- Un estudio reciente ha caracterizado la estabilidad de la latencia entre los usuarios finales y los servidores de borde de las redes de distribución de contenidos (CDN), que son infraestructuras críticas para entregar contenidos a la mayoría de los usuarios finales.
- Los resultados indican que nuestra infraestructura de red suele estar bien optimizada para ofrecer conexiones de red sin apenas variaciones.
- Determinar las causas exactas de los picos y variaciones de latencia sigue siendo un objetivo clave de nuestro trabajo futuro.
La latencia o tiempo de ida y vuelta (RTT) entre dos hosts finales (por ejemplo, el portátil o la tableta de un usuario y un servidor web) es un determinante clave de la experiencia del usuario. Establecer una conexión de baja latencia entre dos puntos finales que se comunican es, por tanto, crucial para maximizar el rendimiento de la aplicación.
Las redes de distribución de contenidos (CDN) se han vuelto fundamentales para reducir la latencia sirviendo contenidos desde servidores “periféricos” que están “muy cerca” de los usuarios finales. Esta tarea ha obligado a las CDN a desplegar cientos de miles de servidores en diversas redes y ubicaciones geográficas, y pueden determinar dinámicamente desde qué servidor se puede servir la solicitud de un determinado usuario final en función de métricas de rendimiento (latencia) y otros factores (carga). Por ello, la mayor parte del contenido que consumen los usuarios finales en Internet se sirve actualmente a través de las CDN, lo que las convierte en una valiosa referencia para comprender el rendimiento global de Internet desde la perspectiva del usuario final.
En un estudio reciente, mis colegas y yo, de BITS Pilani, Goa, y la Vrije Universiteit Amsterdam, intentamos caracterizar las latencias de las rutas entre los usuarios finales y los servidores de borde de las CDN.
Nuestro interés residía en comprender la “estabilidad” de la latencia, ya que tiene implicaciones sustanciales en el rendimiento de diversas aplicaciones.
Incluso los mejores sistemas sufren variaciones
Nuestro trabajo se centró en la “constancia” de las latencias, es decir, hasta qué punto las latencias observadas están libres de variaciones “sustanciales”.
Para medir la constancia, utilizamos 69 anclas del Atlas RIPE como puntos de observación y cien servidores de borde (véase la Figura 2) pertenecientes a cinco CDN muy utilizadas como objetivos. (Consulta nuestro artículo para obtener más detalles sobre la selección de nuestros puntos de observación y objetivos). Medimos las latencias entre nuestros puntos de observación y los objetivos cada dos horas durante 10 días consecutivos. A continuación, cotejamos las latencias entre cada par punto de observación-objetivo en una “línea de tiempo”. Caracterizamos la constancia de las observaciones de latencia utilizando tres enfoques bien conocidos:
- Constancia matemática -Usando tres algoritmos estadísticos, medimos dónde las latencias observadas muestran una desviación “sustancial” respecto a los valores pasados en una línea temporal. Esencialmente, ignoramos las desviaciones menores en la señal de latencia y sólo consideramos los cambios sustanciales, a menudo llamados “cambios de nivel”. Los casos en los que observamos esos cambios de nivel se denominan “puntos de cambio” (véase la Figura 3), y la región entre dos puntos de cambio cualesquiera es la “región libre de cambios (RLC)”, en la que la latencia (señal) se considera constante. Cuanto mayor sea la duración de las CFR, más estable (o constante) será la línea temporal de latencia.
- Constancia operativa – Definimos una secuencia de observaciones de latencia como constante si estas latencias están dentro de ciertos umbrales predefinidos (digamos, 25-50 ms).
- Constancia predic tiva – Si, basándonos en datos históricos, podemos predecir con exactitud la siguiente observación de latencia, entonces se considera que las variaciones de latencia no son sustanciales: la línea temporal de latencia es (según la noción predictiva) constante.
Los resultados indican que nuestra infraestructura de red suele estar bien optimizada para ofrecer conexiones de red con pocas o ninguna variación (o jitter).
Observamos que las regiones CFR máximas -el periodo máximo durante el cual las latencias de una línea de tiempo permanecen matemáticamente constantes- son al menos tres veces mayores que las indicadas en trabajos anteriores recientes.
También observamos que, incluso desde una perspectiva operativa, la mayoría de las líneas de tiempo eran constantes: el 95% tienen un CFR máximo de cien horas o más, un factor de cuatro más que el mostrado en trabajos anteriores. Incluso con un umbral de constancia más estricto de 25 ms, observamos que la mediana del CFR máximo de todas las líneas de tiempo era superior a 230 horas (el 96% de la duración de nuestro estudio).
Observamos, no obstante, que alrededor del 4% de todas nuestras observaciones manifiestan “picos” de latencia, lo que supone al menos dos órdenes de magnitud más que lo indicado en trabajos anteriores recientes. Aunque no es típico, las rutas de red proporcionadas por nuestra actual infraestructura de Internet experimentan degradaciones no triviales de la latencia, que a su vez pueden dar lugar a un rendimiento deficiente de las aplicaciones de los usuarios finales.
Determinar las causas exactas de los picos y variaciones de latencia sigue siendo un objetivo clave de nuestro trabajo futuro. Nuestro trabajo actual también se centra sólo en las mediciones de latencia entre hosts finales con capacidad IPv4, por lo que tenemos previsto investigar a continuación las latencias entre hosts con capacidad IPv6. También queremos comprobar la correlación entre las mediciones de latencia IPv4 e IPv6 entre un par determinado de hosts finales (apilados doblemente). Es probable que estas exploraciones ofrezcan información muy valiosa sobre las capacidades de nuestra infraestructura de red.
Colaboradores: Aniket Shaha, Vaibhav Ganatra, Balakrishnan Chandrasekaran y Vinayak Naik
Aditya Bhat es estudiante de Informática en BITS Pilani, Goa, y está interesado en mediciones de redes, análisis de big data y aprendizaje profundo.
Las opiniones expresadas por los autores de este blog son suyas y no reflejan necesariamente los puntos de vista de la Internet Society.
Imagen de wal_172619 de Pixabay