현장에서 성능 디버그

디버그 정보로 성능 데이터의 기여도를 분석하는 방법을 알아보고 애널리틱스를 통해 실제 사용자의 문제를 식별하고

Philip Walton

Google에서는 성능을 측정하고 디버그할 수 있는 두 가지 카테고리의 도구를 제공합니다.

• 실험실 도구: 다양한 조건 (예: 느린 네트워크 및 보급형 휴대기기)을 모방할 수 있는 시뮬레이션된 환경에 페이지를 로드하는 Lighthouse와 같은 도구입니다.
• 현장 도구: Chrome의 집계된 실제 사용자 데이터를 기반으로 하는 Chrome 사용자 환경 보고서(CrUX)와 같은 도구입니다. (PageSpeed Insights 및 Search Console과 같은 도구에서 보고되는 필드 데이터는 CrUX 데이터에서 제공됩니다.)

현장 도구는 더 정확한 데이터(실제 사용자 환경을 나타내는 데이터)를 제공하지만, 실험실 도구가 문제를 식별하고 해결하는 데 더 효과적인 경우가 많습니다.

CrUX 데이터는 페이지의 실제 성능을 더 잘 나타내지만 CrUX 점수를 아는 것은 성능 개선 방법을 파악하는 데 도움이 되지 않습니다.

반면 Lighthouse는 문제를 식별하고 개선 방법을 구체적으로 제안합니다. 하지만 Lighthouse는 페이지 로드 시 발견된 성능 문제만 제안합니다. 페이지에서 스크롤 또는 버튼 클릭과 같은 사용자 상호작용의 결과로만 나타나는 문제는 감지하지 않습니다.

여기에서 중요한 질문이 떠오릅니다. 코어 웹 바이탈의 디버그 정보나 실제 사용자의 기타 성능 측정항목을 어떻게 캡처할 수 있을까요?

이 게시물에서는 현재 Core Web Vitals 측정항목 각각에 관한 추가 디버깅 정보를 수집하는 데 사용할 수 있는 API를 자세히 설명하고 기존 분석 도구에서 이 데이터를 캡처하는 방법에 관한 아이디어를 제공합니다.

기여 분석 및 디버깅을 위한 API

누적 레이아웃 이동(CLS)

모든 Core Web Vitals 측정항목 중에서 CLS는 아마도 필드에서 디버그 정보를 수집하는 것이 가장 중요한 측정항목일 것입니다. CLS는 페이지의 전체 수명 전체에 걸쳐 측정되므로 사용자가 페이지와 상호작용하는 방식(스크롤 거리, 클릭하는 항목 등)은 레이아웃 변경 여부와 어떤 요소가 변경되는지에 상당한 영향을 미칠 수 있습니다.

PageSpeed Insights의 다음 보고서를 살펴보세요.

PageSpeed Insights는 가능한 경우 현장 데이터와 실험실 데이터를 모두 표시하며 이는 다를 수 있습니다.

실험실 (Lighthouse)의 CLS에 대해 보고된 값 (CrUX 데이터)과 현장의 CLS는 상당히 다른데, Lighthouse에서 테스트할 때 사용되지 않는 대화형 콘텐츠가 페이지에 많이 있을 수 있다는 점을 고려한다면 이는 당연한 결과입니다.

하지만 사용자 상호작용이 필드 데이터에 영향을 미친다는 점을 이해하더라도 페이지의 어떤 요소가 이동하는지 알아야 75번째 백분위수에서 0.28점을 얻을 수 있습니다. LayoutShiftAttribution 인터페이스를 통해 이를 수행할 수 있습니다.

레이아웃 변경 기여 분석 받기

LayoutShiftAttribution 인터페이스는 Layout Instability API가 내보내는 각 layout-shift 항목에서 노출됩니다.

이 두 인터페이스에 관한 자세한 내용은 레이아웃 변경 디버그를 참고하세요. 이 게시물의 목적상 개발자가 알아야 할 주요 사항은 개발자가 페이지에서 발생하는 모든 레이아웃 변경과 변경되는 요소를 관찰할 수 있다는 것입니다.

