Autor: Agustín Formoso
Coordenação/revisão Guillermo Cicileo
Edição e desenho: Maria Gayo, Carolina Badano, Martín Mañana
Projeto: Fortalecimento de Infraestrutura da Internet Regional
Área: I+D na infraestrutura da Internet
Conectividade
1
Quando falamos sobre conectividade, do que estamos falando? Desde que as redes estão conectadas umas com as outras, as operadoras têm trabalhado para melhorar a conectividade entre elas. Neste artigo, apresentamos uma pesquisa de conectividade na que explicamos como medimos a conectividade da região da LAC e como ela evoluiu nos últimos anos.
Introdução
O termo conectividade é frequentemente usado na indústria da Internet, mas seu significado pode variar dependendo do contexto em que está sendo abordado. Pode ser medida de acordo com sua capacidade de largura de banda, seu número de saltos ou, no caso deste artigo, de acordo com sua latência. Nesse sentido, dizemos que dois lugares estão bem conectados quando a latência entre eles é baixa, ou seja, o tempo que uma mensagem leva para ir da origem ao destino é baixo.
No LACNIC, buscamos conhecer com mais detalhes as características da interconexão de redes na América Latina e o Caribe, afim de que as operadoras tenham informações que sirvam às suas estratégias de crescimento. A partir daí, é muito útil realizar medições de conectividade que abranjam a região toda, incluindo toda a região do Caribe e não apenas a região da LAC como região do RIR. Normalmente, as medições de conectividade são feitas entre uma origem e um destino, ou entre poucas origens e poucos destinos; as medições são geralmente lançadas a partir de nós em nossa própria infraestrutura, ou para nossa própria infraestrutura. Para poder obter medições de conectividade que abranjam a região toda é preciso lançar medições desde redes de terceiros, o que é um desafio que requer a colaboração de muitos atores. Segue abaixo uma lista de plataformas que oferecem a possibilidade de lançar medições desde redes de terceiros, e uma breve explicação de suas características:
- RIPE Atlas é um exemplo claro, em que os usuários colaboradores decidem hospedar uma sonda (pode ser de hardware ou software) e mantê-la conectada à Internet. Assim, outros usuários da plataforma podem usar essa sonda para lançar medições. Embora a presença de sondas do RIPE Atlas na LAC tenha melhorado ao longo do tempo, ainda não há presença suficiente como para fazer estudos que abranjam a região toda.
- CAIDA Ark, ou Arquipélago, é uma plataforma semelhante à de RIPE Atlas, baseada no Raspberry Pi geração 2. Infelizmente, ela tem apenas 11 sondas em 10 sistemas
autônomos da região da LAC.
- M-Lab, ou Measurement Lab, é uma plataforma que oferece uma série de ferramentas para medir diferentes parâmetros de rede. Infelizmente, essas ferramentas não são focadas na medição de latência entre redes de terceiros, mas em medições de largura de banda através de NDT (Network Diagnosis Tools) entre o cliente e os servidores do M-Lab (que não são muitos na região da LAC).
- Do outro lado, Speedchecker, uma plataforma com funcionalidades semelhantes, oferece melhor cobertura na região da LAC. Ao contrário do RIPE Atlas, esta plataforma possui apenas sondas de software, o que torna o sistema mais instável que os outros. No
entanto, como já tínhamos usado essa plataforma em estudos anteriores, decidimos usá-la novamente e assim podermos comparar os resultados com maior segurança.
Metodologia e estudos anteriores
O LACNIC já fez estudos semelhantes durante anos anteriores (confira os estudos dos anos de
2016 (em inglês) e 2017) Em linhas gerais, esses estudos fornecem uma visão panorâmica da região a cada ano, e mostram melhorias perceptíveis nas medições ano após ano.
A metodologia para fazer as medições é a seguinte:
1. Desde todos os países da região da LAC, são programadas medições a cada hora. 2. Essas medições são pings ICMP, onde 10 pacotes são enviados para cada medição. 3. O destino dos pacotes é um endereço IP aleatório de um pool de endereços IP
conhecidos.
a. Esse pool de endereços IP é composto por todos os servidores Speedtest da região. Isso permite ter um grande número de pontos de teste, localizados em várias redes da região, com um uptime consideravelmente bom (é altamente provável que o endereço IP esteja acessível no momento da medição). 4. Os dados são coletados e o pós-processamento é realizado
a. As informações de geolocalização é obtida de Maxmind
b. As informações de roteamento (Sistema Autônomo, prefixo sob o qual é anunciado) são obtidas de RIPE RIS
3
Estudo 2020
Para esta edição do estudo, foi feita uma campanha de medição do início de setembro ao início de novembro. Nesse período, foram feitas 13 mil medições desde 26 países, com destino a 25 países. Por sua vez, essas 13 mil medições vieram de 332 Sistemas Autônomos diferentes.
Resultados
Uma vez que os dados foram obtidos, as medições foram agrupadas em 3 perspectivas diferentes:
1. País de origem: esta categoria contém todas as medições com sondas localizadas no país, mas não inclui aquelas que terminam no mesmo país. Quer dizer, as medições são apenas de saída do país.
2. País de destino: esta categoria contém todas as medições com pontos de teste (servidores) localizadas no país, mas não inclui aquelas que são originadas no mesmo país. Quer dizer, as medições são apenas de entrada ao país.
