PREPRODUCTION DESIGN CRITERIA FOR WEB PROJECTS BASED ON PERFORMANCE MEASURES FOR PRODUCTION WEB CONTENT

Transcripción

1 XI CONGRESO INTERNACIONAL DE INGENIERIA DE PROYECTOS LUGO, Septiembre, 2007 PREPRODUCTION DESIGN CRITERIA FOR WEB PROJECTS BASED ON PERFORMANCE MEASURES FOR PRODUCTION WEB CONTENT B. Payri, T. Magal Royo, J.L. Miralles Bono, S. Morillas Gómez Abstract This paper analyzes the behavior of different websites through time and measuring from different networks. Using a distributed server network that allows querying from different sites on the planet, we compare download speed measures. Factors that have an impact in download time are measure, including content generation type (dynamic versus static), predefined time-to-live, element separation within a web page, and the order of chacheable elements and counters. We also take in account the number of Internet nodes between the origin and the end-user, the saturation and the presence of content delivery networks that enable delivery acceleration and the stability of download speed regardless of the website load. We study real website data and in particular, we measure the interaction with content delivery networks and the proxy cache servers existing on the networks. The results show that for the examples under study, the impact of caching can reduce website load in more than 95% including dynamically generated content. This enhances scalability, with a higher delivery and no overload in the central system. Inversely, uncached objects, even of small weight, have a serious negative impact on the global site download. The optimization at the early design phase of the website for each measured criterion is discussed. Keywords: Web design, content delivery, web performance Resumen En esta comunicación se analiza el comportamiento de varios sitios web a lo largo del tiempo y realizando mediciones desde diferentes redes. A través de un sistema repartido de servidores que permiten hacer peticiones a un contenido web desde diferentes sitios del planeta, se establece una comparación de mediciones de velocidad. Se miden factores que influencian el tiempo de descarga como la manera de generar el contenido (dinámica o estáticamente), el tiempo de cacheo predefinido, la separación de elementos en una página web, el orden de elementos cacheables y de contadores. También se tiene en cuenta el número de nodos Internet entre el usuario y el origen, la saturación y la presencia de redes de entrega de contenido que permiten acelerar la entrega y mantenerla a una velocidad constante independientemente de la carga del sitio web. Estudiamos datos reales de sitios web y en particular se mide la interacción con redes de entrega de contenidos y servidores de cache de proximidad de las redes informáticas. Los resultados muestran que para los ejemplos estudiados, el cacheamiento puede reducir la carga en el sitio web en más del 95% incluso para contenido generado dinámicamente. Esto implica una mayor escalabilidad, aumentando la entrega sin saturar el sistema central. Inversamente, elementos no cacheados, aunque de talla pequeña, perjudican significativamente la descarga de una página completa. Se analiza la optimización en la fase de diseño de un sitio web de cada criterio medido. Palabras clave: Diseño web, entrega de contenido, rendimiento web 1433

