Cómo los jugadores ofrecen una instantánea de la salud de Internet
Hacer un seguimiento de la latencia de Internet es un problema de medición clásico. Las plataformas de medición abiertas, como RIPE Atlas, ofrecen dispositivos distribuidos geográficamente y accesibles al público desde los que cualquiera puede realizar campañas de medición activas e incluso dejar datos abiertos. Pero también se enfrentan a importantes retos; por ejemplo, requieren la distribución y el mantenimiento de dispositivos de medición por toda Internet.
Vemos una oportunidad para complementar las plataformas de medición abiertas con una fuente de datos poco convencional: las secuencias de juego. Los juegos son muy sensibles a la latencia: el hecho de que la búsqueda de "cómo reducir el ping/lag" arroje cientos de miles de resultados es indicio suficiente. En vista de ello, muchos videojuegos muestran en pantalla la latencia entre el jugador y el servidor del juego (figura 1).
Esta visualización de la latencia en el juego ofrece una combinación única de características: Capta la latencia que experimentan los usuarios a diario y puede obtenerse sin capturas de tráfico intrusivas y sin introducir tráfico adicional (de medición) en la red.
Con estas observaciones en mente, mis colegas y yo de la EPFL de Lausana buscamos secuencias de videojuegos disponibles públicamente para extraer información sobre la latencia. Fue fácil de encontrar: retransmitir sesiones de juego se ha convertido en una afición y una profesión muy popular.
¿Cómo extraer la latencia de las secuencias de juego?
Hemos desarrollado Tero, un sistema que extrae las cifras de latencia de las imágenes disponibles públicamente que la plataforma de streaming Twitch pone a disposición en su CDN oficial. Tras más de dos años de funcionamiento, Tero ha procesado casi 400 millones de imágenes de juegos, obteniendo casi 100 millones de mediciones de latencia de 184.000 streamers a nivel mundial (Figura 2).
Tero realiza dos funciones principales:
- Extracción de información sobre la latencia: Tero trabaja con imágenes de baja resolución (al fin y al cabo, la latencia es sólo una ínfima parte de la interfaz de usuario (IU) de un juego) que pueden contener elementos extraños. Tero utiliza herramientas de reconocimiento óptico de caracteres de código abierto con una heurística basada en la IU específica del juego para evitar mediciones erróneas.
- Obtención de ubicaciones de referencia: La latencia de las secuencias de juego no tiene ninguna información sobre la ubicación desde la que se midió. Para obtener esta información, Tero utiliza las descripciones que los streamers suelen dejar en la descripción de su canal de Twitch u otras plataformas de medios sociales con un campo dedicado a la ubicación. Para extraer ubicaciones referenciales de estas fuentes, Tero utiliza una combinación de herramientas de Procesamiento del Lenguaje Natural (PLN) de código abierto, comparando sus resultados para obtener una mayor precisión.
En nuestro documento ofrecemos una explicación más detallada de todos los retos a los que nos enfrentamos y cómo los abordamos.
Una mirada a la latencia desde los ojos de los jugadores
Utilizando los datos de Tero, podemos examinar la latencia de Internet tal y como la experimentan los jugadores. Examinamos las diferencias en el rendimiento de la latencia en distintas ubicaciones geográficas; para que las comparaciones sean justas, sólo comparamos la latencia a distancias similares de sus respectivos servidores.
Encontramos un rendimiento de latencia sorprendentemente bajo en ciertas regiones de Estados Unidos y Canadá en comparación con los usuarios de Brasil. La figura 3 muestra la distribución de latencia obtenida para usuarios entre 1.000 y 1.500 km hasta su servidor de juegos: el rendimiento de latencia en varios estados de EE.UU. difiere hasta en 30 ms del resto de ubicaciones, una diferencia significativa para una aplicación sensible a la latencia como los juegos.
¿Cómo responden los jugadores a la latencia?
Es bien sabido que los jugadores de videojuegos se preocupan por la latencia que experimentan mientras juegan. Sin embargo, debido a la falta de datos, es difícil predecir cómo reaccionarán a los cambios en las condiciones de su red. Creemos que los datos de Tero abren la puerta a la investigación que pretende responder a la pregunta: ¿cómo responden los jugadores a los cambios en su latencia?
Hemos dado algunos pequeños pasos hacia ese objetivo estudiando si los picos -aumentos de la latencia experimentados por un usuario- influyen en los jugadores para que cambien el juego al que están jugando. Encontramos una correlación entre experimentar más picos y cambiar de juego - los resultados son similares a otros estudios sobre los efectos de las condiciones de la red en el comportamiento de los usuarios.
Hacia los datos abiertos
La latencia obtenida por Tero es una oportunidad para apoyar a la comunidad de Internet dejándola abiertamente disponible. Por lo tanto, tenemos sumo cuidado en proteger la privacidad de los streamers anonimizando completamente todos los datos, pero animamos a cualquier streamer que tenga preguntas sobre el conjunto de datos a que se ponga en contacto con nosotros.
Además, invitamos a todos los interesados en saber más a consultar nuestra página web o el documento de IMC.
Catalina Álvarez es doctoranda en la EPFL, Lausana, y trabaja en el Laboratorio de Arquitectura de Redes bajo la supervisión de la profesora Katerina Argyraki. Su investigación se centra en la transparencia de Internet y en el aprovechamiento de los medios sociales para salvar la distancia entre las métricas de red y la experiencia de los usuarios.
Las opiniones expresadas por los autores de este blog son suyas y no reflejan necesariamente los puntos de vista de la Internet Society.
Foto de Erik Mclean en Unsplash