¿Por qué un mayor número de sondas de medición no se traduce en mejores datos de Internet?

Cuando una videollamada se cuelga o una página web tarda demasiado en cargarse, rara vez aparece en ningún informe oficial. A diferencia de una interrupción total del servicio, en la que Internet deja de funcionar por completo, estos problemas de rendimiento a veces pasan desapercibidos para las herramientas de supervisión tradicionales. Y para los responsables políticos y los investigadores que intentan comprender si Internet funciona para todo el mundo, esta invisibilidad supone un grave problema.

Nuestra reciente investigación, publicada en ACM CoNEXT, aborda este reto desde una nueva perspectiva. Al estudiar cómo se propagan los problemas de rendimiento en las redes domésticas de Chicago, hemos descubierto que, cuando varios hogares experimentan el mismo tipo de ralentización al mismo tiempo, tienden a hacerlo de formas notablemente similares. Esta información podría constituir una herramienta muy eficaz para lograr que la medición de Internet sea más inteligente, más económica y más equitativa.

Observar el mismo problema por segunda vez

La monitorización de Internet a gran escala suele funcionar mediante el despliegue de numerosos dispositivos de medición, denominados «sondas», en hogares, ciudades y países. Cada sonda mide de forma continua el tiempo que tardan los datos en viajar hacia y desde un servidor. Se podría pensar que cuantas más sondas se desplieguen, mayor será la visibilidad.

La realidad es todo lo contrario. Analizamos cuatro meses de datos de latencia de alta frecuencia procedentes de 99 sondas desplegadas por todo Chicago y descubrimos que una gran parte de las anomalías detectadas por las distintas sondas correspondían, en esencia, al mismo episodio de ralentización que afectaba al mismo proveedor de servicios de Internet al mismo tiempo. La supervisión independiente de las 99 sondas no nos proporcionaba 99 perspectivas distintas de la red. Una parte significativa de la información resultaba redundante.

Hemos desarrollado un conjunto de técnicas para identificar qué sondas aportan realmente información nueva y cuáles se limitan a confirmar lo que ya detectan otras sondas. Como resultado, hemos podido captar el 95 % del impacto real en el rendimiento detectado en toda la implementación utilizando menos de la mitad de las sondas; en nuestro caso, 44 de 99. Y lo que es más importante, el algoritmo detecta más del doble de anomalías distintas en comparación con la simple selección aleatoria de sondas.

Mayor heterogeneidad en la zona sur de Chicago

Las mejoras en la eficiencia son importantes, pero lo que descubrimos sobre la distribución geográfica lo es aún más. Al analizar qué sondas seleccionó nuestro algoritmo para conservar, observamos que preservaba de forma sistemática la diversidad geográfica. Incluso al reducir a la mitad el número de sondas, conservó al menos una sonda en 17 de los 21 códigos postales. El algoritmo no intentaba explícitamente ser geográficamente equitativo; su objetivo era encontrar los dispositivos que aportaran más información. Sin embargo, ambos objetivos resultaron coincidir.

Además, un único código postal del South Side de Chicago, que se solapa con el barrio de South Shore, fue el que aportó el mayor número de sondeos y de anomalías únicas a nuestro conjunto reducido. Se trata de un barrio del que se ha documentado ampliamente que sufre segregación racial y económica, y nuestros datos sugieren que sus residentes experimentan un rendimiento de Internet fundamentalmente diferente y más variable que el resto de la ciudad. Esta variabilidad es precisamente lo que podría pasar por alto un enfoque simplista en la selección de pruebas.

Qué significa esto para los responsables políticos y los investigadores

Programas como el «Measuring Broadband America» (MBA) de la FCC y las infraestructuras de medición especializadas, tales como RIPE Atlas y M-Lab, representan en su conjunto años de inversión destinados a comprender el rendimiento de Internet. Nuestro enfoque puede aplicarse directamente a los conjuntos de datos de estas plataformas para reducir la redundancia en las implementaciones existentes sin necesidad de hardware adicional.

Además, la mayoría de las plataformas de medición que facilitan la investigación académica ofrecen una instantánea de la velocidad y la latencia en un momento dado. No realizan un seguimiento sistemático de la duración ni de la gravedad de una ralentización. Por ello, instamos a plataformas como M-Lab y RIPE Atlas a que comiencen a informar sobre la magnitud y la duración de las anomalías de latencia cuando se produzcan, y no solo sobre el rendimiento medio. Esto permitiría llevar a cabo un nuevo tipo de análisis: identificar los barrios o los periodos de tiempo en los que la diferencia entre la calidad de Internet anunciada y la realmente prestada es mayor.

Menos es, de verdad, más

La brecha digital suele plantearse como una cuestión de acceso: quién dispone de banda ancha y quién no. Sin embargo, el acceso por sí solo no refleja toda la realidad. Es posible que, sobre el papel, dos hogares dispongan ambos de banda ancha, mientras que, en la práctica, experimenten una calidad de Internet muy diferente. Para cerrar esa brecha, es necesario, en primer lugar, medirla, y hacerlo correctamente.

Nuestro trabajo constituye un primer paso hacia una infraestructura de medición que sea, a la vez, más ágil, más inteligente y mejor adaptada a las comunidades que necesitan una mayor visibilidad. El artículo completo, el código y el conjunto de datos están a disposición del público para quien desee ampliar estos resultados.

Taveesh Sharma es doctorando en Informática en la Universidad de Chicago, donde investiga sobre la medición de Internet, el rendimiento de la banda ancha y la observabilidad de las redes.