端口停止使用

I am confused with what I see in Firebase very often. What is the data behind?

我經常對Firebase中的內容感到困惑。 背后的數據是什么？

Now I use Firebase Crashlytics and Performance data in Google Data Studio as it helps me to better understand my users.

現在，我在Google Data Studio中使用Firebase Crashlytics和Performance數據，因為它可以幫助我更好地了解我的用戶。

If you want you can just copy the template. All sample datasets included. Let me know if you need them in BigQuery too and I will share it as a public dataset.

如果需要，您可以復制模板 。 包括所有樣本數據集。 讓我知道您在BigQuery中是否也需要它們，我將其作為公共數據集共享。

How to use the Data Studio template如何使用Data Studio模板

How to use Firebase Crashlytics data in Google Data Studio? How to calculate median login time using Firebase performance data?

如何在Google Data Studio中使用Firebase Crashlytics數據？ 如何使用Firebase性能數據計算平均登錄時間？

If you use Firebase to track performance and crashes in your iOS or Android client builds you might want to create a custom dashboard using this data. This post is about how to use Firebase Crashlytics and Performance datasets in BigQuery and Google Data Studio to build something like this:

如果您使用Firebase跟蹤iOS或Android客戶端版本中的性能和崩潰，則可能要使用此數據創建自定義儀表板。 這篇文章是關于如何使用BigQuery和Google Data Studio中的Firebase Crashlytics和Performance數據集來構建如下內容：

Crashlytics dataCrashlytics數據

You might want to display the following:

您可能要顯示以下內容：

• Crashes
  崩潰
• Crash free users (count), selected timeframe vs previous timeframe.
  無故障用戶(計數)，選擇的時間范圍與以前的時間范圍。
• Crash events (count), selected timeframe vs previous timeframe.
  崩潰事件(計數)，選定的時間范圍與先前的時間范圍。
• A list of top 3 crashes in the selected month (open and closed)
  所選月份(打開和關閉)的前3個崩潰的列表
• A list of the top 3 crashes closed in the selected month (must still be closed)
  在所選月份內已關閉的前3個崩潰的列表(必須仍然關閉)

Or your application performance data:

或您的應用程序性能數據：

Login Stats, for example:

登錄統計信息，例如：

• Median login times; monthly average and a line graph to display time period versus last
  中位數登錄時間； 月平均值和折線圖，顯示時間段與最后一次的對比
• Median login time for month for top ten countries vs previous month; ordered by amount of users
  前十個國家/地區的上個月登錄時間與上個月的中位數； 按用戶數量排序
• Median login time for month for top three app version vs previous month; ordered by amount of users
  前三個應用版本與上個月相比的每月登錄時間中位數； 按用戶數量排序
• Login Success/Fail percentage for month — pie chart.
  本月登錄成功/失敗的百分比—餅圖。

First, I recommend to read this article. It explains how to connect to Firebase and extract data into BigQuery.

首先，我建議閱讀這篇文章 。 它說明了如何連接到Firebase并將數據提取到BigQuery中。

Firebase數據提取 (Firebase data extract)

If you have already set up Firebase integration with BigQuery you should have the following datasets ready:

如果您已經設置了與BigQuery的 Firebase集成，則應準備以下數據集：

So now you can run queries on these tables.

因此，現在您可以在這些表上運行查詢。

These two we will use to create our custom report in Google Data Studio.

我們將使用這兩個在Google Data Studio中創建自定義報告。

Google Data Studio模板 (Google data studio template)

I used standard Google Ads template from Google Data Studio. I think it looks nice and I slightly changed it for my needs.

我使用了Google Data Studio中的標準Google Ads模板。 我認為它看起來不錯，并根據需要對其進行了一些更改。

下載報告模板 (Download the report template)

If you want to open the demo report and download the template I created:

如果要打開演示報告并下載我創建的模板，請執行以下操作：

If you don’t have a Google account, you can create one.

如果您沒有Google帳戶，則可以創建一個 。

Click this link.

單擊此鏈接 。

Click use template.

單擊使用模板。

第1頁 (Page 1)

Let’s start building our dashboard.

讓我們開始構建儀表板。

Median logon duration

登錄時間中位數

Fig 1. Dataset configuration圖1.數據集配置

First two widgets use the same dataset and display median login times.

前兩個小部件使用相同的數據集并顯示中位數登錄時間。

Example

例

Let’s say in our performance data we have the following logon duration records

假設在性能數據中，我們具有以下登錄持續時間記錄

ntile(4)小貼士(4)

So the function NTILE(4) OVER (PARTITION BY COUNTRY_NAME ORDER BY duration) will split the data into 4 buckets based on row ordering and returns the 1-based bucket number that is assigned to each row. The number of rows in the buckets can differ by at most 1.

因此，函數NTILE(4) OVER (PARTITION BY COUNTRY_NAME ORDER BY duration)將根據行順序將數據分為4個存儲桶，并返回分配給每行的基于1的存儲桶編號。 存儲桶中的行數最多可以相差1。

Similarily, if we use NTILE(100) it will split the data into 100 buckets. For example, 50 TILE first duration record will say that 50% of all logon’s durations were less than this first duration record in 50th TILE.

同樣，如果我們使用NTILE(100)，它將把數據分成100個存儲桶。 例如，50 TILE的第一段持續時間記錄將說所有登錄持續時間的50％小于50th TILE的第一段持續時間記錄。

Read more in offcial Google docs here.

在此處Google官方文檔。

Let’s create a custom dataset to calculate MIN and MAX login times for TILEs we need using this knowledge.