2 1. Introducción Generalmente, los diseñadores se centran en la eficacia de la usabilidad y del diseño de la imagen de un sitio web, sin tener en cuenta las implicaciones en el rendimiento de la entrega. Uno de los problemas de los sitios web es la ralentización de la entrega por saturación de la plataforma o por la distancia entre el usuario y el origen. Esta lentitud puede provocar que el usuario deje de navegar en ese sitio, con las consiguientes pérdidas económicas o de imagen que pueden conllevar para el sitio. Para analizar mejor las causas de la lentitud se han comparado contenidos generados dinámicamente (páginas dinámicas) y objetos estáticos. Se ha añadido también la variable de distancia entre el origen y el usuario final, cogiendo mediciones a nivel de España y de diferentes puntos en el extranjero con sitios web situados en España. Para medir la influencia del cacheamiento (Payri et al., 2006ª, 2006b) se utilizan redes de entrega de contenido con la meta de poder cachear el contenido de sitios web pudiendo así entregar los contenidos en un punto cercano al usuario. Estas redes han ido sofisticando su control y en particular lo efectos de cacheamiento han tenido un efecto sobre la escalabilidad de las plataformas centrales. Este estudio compara tres sitios web de caracterísiticas diferentes. Se hace el estudio con datos reales de los sitios web y se coge como referencia a la red de entrega de contenidos Akamai ya que es la más difundida. 2. Mediciones repartidas en el tiempo y espacio El sistema de mediciones que vamos a utilizar se basa en una red de servidores dedicada de la empresa Keynote, una agencia independiente que permite auditar el rendimiento de los sitios web tal y como lo experimentan los usuarios. Uno de los objetivos es medir los tiempos de respuesta de los sitios web simulando sus usuarios. Las medidas se efectúan por medio de baterías de agentes Keynotes desplegados en distintas redes que simulan peticiones de usuarios. En nuestras mediciones, hemos elegido una o varias URLs del sitio web de origen, y hemos activado el servicio de la red de entrega de contenidos Akamai Edgesuite para esta misma URL (como si se tratase de un sitio web «akamaizado»). En los informes instantáneos los agentes Keynotes efectúan peticiones GET HTTP, en un momento preciso para comparar el rendimiento. En los informes históricos, procesan las peticiones http en diferentes momentos y luego calculan y agregan el rendimiento de descarga de la página u objeto desde las dos fuentes (con y sin la tecnología Akamai). Al insertar los contenidos en la red Akamai se simula un entorno real de producción, ya que ese contenido se está replicando en los servidores frontera que están en producción. El cálculo incluye las diferentes etapas que influyen en el tiempo de descarga de una petición: resolución de DNS, conexión y descarga de los datos. De esta forma obtenemos un resultado que da una visión del comportamiento de los websites de cara al usuario final tomando en cuenta algunos factores exteriores (problemas de redes en Internet, lentitud debido a los peering, cuellos de botella en los servidores) que son, a menudo, independientes de la empresa que gestiona el website. Para ampliar información: 4. Mediciones por tipo de contenido 4.1. Tipos de contenidos y estructura de los sitios web Uno de los elementos esenciales que hay que tener en cuenta al diseñar un sitio web es la generación de contenidos de manera estática (páginas HTML u objetos generados una vez, y servidos por el servidor web) o de manera dinámica (páginas generadas por un servidor de aplicaciones según los parámetros de la URL solicitante). A su vez, el contenido generado 1434

3 dinámicamente puede ser de naturaleza transaccional (login, transacciones bancarias, reservas) o puede ser un contenido que no sea específico (con lo que podría ser generado estáticamente) pero que por el flujo de trabajo de la estructura web adoptada se genera dinámicamente Contenido estático: objetos Tras analizar varias posibilidades para las pruebas, hemos utilizado como contenido distribuido imágenes y objetos en un sitio de comercio electrónico en el que se sirven por dominios diferentes los contenidos HTML y los objetos embebidos. La integración se ha hecho con un simple cambio de DNS, que hace que el dominio entero pase por la red de contenidos. En una primera fase se ha distribuido en la red sgfm.dominio.es (imágenes de productos en páginas internas) seguido por www3.dominio.es Como podemos ver en el gráfico siguiente, hay días en que el tráfico servido a los usuarios aumenta considerablemente (en rojo), aunque el tráfico buscado al origen (en azul) no aumenta en proporción. En los cuatro días se observa que hay un fin de semana (con tráfico menor) y dos días de entre-semana. Figura 1. Curbas del tráfico servido a través de los caches de la red de entrega de contenidos a los usuarios finales (en rojo) con respecto al tráfico servido por el sevidor web y de aplicaciones hacia los caches de la red (en azul) Veamos un ejemplo de absorción de pico durante una campaña el sitio web estudiado ha realizado una campaña por correo electrónico. Los enlaces a imágenes de esta campaña utilizaban la red de contenidos por el dominio www3.dominio.es. Como se puede apreciar en el gráfico siguiente, el ancho de banda en www3 se ha prácticamente duplicado. En el gráfico de la figura 2 se puede ver que aunque el tráfico se duplique de cara a los usuarios finales, en el origen prácticamente no se ha repercutido el tráfico, ya que llega el 0,5% del ancho de banda servido a los usuarios. 1435

