TL;DR: 实验室测试(Lighthouse、CI 基准测试)告诉你应用在测试机上的表现。Real User Monitoring 告诉你应用在真实用户设备、网络和地理位置下的实际表现。RUM 能发现实验室测试永远无法捕捉的性能问题——慢速网络、内存压力、广告拦截器干扰以及地理差异。
Lab 数据 vs Field 数据
| 维度 | Lab(Lighthouse) | Field(RUM) |
|---|---|---|
| 环境 | 受控(Moto G4,缓慢 3G) | 真实用户设备 |
| 网络 | 模拟限速 | 真实连接(5G、4G、3G、WiFi) |
| 地理位置 | 单一位置 | 全球(330+ Cloudflare 节点) |
| 设备 | 固定设备档案 | 所有设备和形态 |
| 样本量 | 每次 PR 单独运行 | 每次页面访问 |
| 检测范围 | 优化机会 | 真实用户体验问题 |
| 缺失内容 | 真实用户的体验 | 受控对比基准 |
真相是:Lab 数据告诉你该修复什么,Field 数据告诉你用户实际经历了什么。两者缺一不可。
RUM 数据采集
Web Vitals 采集配置
从真实用户采集 Web Vitals 是任何 RUM 实施的第一步。web-vitals 库提供了带归属信息的指标,不仅告诉你数值,还告诉你导致该数值的原因:
// src/lib/rum.ts
import { onLCP, onCLS, onINP, onTTFB, onFCP } from "web-vitals/attribution"
type VitalName = "LCP" | "CLS" | "INP" | "TTFB" | "FCP"
interface VitalReport {
name: VitalName
value: number
rating: "good" | "needs-improvement" | "poor"
id: string
metadata: Record<string, string>
deviceType: string
connectionType: string
}
export function initRUM() {
const vitals: Array<{ name: VitalName; fn: (metric: any) => void }> = [
{ name: "LCP", fn: onLCP },
{ name: "CLS", fn: onCLS },
{ name: "INP", fn: onINP },
{ name: "TTFB", fn: onTTFB },
{ name: "FCP", fn: onFCP },
]
vitals.forEach(({ name, fn }) => {
fn((metric) => {
sendVital({
name,
value: metric.value,
rating: metric.rating,
id: metric.id,
metadata: extractAttribution(metric),
deviceType: getDeviceType(),
connectionType: getConnectionType(),
})
})
})
}
function extractAttribution(metric: any): Record<string, string> {
if (metric.attribution) {
// 提取有用的调试信息
const { element, url, fcp, ...rest } = metric.attribution
return {
...(element && { lcpElement: element.tagName }),
...(url && { lcpUrl: url }),
}
}
return {}
}
function getDeviceType(): string {
const ua = navigator.userAgent
if (/Mobi|Android/i.test(ua)) return "mobile"
if (/Tablet|iPad/i.test(ua)) return "tablet"
return "desktop"
}
function getConnectionType(): string {
const conn = (navigator as any).connection
return conn?.effectiveType ?? "unknown"
}
将 RUM 数据发送到后端
采集完成后,需要可靠地将指标数据传送到服务器。使用 navigator.sendBeacon 确保用户离开页面时数据依然能发送:
// 使用 sendBeacon 可靠传输(页面跳转时仍可发送)
function sendVital(report: VitalReport) {
const payload = {
...report,
pathname: window.location.pathname,
timestamp: Date.now(),
}
if (navigator.sendBeacon) {
navigator.sendBeacon("/api/vitals", JSON.stringify(payload))
} else {
fetch("/api/vitals", {
method: "POST",
body: JSON.stringify(payload),
keepalive: true,
})
}
}
服务端存储
在服务端,将每条指标数据连同国家和设备类型等上下文元数据一起存入 D1,供后续分析使用:
// server/rum.ts
export const reportVital = createServerFn({ method: "POST" }).handler(
async ({ request, context }) => {
const data = await request.json()
// 存入 D1 供查询
await context.env.DB.prepare(`
INSERT INTO rum_metrics (
id, name, value, rating, pathname,
device_type, connection_type,
country, metadata, created_at
) VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?, ?)