다음은 각 레이아웃 변경과 변경된 요소를 기록하는 코드의 예입니다.

new PerformanceObserver((list) => {
  for (const {value, startTime, sources} of list.getEntries()) {
    // Log the shift amount and other entry info.
    console.log('Layout shift:', {value, startTime});
    if (sources) {
      for (const {node, curRect, prevRect} of sources) {
        // Log the elements that shifted.
        console.log('  Shift source:', node, {curRect, prevRect});
      }
    }
  }
}).observe({type: 'layout-shift', buffered: true});

발생하는 모든 단일 레이아웃 변경의 데이터를 측정하고 분석 도구로 전송하는 것은 실용적이지 않을 수 있습니다. 그러나 모든 변경을 모니터링하여 최악의 변동을 추적하고 이에 대한 정보만 보고할 수 있습니다.

목표는 모든 사용자에게 발생하는 모든 레이아웃 변경을 식별하고 수정하는 것이 아닙니다. 목표는 가장 많은 사용자에게 영향을 주어 75번째 백분위수에서 페이지 CLS에 가장 많이 기여하는 변화를 식별하는 것입니다.

또한 이동이 발생할 때마다 가장 큰 소스 요소를 계산할 필요는 없으며, CLS 값을 분석 도구에 전송할 준비가 될 때만 계산하면 됩니다.

다음 코드는 CLS에 기여한 layout-shift 항목 목록을 가져와 가장 큰 이동에서 가장 큰 소스 요소를 반환합니다.

function getCLSDebugTarget(entries) {
  const largestEntry = entries.reduce((a, b) => {
    return a && a.value > b.value ? a : b;
  });
  if (largestEntry && largestEntry.sources && largestEntry.sources.length) {
    const largestSource = largestEntry.sources.reduce((a, b) => {
      return a.node && a.previousRect.width * a.previousRect.height >
          b.previousRect.width * b.previousRect.height ? a : b;
    });
    if (largestSource) {
      return largestSource.node;
    }
  }
}

가장 큰 변화를 일으킨 가장 큰 요소를 식별한 후 분석 도구에 보고할 수 있습니다.

특정 페이지의 CLS에 가장 많이 기여하는 요소는 사용자마다 다를 수 있지만 모든 사용자를 대상으로 이러한 요소를 집계하면 가장 많은 사용자에게 영향을 미치는 변화하는 요소의 목록을 생성할 수 있습니다.

이러한 요소에 대한 변화의 근본 원인을 파악하고 수정한 후 애널리틱스 코드는 페이지에서 '최악의' 이동이 발생할 때 작은 변동을 보고하기 시작합니다. 결국 보고된 모든 변화는 페이지가 '양호' 기준인 0.1 내에 있을 정도로 충분히 작아지게 됩니다.

가장 큰 이동 소스 요소와 함께 캡처하는 데 유용할 수 있는 기타 메타데이터는 다음과 같습니다.

• 변화가 가장 큰 시기
• 가장 큰 변화의 URL 경로입니다 (단일 페이지 애플리케이션과 같이 URL을 동적으로 업데이트하는 사이트의 경우).

최대 콘텐츠 페인트(LCP)

필드에서 LCP를 디버그하려면 특정 페이지 로드에서 가장 큰 요소 (LCP 후보 요소)가 어떤 특정 요소였는지가 가장 중요합니다.

실제로 동일한 페이지에서도 LCP 후보 요소가 사용자마다 다를 수 있습니다(실제로는 매우 흔한 일임).

여러 이유로 이 문제가 발생할 수 있습니다.

• 사용자 기기의 화면 해상도가 다르기 때문에 페이지 레이아웃이 다르고 따라서 표시 영역 내에 다양한 요소가 표시됩니다.
• 사용자는 맨 위로 스크롤된 페이지를 로드하지 않는 경우도 있습니다. 링크에 프래그먼트 식별자 또는 텍스트 프래그먼트가 포함되는 경우가 많습니다. 즉, 페이지의 모든 스크롤 위치에서 페이지가 로드되고 표시될 수 있습니다.
• 콘텐츠가 현재 사용자에게 맞춤설정될 수 있으므로 LCP 후보 요소는 사용자마다 크게 다를 수 있습니다.

즉, 어떤 요소 또는 요소 집합이 특정 페이지의 가장 일반적인 LCP 후보 요소인지 가정할 수 없습니다. 실제 사용자 행동을 토대로 측정해야 합니다.

참고: 이러한 차이점에 대한 자세한 내용은 실습 및 필드 데이터가 다른 이유 및 해결 방법을 참조하세요.