4 Figura 2. Curbas del tráfico servido a través de los caches de la red de entrega de contenidos a los usuarios finales (en rojo) con respecto al tráfico servido por el sevidor web y de aplicaciones hacia los caches de la red (en azul) en un pico de tráfico. El tiempo de respuesta no se ha visto afectado por este incremento de tráfico, lo que significa que La red de contenidos ha absorbido sin problemas este pico. Los datos exactos de absorpción por la red son los siguientes: Máximo ancho de banda servido por la red de contenidos: 1.96 Mbps reducción origen hits: % reducción origen volumen: 99,5 % 4.3. Contenido estático: páginas HTML Figura 3. Informe diacrónico comparativo del tiempo de descarga en segundos de la página HTML de entrada entregada desde la infraestructura de origen (en rojo en la figura) o a través de los cachés de la red de entrega de contenidos (en azul en la figura). 1436

5 Como ejemplo utilizamos la medición durante una semana de la página de entrada de un sitio deportivo.se pueden observar en la figura 3 ralentizaciones que corresponden a afluencias masivas al sitio web que saturan la plataforma central. La línea azul corresponde a la misma página distribuida en una red de entrega de contenidos: el tiempo medio es claramente mejor y las ralentizaciones son mucho más suaves gracias a la distribución de carga Contenido estático: páginas HTML con objetos Una diferencia importante que puede resultar de la descarga de una página HTML y que pocas veces se tiene en cuenta es la descarga de todos los objetos que están embebidos en el HTML y que son necesarios para representar en el navegador final la página entera. A menudo, tardan más los objetos embebidos en descargarse que el contenido HTML en si, y el orden, cantidad y tamaño de los objetos tiene una influencia en el tiempo total de descarga. Origen (servidor de aplicaciones + web) Tiempo Total: 1.93 s Caché distribuido Tiempo total: 0,35s Tabla1. Comparativo del tiempo de descarga de la misma página HTML con todos los objetos embebidos desde el sitio web de origen (izquierda) y desde los servidores de cache distribuidos. Utilizando la descomposición de los diferentes elementos de una descarga http representados en la figura 4, podemos ver en la tabla 1 unas diferencias notables entre la descarga de una página entera utilizando la infraestructura de origen o un servidor de cache. El caso en particular corresponde a la página principal de un sitio web de información ferroviaria. Podemos apreciar que no solamente hay una diferencia notable del tiempo total de descarga (6 veces más rápido desde el caché) sino que además, los componentes del tiempo de descarga son diferentes: en el caso de la descarga desde el origen, predomina el 1437

6 tiempo de descarga del contenido (color violeta) mientras que en la descarga desde el cache, predomina el tiempo de descarga del primer byte (azul claro). Este último factor depende tanto del navegador cliente como del servidor, y en cierto modo es incompresible. Figura 4. Código de colores utilizado por Keynote para representar los tiempos de espera debidos al DNS, establecimiento de conexión, redirección, descarga del primer byte, descarga completa del contenido y de errores. Si nos centramos en la cachabilidad de una página HTML con objetos embebidos, vemos que esta puede ser muy alta. Por ejemplo, en las mediciones hechas para un portal deportivo con un tiempo de refresco de 20 segundos para ls páginas HTML, se obtiene una tasa de cacheo muy alta ya que el tráfico de los usuarios funciona por picos de solicitudes a las mismas páginas pero sobre todo gracias a que los objetos embebidos tienen un tiempo de cacheo superior. Figura 5. Curbas del tráfico servido para contenido HTML con objetos embebidos a través de los caches de la red de entrega de contenidos a los usuarios finales (en rojo) con respecto al tráfico servido por el sevidor web y de aplicaciones hacia los caches de la red (en azul) en un pico de tráfico. Como podemos ver en la figura 5, hay días en que el tráfico servido a los usuarios aumenta considerablemente (en rojo), aunque el tráfico buscado al origen (en azul) no aumenta en proporción: El portal deportivo tiene variaciones importantes de tráfico internet de un día a otro y al interior de un mismo día, con horas punta y días de muchas consultas. Estas variaciones se detectan tanto en hits como en ancho de banda transferido, tal y como se 1438