`).bind(
data.id,
data.name,
data.value,
data.rating,
data.pathname,
data.deviceType,
data.connectionType,
request.cf?.country ?? "unknown",
JSON.stringify(data.metadata),
data.timestamp
).run()
return { received: true }
}
)
分析 RUM 数据
按指标查询
采集足够数据后,通过查询来了解性能基准。这个仪表板函数计算每个指标的 p50、p75、p95 百分位数以及"良好"评级的百分比:
export const getRumDashboard = createServerFn({ method: "GET" }).handler(
async ({}, { context }) => {
// 过去 7 天整体指标
const overall = await context.env.DB.prepare(`
SELECT
name,
COUNT(*) as samples,
APPROX_PERCENTILE(value, 0.5) as p50,
APPROX_PERCENTILE(value, 0.75) as p75,
APPROX_PERCENTILE(value, 0.95) as p95,
SUM(CASE WHEN rating = 'good' THEN 1 ELSE 0 END) * 100.0 / COUNT(*) as good_pct
FROM rum_metrics
WHERE created_at > datetime('now', '-7 days')
GROUP BY name
`).all()
// 按路径分组(加载最慢的前 20 个)
const byPath = await context.env.DB.prepare(`
SELECT
pathname,
APPROX_PERCENTILE(CASE WHEN name = 'LCP' THEN value END, 0.5) as lcp_p50,
APPROX_PERCENTILE(CASE WHEN name = 'INP' THEN value END, 0.5) as inp_p50,
COUNT(*) as pageviews
FROM rum_metrics
WHERE created_at > datetime('now', '-7 days')
GROUP BY pathname
ORDER BY lcp_p50 DESC
LIMIT 20
`).all()
return { overall: overall.results, slowestPaths: byPath.results }
}
)
RUM 仪表板
RUM 仪表板(过去 7 天)
Web Vitals 总览:
┌────────┬──────────┬──────────┬──────────┬─────────┐
│ 指标 │ P50 │ P75 │ P95 │ 良好 % │
├────────┼──────────┼──────────┼──────────┼─────────┤
│ LCP │ 1,200ms │ 2,100ms │ 4,500ms │ 78% │
│ CLS │ 0.02 │ 0.05 │ 0.15 │ 85% │
│ INP │ 80ms │ 150ms │ 350ms │ 82% │
│ TTFB │ 150ms │ 350ms │ 900ms │ 88% │
└────────┴──────────┴──────────┴──────────┴─────────┘
各地理区域性能表现:
┌──────────────────┬──────────┬──────────┬──────────────┐
│ 区域 │ P50 LCP │ P95 LCP │ 慢速 % (>3s) │
├──────────────────┼──────────┼──────────┼──────────────┤
│ US East │ 900ms │ 2,100ms │ 3% │
│ US West │ 1,100ms │ 2,800ms │ 5% │
│ Europe │ 1,300ms │ 3,200ms │ 8% │
│ Asia Pacific │ 2,100ms │ 5,500ms │ 20% │
│ South America │ 2,400ms │ 6,000ms │ 25% │
└──────────────────┴──────────┴──────────┴──────────────┘
加载最慢的 5 个页面:
1. /dashboard/analytics(p50 LCP: 4.2s)— 重图表
2. /products/listing(p50 LCP: 3.8s)— 大图
3. /reports/export(p50 LCP: 3.5s)— API 慢
基于 RUM 数据的告警
自动化告警将原始 RUM 数据转化为可操作的提醒通知。这个函数检查 LCP 质量并识别持续慢的页面:
export const checkRumAlerts = createServerFn({ method: "GET" }).handler(
async ({}, { context }) => {
