הגדרת ניטור זמן השקת אפליקציה (קר, חם, פושר)

זמן טעינה קרה (Cold launch) הוא המדד הראשון שמשתמשים מבחינים בו. אם הטעינה הקרה שלך עולה על 2 שניות, 5% מהמשתמשים עלולים לסגור את האפליקציה. אפל ממליצה על טעינה קרה מתחת ל-20 שניות, אבל סף הסבילות האמיתי נמוך יותר. ללא ניטור, לא תדע ש-P95 מגיע ל-5 שניות. מעקב אחר אחוזונים (P50, P95) נותן תמונה מלאה: ממוצעים מסתירים את הזנב שפוגע בחוויית המשתמש. הגדרת התראות רגרסיה עוזרת לתפוס ירידות בין גרסאות. אנו מגדירים ניטור טעינה ל-iOS ואנדרואיד באמצעות MetricKit ו-Firebase Performance – מגובה בניסיון של שנים ועשרות אינטגרציות. בעזרתנו תוכלו לקבל מערכת מדדים שקופה תוך יומיים ולהפסיק לנחש מה מאט את הטעינה. ההתקנה כוללת אינטגרציית SDK, יצירת דשבורד והגדרת התראות ב-Slack או בטלגרם. זה יכול לחסוך עד 40% מזמן הניפוי לרגרסיות ולהגדיל את שימור המשתמשים ב-5-10%.

ניטור מהירות טעינה: מה אנו מודדים ואיך

טעינה קרה — האפליקציה לא בזיכרון; התהליך נוצר מאפס. האיטית ביותר והקריטית ביותר לניטור. טעינה חמה (iOS) — האפליקציה הייתה בזיכרון אך הושהתה ברקע. התהליך חי, אבל viewDidLoad רץ שוב. טעינה חמה (Hot) — חזרה מרקע. כמעט מיידית. נטר טעינה קרה וחמה. טעינה חמה אינה אינדיקטיבית.

למה טעינה קרה היא המדד המרכזי

טעינה קרה היא הרושם הראשוני של המשתמש. אם היא עולה על 3 שניות, 5% מהמשתמשים עלולים לסגור את האפליקציה. ההמלצות לביצועים של אפל דורשות טעינה קרה מתחת ל-20 שניות, אבל הסבילות האמיתית היא סביב 2 שניות. ניטור P95 חושף את התרחיש הגרוע ביותר שממוצעים מסתירים.

איזה כלי ניטור לבחור לפרויקט שלך

הבחירה בין MetricKit ל-Firebase Performance תלויה בפלטפורמה ובדרישות לנתונים בזמן אמת. MetricKit אידיאלי לפרויקטים של iOS בלבד הזקוקים לסטטיסטיקות מצטברות מכל המשתמשים ללא SDK. Firebase Performance מתאים לאפליקציות חוצות-פלטפורמות ומספק נתונים בזמן אמת עם פילוח לפי מכשיר. למידע נוסף בתיעוד Firebase Performance.

איך להגדיר ניטור טעינה

1. בחרו את הכלי: MetricKit או Firebase Performance.
2. שלבו את ה-SDK בפרויקט.
3. הוסיפו סמנים מותאמים אישית לזמן pre-main (iOS) או לאתחול (אנדרואיד).
4. צרו דשבורד מדדים (P50, P95, התפלגות גרסאות).
5. הגדירו התראות רגרסיה: הודעה אם P95 של טעינה קרה עולה ב-20% בהשוואה לגרסה הקודמת.
6. אמתו איסוף נתונים במכשירים אמיתיים דרך TestFlight או Firebase App Distribution.