7 ilustra en los gráficos de tráfico. Con La red de contenidos, se han podido absorber fácilmente estos picos al ser considerado como contenido estático cacheable. Por ejemplo el durante el pico de tráfico, como se puede ver en la figura 5, la tasa de cacheo en ancho de banda era de al menos el 97%. Reducir al 3% el ancho de banda (menos de 2% en hits) que se consume en el origen indica que se aumenta la escalabilidad ya sea del ancho de banda, del servidor web o del servidor de aplicaciones. El contenido se entrega rápidamente al usuario final incluso durante las avalanchas de tráfico. 4.4 Contenido generado dinámicamente no transaccional: páginas HTML El contenido generado dinámicamente puede ser cacheado con un tiempo de vida dado en los cachés, que lo tratan pues temporalmente como contenido estático. Cuando el servidor de cache vuelve a verificar la validez de su contenido cacheado, el servidor de origen va a generar siempre el contenido aunque sea la misma información: esto es debido a que no tiene sentido verificar la fecha de actualización de todo lo que se genera dinámicamente. La figura 6 muestra que la entrega de contenido cacheado (durante 20s) se mucho más rápida que la entrega de contenido que tiene que ser generado por el servidor de aplicaciones. 4 3 segundos 2 Origen Akamai 1 0 Oléane UUNET UUNET C&W Colt DTAG España Retevisión Mexico Avantel España Telefónica Mediaways Italia Inet Portugal Telepac Figura 6. Tiempos de entrega en segundos de un página HTML generada dinámicamente medidos desde diferentes puntos de Europa. El tiempo de entrega se mide con descarga desde los caches de la red de entrega de contenidos a los usuarios finales (en rojo) con respecto a la descarga desde el sevidor web de origen (en azul). 4.5 Contenido generado dinámicamente no transaccional: páginas HTML con objetos 6 5 segundos Origen Akamai 1 0 Oléane UUNET UUNET C&W Colt DTAG España Retevisión Mexico Avantel España Telefónica Mediaways Italia Inet Portugal Telepac Figura 7. Tiempos de entrega en segundos de un página HTML generada dinámicamente con objetos embebidos medidos desde diferentes puntos de Europa. El tiempo de entrega se mide con descarga desde los caches de la red de entrega de contenidos a los usuarios finales (en rojo) con respecto a la descarga desde el sevidor web de origen (en azul). 1439

