Lighthouse vs RUM: performance-ஐ எப்படி சரியாக அளப்பது?

Question

IT Interview Practice · Accepted Answer

lab மற்றும் field data **இரண்டையும்** கொண்டு அளவிடுங்கள் — அவை வெவ்வேறு கேள்விகளுக்கு பதிலளிக்கின்றன. **Lighthouse** என்பது lab (synthetic, reproducible, debugging-க்கு); **RUM** என்பது field (உண்மையான பயனர்கள், உண்மைக்கு). நீங்கள் ஒன்றை மட்டும் நம்பினால், தவறான விஷயத்தை optimize செய்கிறீர்கள்.

## Lab vs field

| | Lab (Lighthouse) | Field / RUM |
|--|------------------|-------------|
| Source | ஒரு synthetic run, நிலையான device/network | உண்மையான வருகைகள், அனைத்து device/network-கள் |
| இதற்கு நல்லது | Debugging, CI regression gate-கள், மீண்டும் செய்யக்கூடியது | பயனர்கள் *உண்மையில்* அனுபவிப்பது |
| INP | அளக்க முடியாது (உண்மையான interaction-கள் இல்லை) | முழு வருகை முழுவதும் அளக்கப்படுகிறது |
| பலவீனம் | உங்கள் உண்மையான traffic-ஐ பிரதிபலிக்காது | noisy, volume தேவை, debug செய்ய கடினம் |

Lighthouse ஒரு சுத்தமான machine-இல் ஒரு single throttled load-ஐ இயக்குகிறது — ஒரு issue-ஐ *reproduce* செய்ய சிறந்தது, உங்கள் p75-ஐ அறிய பயனற்றது. **குறிப்பாக INP** field-இல் மட்டுமே capture செய்ய முடியும், ஏனெனில் அதற்கு ஒரு session முழுவதும் உண்மையான interaction-கள் தேவை.

## web-vitals library-உடன் field data சேகரித்தல்

```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
```

இது Google-இன் **CrUX** (Chrome User Experience Report)-ஐப் போன்ற அதே methodology, இது Search ranking-ஐ இயக்குகிறது — CrUX என்பது real-user p75, lab அல்ல.

## அவற்றை ஒன்றாக எப்படிப் பயன்படுத்துவது

- உண்மையான regression-களைக் கண்டறியவும் உங்கள் p75-ஐ (ranking பயன்படுத்துவது) அறியவும் **RUM**.
- regression-கள் ship ஆவதற்கு *முன்* அவற்றைப் பிடிக்க ஒரு guardrail-ஆக **CI-இல் Lighthouse**.
- device/country/connection வாரியாக RUM-ஐ segment செய்யுங்கள் — ஒரு averaged எண், low-end Android உங்கள் மெதுவான tail என்பதை மறைக்கிறது.

## இது ஏன் முக்கியம்

lab ≠ field என்பதையும், ranking field p75-ஐ பயன்படுத்துகிறது என்பதையும், INP field-இல் மட்டுமே உண்மையானது என்பதையும் அறிவது senior signal. உண்மையான p75 மோசமாக இருக்கும்போது ஒரு Lighthouse score-ஐ optimize செய்வது இந்தக் கேள்வி வெளிப்படுத்த வடிவமைக்கப்பட்ட ஒரு classic trap.

Source	ஒரு synthetic run, நிலையான device/network	உண்மையான வருகைகள், அனைத்து device/network-கள்
இதற்கு நல்லது	Debugging, CI regression gate-கள், மீண்டும் செய்யக்கூடியது	பயனர்கள் உண்மையில் அனுபவிப்பது
INP	அளக்க முடியாது (உண்மையான interaction-கள் இல்லை)	முழு வருகை முழுவதும் அளக்கப்படுகிறது
பலவீனம்	உங்கள் உண்மையான traffic-ஐ பிரதிபலிக்காது	noisy, volume தேவை, debug செய்ய கடினம்

Lab vs field

web-vitals library-உடன் field data சேகரித்தல்

அவற்றை ஒன்றாக எப்படிப் பயன்படுத்துவது

இது ஏன் முக்கியம்

தொடர்புடைய கேள்விகள்