LCP 후보 요소 식별

JavaScript에서 LCP 후보 요소를 결정하려면 LCP 시간 값을 결정하는 데 사용하는 것과 동일한 API인 Largest Contentful Paint API를 사용하면 됩니다.

largest-contentful-paint 항목을 관찰할 때 마지막 항목의 element 속성을 확인하여 현재 LCP 후보 요소를 확인할 수 있습니다.

new PerformanceObserver((list) => {
  const entries = list.getEntries();
  const lastEntry = entries[entries.length - 1];

  console.log('LCP element:', lastEntry.element);
}).observe({type: 'largest-contentful-paint', buffered: true});

주의: LCP 측정항목 문서에 설명된 대로 LCP 후보 요소는 페이지 로드 중에 변경될 수 있으므로 '최종' LCP 후보 요소를 식별하기 위해 더 많은 작업이 필요합니다. '최종' LCP 후보 요소를 식별하고 측정하는 가장 쉬운 방법은 예와 같이 web-vitals JavaScript 라이브러리를 사용하는 것입니다.

LCP 후보 요소를 파악하면 이를 측정항목 값과 함께 분석 도구에 전송할 수 있습니다. 이렇게 하면 CLS와 마찬가지로 어떤 요소를 먼저 최적화해야 하는지 식별할 수 있습니다.

LCP 후보 요소 외에도 LCP 하위 부분 시간을 측정하는 것도 유용할 수 있습니다. 이는 사이트와 관련된 특정 최적화 단계를 확인하는 데 유용할 수 있습니다.

다음 페인트에 대한 상호작용 (INP)

팁: 필드 데이터로 INP 디버깅에 관한 자세한 내용은 필드에서 느린 상호작용 찾기 전용 도움말을 참고하세요.

INP 필드에서 캡처해야 할 가장 중요한 정보는 다음과 같습니다.

1. 상호작용한 요소
2. 상호작용 유형인 이유
3. 상호작용이 일어난 시점

느린 상호작용의 주요 원인은 차단된 기본 스레드이며, 이는 JavaScript가 로드되는 동안 일반적으로 발생할 수 있습니다. 페이지 로드 중에 느린 상호작용이 가장 많이 발생하는지 알면 문제를 해결하기 위해 취해야 할 조치를 결정하는 데 도움이 됩니다.

INP 측정항목은 등록된 이벤트 리스너를 실행하는 데 걸리는 시간과 모든 이벤트 리스너가 실행된 후 다음 프레임을 페인트하는 데 걸리는 시간을 포함한 상호작용의 전체 지연 시간을 고려합니다. 즉, INP의 경우 느린 상호작용을 유발하는 경향이 있는 타겟 요소와 이러한 상호작용의 유형을 아는 것이 매우 유용합니다.

다음 코드는 INP 항목의 대상 요소와 시간을 기록합니다.

function logINPDebugInfo(inpEntry) {
  console.log('INP target element:', inpEntry.target);
  console.log('INP interaction type:', inpEntry.name);
  console.log('INP time:', inpEntry.startTime);
}

이 코드는 어느 event 항목이 INP 항목인지 확인하는 방법을 보여주지 않습니다. 로직이 더 복잡하기 때문입니다. 그러나 다음 섹션에서는 web-vitals JavaScript 라이브러리를 사용하여 이 정보를 얻는 방법을 설명합니다.

web-vitals JavaScript 라이브러리 사용

이전 섹션에서는 분석 도구로 전송하는 데이터에 포함할 디버그 정보를 캡처하기 위한 몇 가지 일반적인 제안사항과 코드 예를 제공합니다.

버전 3부터 web-vitals JavaScript 라이브러리에는 이 모든 정보와 몇 가지 추가 신호를 표시하는 기여 분석 빌드가 포함되어 있습니다.

다음 코드 예에서는 성능 문제의 근본 원인을 파악하는 데 유용한 디버그 문자열이 포함된 추가 이벤트 매개변수 (또는 맞춤 측정기준)를 설정하는 방법을 보여줍니다.

import {onCLS, onINP, onLCP} from 'web-vitals/attribution';

function sendToGoogleAnalytics({name, value, id, attribution}) {
  const eventParams = {
    metric_value: value,
    metric_id: id,
  }

  switch (name) {
    case 'CLS':
      eventParams.debug_target = attribution.largestShiftTarget;
      break;
    case 'LCP':
      eventParams.debug_target = attribution.element;
      break;
    case 'INP':
      eventParams.debug_target = attribution.interactionTarget;
      break;
  }

  // Assumes the global `gtag()` function exists, see:
  // https://developers.google.com/analytics/devguides/collection/ga4
  gtag('event', name, eventParams);
}

onCLS(sendToGoogleAnalytics);
onLCP(sendToGoogleAnalytics);
onFID(sendToGoogleAnalytics);
onINP(sendToGoogleAnalytics);

이 코드는 Google 애널리틱스 전용이지만 일반적인 개념은 다른 애널리틱스 도구로도 적용할 수 있습니다.

