Lighthouse vs RUM: તમે performance ને યોગ્ય રીતે કેવી રીતે માપો છો?

Question

IT Interview Practice · Accepted Answer

lab અને field **બંને** data થી માપો — તેઓ જુદા પ્રશ્નોના જવાબ આપે છે. **Lighthouse** એ lab છે (synthetic, reproducible, debugging માટe); **RUM** એ field છે (વાસ્તવિક user, સત્ય માટe). જો તમે માત્ર એક પર ભરોસો કરો, તો તમે ખોટી વસ્તુ optimize કરો છો.

## Lab vs field

| | Lab (Lighthouse) | Field / RUM |
|--|------------------|-------------|
| Source | એક synthetic run, fixed device/network | વાસ્તવિક visit, બધા device/network |
| Good for | Debugging, CI regression gate, repeatable | user *ખરેખર* શું અનુભવે છે |
| INP | માપી શકતું નથી (કોઈ real interaction નહીં) | આખી visit દરમિયાન માપાય |
| Weakness | તમારા વાસ્તવિક traffic ને પ્રતિબિંબિત કરતું નથી | noisy, volume જોઈએ, debug કરવું કઠિન |

Lighthouse એક clean machine પર એક throttled load ચલાવે છે — issue *reproduce* કરવા સરસ, તમારો p75 જાણવા નકામું. **ખાસ કરીને INP** માત્ર field માં જ capture થઈ શકે છે, કારણ કે તેને session દરમિયાન real interaction જોઈએ છે.

## web-vitals library સાથે field data એકત્ર કરવું

```js
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
```

આ Google ના **CrUX** (Chrome User Experience Report) જેવી જ પદ્ધતિ છે, જે Search ranking ને ચલાવે છે — CrUX એ real-user p75 છે, lab નહીં.

## તેમને સાથે કેવી રીતે વાપરવા

- વાસ્તવિક regression શોધવા અને તમારો p75 (જે ranking વાપરે છે) જાણવા **RUM**.
- ship થાય તે *પહેલાં* regression પકડવા guardrail તરીકે **CI માં Lighthouse**.
- RUM ને device/country/connection પ્રમાણે segment કરો — averaged આંકડો છુપાવે છે કે low-end Android તમારો ધીમો tail છે.

## આ શા માટે મહત્વનું છે

Senior signal એ જાણવું છે કે lab ≠ field, કે ranking field p75 વાપરે છે, અને કે INP માત્ર field માં જ વાસ્તવિક છે. real p75 નબળો રહે ત્યારે Lighthouse score optimize કરવો એ classic ફાંદો છે જે આ પ્રશ્ન ખુલ્લો પાડવા રચાયેલો છે.

Source	એક synthetic run, fixed device/network	વાસ્તવિક visit, બધા device/network
Good for	Debugging, CI regression gate, repeatable	user ખરેખર શું અનુભવે છે
INP	માપી શકતું નથી (કોઈ real interaction નહીં)	આખી visit દરમિયાન માપાય
Weakness	તમારા વાસ્તવિક traffic ને પ્રતિબિંબિત કરતું નથી	noisy, volume જોઈએ, debug કરવું કઠિન

Lab vs field

web-vitals library સાથે field data એકત્ર કરવું

તેમને સાથે કેવી રીતે વાપરવા

આ શા માટે મહત્વનું છે

સંબંધિત પ્રશ્નો