Miss mit beidem — Lab- und Felddaten —, denn sie beantworten unterschiedliche Fragen. Lighthouse ist Lab (synthetisch, reproduzierbar, zum Debuggen); RUM ist Feld (reale Nutzer, für die Wahrheit). Wenn du nur einem vertraust, optimierst du das Falsche.
| Lab (Lighthouse) | Feld / RUM |
|---|
| Quelle | Ein synthetischer Lauf, festes Gerät/Netzwerk | Reale Besuche, alle Geräte/Netzwerke |
| Gut für | Debugging, CI-Regressions-Gates, wiederholbar | Was Nutzer tatsächlich erleben |
| INP | Nicht messbar (keine echten Interaktionen) | Über den gesamten Besuch gemessen |
| Schwäche | Spiegelt nicht deinen echten Traffic wider | Verrauscht, braucht Volumen, schwerer zu debuggen |
Lighthouse führt einen einzelnen gedrosselten Ladevorgang auf einer sauberen Maschine aus — großartig, um ein Problem zu reproduzieren, nutzlos, um dein p75 zu kennen. Besonders INP lässt sich nur im Feld erfassen, weil es echte Interaktionen über eine Session hinweg braucht.
import { onLCP, onCLS, onINP } from "web-vitals";
function send(metric) {
// Attribution build tells you WHICH element/interaction caused it
navigator.sendBeacon("/rum", JSON.stringify({
name: metric.name, value: metric.value, id: metric.id,
}));
}
onLCP(send); onCLS(send); onINP(send); // report each metric as it finalizes
Das ist dieselbe Methodik wie Googles CrUX (Chrome User Experience Report), der das Suchranking speist — CrUX ist das p75 realer Nutzer, nicht Lab.
Senior-Signal ist zu wissen, dass Lab ≠ Feld ist, dass das Ranking das Feld-p75 verwendet und dass INP nur im Feld echt ist. Einen Lighthouse-Score zu optimieren, während das echte p75 schlecht bleibt, ist eine klassische Falle, die diese Frage aufdecken soll.
Eine Sammlung von IT-Interviewfragen mit ausführlichen Antworten — vom Junior bis zum Senior.
Spenden