const alerts = []
// LCP 良好百分比低于阈值时告警
const lcpQuality = await context.env.DB.prepare(`
SELECT
COUNT(*) as total,
SUM(CASE WHEN rating = 'good' THEN 1 ELSE 0 END) * 100.0 / COUNT(*) as good_pct
FROM rum_metrics
WHERE name = 'LCP' AND created_at > datetime('now', '-1 hour')
`).first()
if (lcpQuality && Number(lcpQuality.good_pct) < 70) {
alerts.push({
type: "rum_degradation",
metric: "LCP",
goodPct: Math.round(Number(lcpQuality.good_pct)),
threshold: 70,
severity: "high",
})
}
// 特定页面 p95 LCP > 5s 时告警
const slowPages = await context.env.DB.prepare(`
SELECT pathname, COUNT(*) as views
FROM rum_metrics
WHERE name = 'LCP'
AND value > 5000
AND created_at > datetime('now', '-1 hour')
GROUP BY pathname
HAVING views > 10
ORDER BY views DESC
LIMIT 5
`).all()
if (slowPages.results.length > 0) {
alerts.push({
type: "slow_pages",
pages: slowPages.results,
severity: "medium",
})
}
return alerts
}
)
用 RUM 数据驱动优化
| RUM 信号 | 调查方向 | 优化措施 |
|---|---|---|
| 移动端 LCP 高 | 检查首图尺寸 | 提供 AVIF、预加载首图、压缩图片 |
| 产品页 CLS 高 | 检查动态内容插入 | 预留空间、修复字体切换布局偏移 |
| 仪表板 INP 高 | 分析主线程活动 | 拆分长任务、懒加载图表 |
| 亚太地区 LCP 差 | 地理延迟问题 | 边缘缓存、CDN 优化 |
| 认证页 TTFB 差 | 认证中间件开销 | 优化会话查询、缓存认证状态 |
RUM 数据 Schema
-- migrations/rum_metrics.sql
CREATE TABLE IF NOT EXISTS rum_metrics (
id TEXT PRIMARY KEY,
name TEXT NOT NULL, -- LCP, CLS, INP, TTFB, FCP
value REAL NOT NULL, -- 指标值(毫秒或分数)
rating TEXT NOT NULL, -- good, needs-improvement, poor
pathname TEXT NOT NULL, -- URL 路径
device_type TEXT, -- mobile, desktop, tablet
connection_type TEXT, -- 4g, 3g, 2g, slow-2g
country TEXT, -- 双字母国家代码
metadata TEXT, -- 含归属数据的 JSON
created_at INTEGER NOT NULL
);
CREATE INDEX idx_rum_name ON rum_metrics(name);
CREATE INDEX idx_rum_created ON rum_metrics(created_at);
CREATE INDEX idx_rum_path ON rum_metrics(pathname);
RUM 实施清单
- Web Vitals 库已安装并在所有页面初始化
- RUM 数据通过 sendBeacon 发送,保证可靠传输
- 服务端接口将指标存入 D1 或 Analytics Engine
- 已配置采样率(初始配置用 100%,后续降至 10-25%)
- 已构建 p50/p75/p95 指标仪表板
- 仪表板可见地理区域维度的数据分解
- 按路径聚合,检测慢速页面
- 已设置 RUM 降级自动告警
- 设备类型分段(移动端 vs 桌面端)
- 连接类型追踪,用于网络感知优化
- 与 CI 流水线集成——对比 PR RUM 与生产 RUM
- 历史数据保留,用于趋势分析
结论
Real User Monitoring 弥合了开发测试与生产环境之间的鸿沟。没有 RUM,你是在基于假设做优化。有了 RUM,每一个优化决策都有来自真实用户的数据支撑。
实施步骤很清晰:
- 从每次页面访问中采集 Web Vitals
- 存入 D1 或 Analytics Engine
- 构建可视化仪表板
- 设置降级告警
- 用这些数据来优先安排优化工作
如需深入性能实践,可进一步阅读 Core Web Vitals 优化指南了解指标改进策略、性能预算防止回归、SaaS 监控与可观测性关注基础设施健康,以及 Lighthouse 95+ 优化技巧进行基于实验室的审计。