8 La figura 7 presenta los tiempos de descarga para contenido HTML generado dinámicamente con los objetos embebidos. Si comparamos con la figura 6 que contiene los mismos puntos de medición pero para el único contenido HTML, podemos observar que la diferencia entre descarga por el servidor de cache y el servidor de origen (web+aplicaciones) es menor. Efectivamente al contabilizar los objetos estáticos como imágenes y códigos javascript embebidos en el código HTML, vemos que donde más diferencia de rendimiento hay es en la generación del contenido dinámicamente: los objetos son entregados rápidamente por el origen, y para el servidor de cache no hay diferencia en tiempos de entrega. Podemos concluir pues que el cacheamiento, aún por tiempos muy breves, del contenido generado dinámicamente permite un aumento de rendimiento mayor que para contenido estático Influencia del peso del contenido entregado Este informe compara el tiempo de descarga de diferentes páginas HTML generadas dinámicamente de peso diferente a partir de un mismo dominio utilizando el dominio de origen Las mediciones se han hecho desde agentes Keynote en España, Italia, México,, Portugal y. Para cada batería desde el origen o por la red de entrega de contenidos, se han hecho cuatro mediciones consecutivas, cogiendo siempre la cuarta medición, de manera a simular tráfico relativamente sostenido. En algunos casos se ha utilizado para la medición la página HTML sin objetos, ya que hay objetos que tienen urls absolutas y son de dominios que salen de la red de entrega de contenidos. Cuando ha sido posible utilizar la medición con objetos por estar todos en el mismo dominio se ha hecho así. La tabla 2 da la media del factor de aceleración para cada una de las urls medidas: Tipo de página HTML Peso alto (página de inicio) 87.9 Peso medio (anuncio) 18.4 Peso medio (anuncio) 21.8 Peso medio (anuncio) 24.7 Peso ligero (inserto dentro de anuncio) 9.1 Factor de aceleración medio Tabla 2. Factor de aceleración medio de la entrega de contenido utilizando el servidor de aplicaciones con respecto a la entrega desde un caché de un servidor de la red de entrega de contenidos.. Los factores se miden en función del tamaño de la página HTML. Vemos pues el factor de aceleración por cacheamiento depende del tamaño del contenido entregado. Por una parte, un contenido mayor puede saturar proporcionalmente más el servidor de aplicaciones. Sobre todo, como comentado en los párrafos anteriores (ver tabla 1 y figuras 6 y 7), la diferencia es mayor cuando mayor es el peso de HTML generado dinámicamente con respecto al contenido de los objetos embebidos, que aunque tengan un peso pequeño necesitan de una petición http para cada uno, lo que disminuye el poder acelerador de los cachés. 5. Conclusiones La conclusión principal es la aceleración obvia que aporta la cacheabilidad del contenido al sitio web. Esta aceleración es debida al no tener que utilizar el servidor de aplicaciones para generar el contenido y al acercamiento del contenido al usuario final, a la compresión del contenido. El cacheamiento puede producirse tanto en las redes de entrega de contenido, 1440

9 los caches de los proveedores de servicio internet, o también en un servidor de cache que esté en la plataforma del servidor web interactuando con el servidor de aplicaciones. Es importante en la fase de diseño web el separar el contenido estático, el contenido generado dinámicamente y el contenido realmente transaccional que necesita absolutamente ser generado dinámicamente. Conviene separar el contenido HTML de una página en subelementos, de manera a que las subpartes que se repiten puedan ser mejor cacheadas, como por ejemplo todo el texto javascript que puede ser incluido en ficheros y no escrito en el código HTML Finalmente, hay que prever métodos de cacheamiento del contenido generado dinámicamente, privilegiando una estructura en la que se pueda generar sólo cuando haya actualizaciones lo que optimiza el servidor de aplicaciones y la cacheabilidad tanto en servidores de cache intermedio como en la propia memoria de los navegadores, que pueden utilizar así de la manera más eficaz las cabeceras del protocolo http de petición de contenido en función de la última fecha de actualización (if-modified-since). Esto permite acelerar la entrega, disminuir el ancho de banda consumido y utilizar óptimamente el servidor de aplicaciones y la infraestructura solicitada como bases de datos. Referencias Payri, B.; García Laborda, J.; Magal Royo, T. y Enríquez Carrasco, E. (2006) Escalabilidad y cacheamiento de sitios web Investigacion en Tecnologías Gráficas, , Teleservicios Editoriales, Madrid Payri, B.; Castro, D.; Magal Royo, T. y Riquelme, J. (2006) Velocidad de descarga de sitios web Investigacion en Tecnologías Gráficas, , Teleservicios Editoriales, Madrid Correspondencia Blas Payri Universidad Politécnica de Valencia, Campus de Gandía, Grao de Gandía, Spain. bpayri@har.upv.es 1441