讓我們創建一個自定義數據集，以使用該知識計算所需的TILE的最小和最大登錄時間。

Go to Google Data Studio and add new data source then select Custom query and insert the SQL from below. Don’t forget to enable date parameters.

轉到Google Data Studio并添加新的數據源，然后選擇“自定義查詢”并從下面插入SQL。 不要忘記啟用日期參數。

If you replace @DS_END_DATE and @DS_START_DATE with actual dates and run the whole script in BigQuery it will give us the following:

如果您將@DS_END_DATE和@DS_START_DATE替換為實際日期并在BigQuery中運行整個腳本，它將為我們提供以下信息：

This is enough to create the widget using Area chart. Just add dt as dimension and tile as breakdown dimension as shown on Fig 1. Dataset configuration above.

這足以使用面積圖創建窗口小部件。 只需添加dt作為維，并添加圖塊作為分解維，如圖1所示。 上面的數據集配置。

Let’s create a dataset to display the same widget but for the previous period.

讓我們創建一個數據集以顯示相同的小部件，但顯示的是上一時期。

Example:

例：

We will use the SQL from login_ios.sql and simply add some parameter transformation to get the previous date range based on selected report dates:

我們將使用來自login_ios.sqlSQL，并只需添加一些參數轉換即可根據選定的報告日期獲取先前的日期范圍：

Just select `Range by data` in settings and it’s done:

只需在設置中選擇“按數據范圍”即可：

How to display data for previous dates如何顯示以前日期的數據

Now let’s add Logon duration by Country, App version and Radio type.

現在，讓我們按國家，應用程序版本和廣播類型添加登錄持續時間。

I decided that adding separate datasets for each widget would be best because we already have tile breakdown and probably will need to use it as a filter.

我認為最好為每個小部件添加單獨的數據集，因為我們已經有了tile分解，并且可能需要將其用作過濾器。

I’m using logonCount to sort the resulting table widget by number of logons and filter down to Median interval only.

我正在使用logonCount來按登錄數對結果表窗口小部件進行排序，并僅向下過濾到平均間隔。

How to use median filter如何使用中值過濾器

In a similar way add datasets login_ios_version.sql and login_ios_radio.sql and add them to widgets on the right.

以類似的方式添加數據集login_ios_version.sql和login_ios_radio.sql并將它們添加到右側的小部件中。

For the widgets below add new datasets with modified date parameters like we did in login_ios_previous.sql

對于下面的小部件，就像在login_ios_previous.sql所做的那樣，添加具有修改后的日期參數的新數據集

Logon duration登錄持續時間

For the pie chart with percentage of successful logins create another custom dataset:

對于具有成功登錄百分比的餅圖，請創建另一個自定義數據集：

It’s up to you to decide whether to use filter or not.由您決定是否使用過濾器。

Done. You can add an extra page for your Android data. Just copy the datasets and replace the IOS performance table to ANDROID.

做完了 您可以為Android數據添加額外的頁面。 只需復制數據集并將IOS性能表替換為ANDROID。

Page 2.崩潰。 (Page 2. Crashes.)

Crashes and affected users崩潰和受影響的用戶

Let’s create a custom dataset crashlytics_ios.sql In google Data Studio we will count crash events where is_fatal flag equals true .

讓我們創建一個自定義數據集crashlytics_ios.sql在Google Data Studio中，我們將計算is_fatal標志等于true崩潰事件。

In a similar way create another dataset for the widget below but just for the previous period using previous_start_dt and previous_end_dt from pd.

以類似的方式，使用pd中的previous_start_dt和previous_end_dt為下面的小部件創建另一個數據集，但僅針對上一個期間。

This table widget is using the same dataset crashlytics_ios.sql just displaying a count of events and users by issue:

該表小部件使用相同的數據集crashlytics_ios.sql僅按issue顯示events和users計數：

Crashes by issue_title按issue_title崩潰

Crash-free users

無崩潰的用戶

Let’s create a custom dataset to display the percent of Crash-free users.

讓我們創建一個自定義數據集以顯示無崩潰用戶的百分比。

For this we will use firebase analytics dataset as suggested in Example 7 of Goggle documentation.

為此，我們將使用Goggle文檔示例7中建議的Firebase analytics數據集。

Crashe-free users無crash用戶

Let’s create the datset called crashes :

讓我們創建一個稱為crashs的數據集crashes :

If you run it in BigQuery the results will be like that:

如果您在BigQuery中運行它，結果將是這樣的：

Replace the dates with parameter handlers and create a custom dataset in Google Data Studio.

將日期替換為參數處理程序，然后在Google Data Studio中創建自定義數據集。

第2頁完成！ (Page 2 is done!)

Thanks for reading!

謝謝閱讀！

Keep in mind that real client applications can generate a lot of data! Make sure to use partitioning in your scripts to reduce BigQuery cost and follow Google best practices from this article.

請記住，真正的客戶端應用程序可以生成大量數據！ 確保使用腳本中的分區來降低成本的BigQuery和效仿谷歌的最佳實踐從這個文章 。

Let me know if you have any questions.

如果您有任何問題，請告訴我。

推薦閱讀： (Recommended read:)

Sample Firebase queries from Google: https://firebase.google.com/docs/crashlytics/bigquery-export

來自Google的示例Firebase查詢 ：https: //firebase.google.com/docs/crashlytics/bigquery-export

翻譯自: https://towardsdatascience.com/i-stopped-using-firebase-dashboards-ive-built-my-own-instead-299631185b41

端口停止使用

總結

以上是生活随笔為你收集整理的端口停止使用_我停止使用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。