Glosario de la metodología de investigación de Fastly

Método del test de KV Store de Fastly n.º 1

El test de KV Store consiste en comprobar y comparar continuamente la latencia en tiempo real de los tiempos de lectura, escritura y replicación de KV Store de Fastly

A fecha de 23/01/2024, este proceso es el que se utiliza para analizar los tiempos de lectura, escritura y replicación de KV Store de Fastly y compararlos con los de la competencia.

1. Se inicia un bucle que consiste en la lectura continua de un par clave-valor de KV Store de Fastly hasta que coincide con un tamaño concreto que está comprendido entre 1 byte y 25 MB. Esto se realiza en todos los puntos de presencia (POP) de Fastly para reflejar con exactitud el rendimiento de la red global de Fastly. 

2. Se registran marcas de tiempo antes y después de la primera lectura (fallo), la segunda lectura (acierto) y la última lectura (fallo), momento en el que se produce la coincidencia.

3. Al cabo de cinco segundos, se escribe un par clave-valor con un valor aleatorio del tamaño especificado.

4. Cuando se alcanza un límite de hasta 60 segundos o se han recibido todas las respuestas, se repiten los pasos del 1 al 3 con un valor actualizado que se aumenta en 1 byte.

5. Los pasos del 1 al 4 se repiten para todos los POP y se cambia el POP del paso 3.

6. Se repiten los pasos del 1 al 5 con valores de distintos tamaños.*

*Nuestro test emplea cadenas aleatorias de tamaños predeterminados entre 1 byte y 25 MB. 

Informe sobre la experiencia de uso en Chrome

La experiencia de uso en Chrome o CrUX es el conjunto de datos oficial del programa Métricas web, una iniciativa de Google cuyo objetivo es proporcionar una guía unificada de los indicadores esenciales de una excelente experiencia de uso en la web. Google puso en marcha este programa para explicar qué considera importante, cómo lo cuantifica y cómo define un buen rendimiento, de modo que quienes se encargan de gestionar los sitios web sepan qué deben hacer para obtener reconocimiento por parte de Google en forma de una mejor clasificación en los resultados, una mayor optimización en buscadores (SEO) y, por tanto, un volumen de tráfico superior. 

Como estos datos proceden de usuarios reales de Chrome de todo el mundo, podemos dar por hecho que representan experiencias reales al visitar sitios web y que no son sintéticos. Estos datos expresan con más exactitud la manera en que la proporción de aciertos de caché (CHR), la proximidad a los servidores, el enrutamiento optimizado, un equilibrio de carga eficiente y otros factores afectan al rendimiento de un sitio web, ya que se recopilan en distintas zonas geográficas y horas del día, con sus correspondientes altibajos en el tráfico, e indican cómo un sitio gestiona la carga en determinados momentos. Por lo tanto, son una buena forma de saber qué ocurre cuando no llevas las riendas del experimento y qué experiencia tienen los usuarios con tu sitio web en internet. Otra de las ventajas de CrUX es que cuenta con una API muy intuitiva que permite realizar consultas sobre los datos correspondientes una y otra vez. Además, se trata de una fuente fiable y basada en una gran cantidad de datos.

La importancia de TTFB, LCP e INP

El tiempo hasta el primer byte (TTFB) es una de las métricas web de Google, pero no se considera una de las principales a pesar de que se recoge junto a otras de las que figuran en el informe de CrUX. Esto significa que no quita puntos a tu sitio web en caso de que esté por debajo de lo recomendado por Google. Debido a esto y a los motivos mencionados en el apartado anterior, Google se fija en métricas como el renderizado del mayor elemento con contenido (LCP). De todas formas, un TTFB bajo sigue siendo clave para el rendimiento web, ya que el TTFB precede y, por tanto, afecta al LCP. Cuando Google mide el LCP, tiene en cuenta el TTFB y otras métricas importantes de forma implícita. En otras palabras, conviene prestarle atención cuando no es posible acudir a otras métricas, como ocurre en este caso. 

La interacción hasta el siguiente renderizado (INP) forma parte de las métricas web principales desde el 12 de marzo de 2024, fecha en la que sustituyó al retraso de la primera entrada (FID) como medida de interactividad. La INP es una mejora con respecto al FID puesto que tiene en cuenta el retraso del renderizado de toda interacción (no solo la primera) con el ratón, el teclado o el dedo.

Inconvenientes de los valores del P75 y los datos de CrUX: 

El conjunto de datos de CrUX muestra las métricas web del TTFB y el LCP, entre otros aspectos, como valores del P75. Esto significa que las cifras proporcionadas representan el valor más bajo de una métrica para el 75 % de los usuarios que obtienen mejores resultados durante un periodo concreto. El 25 % restante, que se corresponde con las puntuaciones más bajas, se despeja de la ecuación para reflejar el rendimiento de un sitio web con mayor precisión y dejar algo de margen para lo que escapa a su control. Por ejemplo, dispositivos o conexiones que funcionan con lentitud, cambios en el estado de internet (algo con lo que puede ayudar Fastly) o problemas transitorios cuyas repercusiones en los tiempos de carga no deben restar puntos en lo relativo al rendimiento. Al no contabilizarlo, Google se asegura de que los parámetros reflejen con exactitud el rendimiento de un sitio web y no se vean sesgados por culpa de casos aislados. 

En dispositivos móviles, estos datos se obtienen únicamente del navegador Chrome, y nunca en iOS. Aunque no dejan de abarcar una gran diversidad de experiencias, se limitan a usuarios de Chrome en dispositivos Android porque iOS impone restricciones a la recopilación de datos en las aplicaciones. En ordenadores personales, se recogen datos de Chrome en los sistemas operativos macOS, Windows y Linux para CrUX. Chrome no está disponible en China, por lo que la experiencia de los usuarios en esa zona está infrarrepresentada. 

No obstante, consideramos que el valor que aportan los datos reales de CrUX compensa esta carencia. Además, creemos que las diferencias en cuanto a rendimiento serán similares o iguales en iOS y otros navegadores.

Si quieres obtener más información, aquí se explican los criterios que sigue Google a la hora de incluir datos de uso en CrUX: https://developer.chrome.com/docs/crux/methodology/?hl=es-419#user-eligibility 

Fuentes de los datos de CrUX:

El conjunto de datos de CrUX está disponible en BigQuery y mediante varias API, con algunas diferencias en las métricas que se incluyen y en el método de agregación. Las API ofrecen una medida del P75 con detalle al milisegundo y un histograma de densidades lentas, medias y rápidas de 6 métricas web agregadas en el último periodo de recopilación de 28 días. Por su parte, BigQuery aporta una granularidad de 100 milisegundos a la medida del P75 y ofrece un histograma de métricas web y otras métricas de rendimiento, así como estadísticas que indican la proporción de experiencias de uso que arroja cada factor de forma y velocidad de conexión, además de una clasificación de popularidad aproximada, agregada por mes.

Método de detección de CDN n.º 1

Utilizamos nuestra herramienta interna de detección de CDN para ejecutar varias detecciones con respecto a cada origen en un periodo determinado. Cada una de ellas consiste en enviar una consulta al servidor de DNS público de Google y detectar la CDN comparando el siguiente contenido con un archivo de configuración de proveedores y valores conocidos: 

• Registros de nombre canónico (*.fastly.net, *.akamai.net, etc.)

• Asignaciones de IP a ASN