이 코드는 단일 디버그 신호에 관해 보고하는 방법만 보여주지만, 측정항목별로 서로 다른 여러 신호를 수집하고 보고할 수 있으면 유용합니다.

예를 들어 INP를 디버그하기 위해 상호작용 유형, 시간, loadState, 상호작용 단계 등 상호작용 중인 요소 (예: 긴 애니메이션 프레임 데이터)를 수집해야 할 수 있습니다.

web-vitals 저작자 표시 빌드는 다음 INP 예와 같이 추가 저작자 표시 정보를 노출합니다.

import {onCLS, onINP, onLCP} from 'web-vitals/attribution';

function sendToGoogleAnalytics({name, value, id, attribution}) {
  const eventParams = {
    metric_value: value,
    metric_id: id,
  }

  switch (name) {
    case 'INP':
      eventParams.debug_target = attribution.interactionTarget;
      eventParams.debug_type = attribution.interactionType;
      eventParams.debug_time = attribution.interactionTime;
      eventParams.debug_load_state = attribution.loadState;
      eventParams.debug_interaction_delay = Math.round(attribution.inputDelay);
      eventParams.debug_processing_duration = Math.round(attribution.processingDuration);
      eventParams.debug_presentation_delay =  Math.round(attribution.presentationDelay);
      break;

    // Additional metric logic...
  }

  // Assumes the global `gtag()` function exists, see:
  // https://developers.google.com/analytics/devguides/collection/ga4
  gtag('event', name, eventParams);
}

onCLS(sendToGoogleAnalytics);
onLCP(sendToGoogleAnalytics);
onFID(sendToGoogleAnalytics);
onINP(sendToGoogleAnalytics);

노출된 디버그 신호의 전체 목록은 web-vitals 기여 분석 문서를 참고하세요.

데이터 보고 및 시각화

측정항목 값과 함께 디버그 정보를 수집하기 시작했다면 다음 단계는 모든 사용자의 데이터를 집계하여 패턴과 추세를 찾는 것입니다.

앞서 언급했듯이 사용자에게 발생하는 모든 문제를 해결할 필요는 없으며, 특히 가장 많은 사용자에게 영향을 미치는 문제, 즉 Core Web Vitals 점수에 가장 큰 부정적인 영향을 미치는 문제부터 해결해야 합니다.

GA4의 경우 BigQuery를 사용하여 데이터를 쿼리하고 시각화하는 방법에 대한 전용 문서를 참고하세요.

요약

이 게시물이 기존 성능 API 및 web-vitals 라이브러리를 사용하여 디버그 정보를 가져와 실제 사용자의 현장 방문을 기반으로 성능을 진단하는 데 도움이 되는 구체적인 방법을 간략하게 설명했기를 바랍니다. 이 가이드에서는 Core Web Vitals에 중점을 두지만 이러한 개념은 JavaScript에서 측정할 수 있는 모든 성능 측정항목을 디버깅하는 데도 적용됩니다.

이미 Google 애널리틱스를 사용하고 있으며 성능 측정을 처음 시작한다면 이미 Core Web Vitals 측정항목의 디버그 정보 보고를 지원하는 Web Vitals 보고서 도구가 유용할 수 있습니다.

제품을 개선하고 사용자에게 더 많은 디버깅 정보를 제공하려는 분석 공급업체는 여기에 설명된 몇 가지 기법을 고려해 보세요. 여기에 제시된 아이디어에 국한되지 마세요. 이 게시물은 일반적으로 모든 분석 도구에 적용할 수 있지만 개별 분석 도구는 더 많은 디버그 정보를 캡처하고 보고할 수 있습니다.

마지막으로, API 자체의 기능 또는 정보 누락으로 인해 이러한 측정항목을 디버그할 수 없다고 생각되는 경우 [e-mail]으로 의견을 보내주세요.