внутреннее устройство GC: tri-color инвариант, write barriers и глубокое погружение в рантаймыsenior
- GC в production: наблюдаемость, безопасность, edge cases и управление флотомsenior
- N+1: одна логическая операция, много round-trip''''овjunior
- Семейства фиксов: JOIN, IN, preload и DataLoadermiddle
- Обнаружение N+1: query logs, APM traces и CI gatesmiddle
- DataLoader: батчинг по дереву резолверовmiddle
- Кросс-протокольный N+1: HTTP fan-out и Redis MGETmiddle
- N+1 в масштабе: исчерпание пула, изменения планов и денормализацияsenior
- Batching: амортизируй фиксированную цену каждой операцииjunior
- Окно батчинга: размер и время ожиданияmiddle
- Batching в Kafka и Postgresmiddle
- io_uring и наблюдаемость пакетированияmiddle
- От Nagle до io_uring: эволюция пакетированияmiddle
- Backpressure, изоляция сбоев и безопасность батчей в продакшенеsenior
- Что на самом деле стоит bundle: download, parse, compile, executejunior
- Core Web Vitals: LCP, INP и CLSmiddle
- Code splitting: route-level, component-level, vendor splittingmiddle
- Tree shaking и compression: удаляем то, что не используемmiddle
- Third-party scripts: тихий убийца бюджетаmiddle
- CI enforcement и RUM: делаем бюджеты рабочимиmiddle
- V8 JIT-пайплайн, HTTP-приоритеты и безопасность bundlesenior
- Цикл performance: дисциплина, а не проектjunior
- Классификация и исправление: сопоставление family bottleneck с методамиmiddle
- Observability-стек и CI gates: ловить регрессии до выпускаmiddle
- От инцидента к enforcement: SLO burn до верифицированного исправления за 35 минутmiddle
- Культура, экономика и масштаб performancesenior