כלים מובנים בפלטפורמה

iOS — MetricKit. מאז iOS 13, המערכת אוספת אבחונים ממשתמשים אמיתיים ומספקת אותם דרך MXMetricManager:

class AppDelegate: MXMetricManagerSubscriber {
    func applicationDidFinishLaunching() {
        MXMetricManager.shared.add(self)
    }

    func didReceive(_ payloads: [MXMetricPayload]) {
        for payload in payloads {
            if let launchMetric = payload.applicationLaunchMetrics {
                let coldLaunchP50 = launchMetric.histogrammedTimeToFirstDrawKey
                    .histogram(for: .applicationLaunchTimeToFirstDraw)
                Analytics.track("cold_launch_p50", value: coldLaunchP50)
            }
        }
    }
}

MetricKit מספק נתונים פעם ביום, מצטברים על פני 24 השעות האחרונות. לא בזמן אמת, אבל מדגם אמיתי מכל המשתמשים.

אנדרואיד — Firebase Performance Monitoring. מעקב class AppDelegate: MXMetricManagerSubscriber { func applicationDidFinishLaunching() { MXMetricManager.shared.add(self) } func didReceive(_ payloads: [MXMetricPayload]) { for payload in payloads { if let launchMetric = payload.applicationLaunchMetrics { let coldLaunchP50 = launchMetric.histogrammedTimeToFirstDrawKey .histogram(for: .applicationLaunchTimeToFirstDraw) Analytics.track("cold_launch_p50", value: coldLaunchP50) } } } } נאסף אוטומטית כשמחברים את ה-SDK. הוא מפריד בין app_start ו-app_start_cold. זמין ב-Firebase Console עם פילוח לפי מכשיר, גרסת מערכת הפעלה וגרסת אפליקציה.

לסמנים מותאמים אישית באנדרואיד — app_start_warm + FirebasePerformance.getInstance().newTrace("custom_init") / start(). עוזר לזהות איזה אתחול מאט את התהליך.

איך למדוד זמן Pre-Main ב-iOS

זמן pre-main (טעינת מקשר דינמי, אתחול Objective-C runtime) אינו מכוסה במדידות סטנדרטיות ב-AppDelegate. הדרך היחידה לראות אותו היא להפעיל את משתנה הסביבה stop() ב-Xcode scheme. לאיסוף אוטומטי, השתמשו באינסטרומנטציה דרך MetricKit וספריות ייעודיות.

אינסטרומנטציה בקוד

גם ללא SDK חיצוניים, אפשר למדוד טעינה ידנית. iOS:

// В AppDelegate или @main
static let appLaunchTimestamp = Date()

// В viewDidAppear первого экрана
let launchDuration = Date().timeIntervalSince(AppDelegate.appLaunchTimestamp)
Analytics.track("cold_launch_duration", value: launchDuration)

אבל שיטה זו אינה מדויקת — היא לא כוללת זמן pre-main (ספריות דינמיות, runtime). ל-pre-main: השתמשו במשתנה הסביבה DYLD_PRINT_STATISTICS ב-Xcode scheme.

אנדרואיד:

class App : Application() {
    override fun onCreate() {
        val start = SystemClock.elapsedRealtime()
        super.onCreate()
        // ... инициализации
        val initDuration = SystemClock.elapsedRealtime() - start
        FirebaseAnalytics.getInstance(this).logEvent("app_init_duration") {
            param("duration_ms", initDuration)
        }
    }
}

DYLD_PRINT_STATISTICS מדויק יותר מ-// В AppDelegate или @main static let appLaunchTimestamp = Date() // В viewDidAppear первого экрана let launchDuration = Date().timeIntervalSince(AppDelegate.appLaunchTimestamp) Analytics.track("cold_launch_duration", value: launchDuration) למדידת מרווחים.

דשבורד והתראות

קבוצת מדדים מינימלית לניטור:

התראה על עליית P95 בין גרסאות חשובה יותר מערכים מוחלטים. רגרסיה של 500 אלפיות השנייה בין שתי גרסאות היא אות לחקור את ההבדל.

ב-Grafana או Firebase Alerts, הגדירו התראה: אם P95 של טעינה קרה בגרסה הנוכחית עולה על P95 של הגרסה הקודמת ב-20% — שלחו התראה ל-Slack.