3. Os dois países de origem e de destino: esta categoria contém todas as medições cujo país de origem e destino é o mesmo. Quer dizer, as medições que são internas ao país. Esta categoria contém todas as medições com sondas e pontos de teste localizados no mesmo país.
Os resultados podem ser visualizados através dos três gráficos a seguir, em que mostramos a média dos resultados para cada país:
Medições originadas no país
Medições com destino no país Medições com origem e destino no país (internas)
A simples vista, pode se ver que, tanto para a latência de saída (1) quanto para a latência de entrada, os valores estão entre 150 e 200 milissegundos. Além disso, naturalmente, pode-se ver que a latência interna (3) é menor que a latência de saída e de entrada.
Outro aspecto que pode ser verificado nesta campanha é que o número de países com sondas ativas é muito maior do que o número de países com servidores de teste: 37 e 26
respectivamente; esta diferença faz com que o gráfico 1 tenha mais entradas do que os gráficos 2 e 3. Além disso, isso implica que nem todas as combinações <país_origem, país_destino> são cobertas por esta campanha de medições, pelo menos até agora.
Deve ser feita uma menção especial de alguns países que apresentam latências ruins nos gráficos anteriores, pois isso se deve principalmente a um viés na metodologia de medição. Como
mencionamos anteriormente, o destino das medições é um pool de servidores na região LAC. Devido a que há uma concentração desigual desses servidores na região (há mais servidores em países maiores), ao agendar uma nova medição existe uma probabilidade maior de que seja agendada para esses países maiores. E, de fato, os países com as piores latências do gráfico 1 - Cuba (CU), Ilhas Turks e Caicos (TC), Guiana Francesa (GF), Suriname (SR), Guiana (GY) e Venezuela (VE) - têm, até o momento deste relatório, resultados apenas para esses países.
5
Conforme o tempo passa e mais medições sejam programadas para mais países, esse viés irá diminuindo e as medições refletirão melhor a realidade da conectividade regional.
Os gráficos anteriores também podem ser vistos em um mapa:
* Latência −Medições originadas no país ** Latência com destino no país *** Latência dentro de um mesmo país
Comparando 2020 com 2017
Mencionamos anteriormente que fizemos um estudo semelhante em 2017. Como os resultados obtidos em 2020 se comparam aos anteriores? Semelhante à forma como os resultados foram apresentados na seção anterior, podemos ver uma comparação das medições agrupadas. Este gráfico representa as medições que foram originadas em cada país.
A partir da campanha de medição de 2017, notamos que existem alguns países que
apresentam latências bem acima do seu valor de 2020. Em particular, os valores para o Uruguai (UY), Paraguai (PY), Chile (CL), e Bolívia (BO) do gráfico à esquerda. Pudemos constatar que não é devido a um baixo número de amostras, pois já têm entre 100 e 1000 amostras. O único país que sim tem um viés de medição é Cuba (CU), que apresenta apenas 1 amostra em 2017.
Mas, olhando os dados com mais detalhe, vemos que a maioria dos países tem valores de latência
piores para a região em 2020, em comparação
com 2017. Dos 37 países do gráfico, 28 (75%) apresentam valores mais elevados. Qual é o motivo desse aumento? Para responder essa pergunta, precisamos fazer uma análise mais profunda dos dados.
A gente se pergunta: Será que os países pioraram sua conectividade? Questionamos essa possibilidade e nos perguntamos: Será que as medições que fizemos em 2020 estão cobrindo distâncias maiores do que as de 2017? É uma possibilidade, principalmente se levarmos em conta que:
1. Os pontos de teste de 2020 não são os mesmos do que em 2017: os nós do Speedtest são registrados e cancelados todos os dias!
2. Cada medição que agendamos escolhe aleatoriamente o ponto de teste; há um
componente aleatório que é forte no início do experimento, quando ainda não tivemos um número estatisticamente significativo de amostras. Será que pontos mais distantes foram de fato escolhidos no início deste experimento?
7
Para responder essa pergunta, usamos um banco de dados de geolocalização1 para conhecer o
país de origem e a cidade de destino de cada medição, e assim aproximar, por meio de uma linha geodésica2, a distância que a medição teria percorrido. Se tomarmos cada medição, atribuímos a
ela uma distância percorrida, e representamos graficamente essas distâncias para os anos de 2017 e 2020, obtemos uma figura como a de abaixo, em que as curvas localizadas mais à esquerda do gráfico representam distâncias menores (distâncias mais curtas). Esta figura é conhecida como uma CDF3, e, neste caso, representa a fração de medições que estão por baixo
de uma determinada distância. No eixo X temos as distâncias percorridas e no eixo Y a fração das distâncias que estão por baixo do valor das X.
O fato de a curva vermelha estar localizada à esquerda do gráfico nos dá uma indicação de que o conjunto de dados de 2017 contém distâncias mais curtas, ou seja, pontos mais próximos uns dos outros, pelo que é lógico que esse conjunto de dados contenha latências absolutas mais baixas. No gráfico, pode-se observar que 50% das medições mais curtas de 2017 cobrem apenas uma distância de 3535 km, enquanto 50% das medições mais curtas de 2020 cobrem uma distância de 4170 km.
Assim que a comparação de distância for feita, adicionamos o componente de latências. Por exemplo, para uma distância de 1000 km, um ping de 10 ms não é igual a um ping de 20 ms,
consideramos que o ping de 10 ms viaja mais rápido, ou seja, tem maior velocidade. A forma em que é adicionado o componente de latências é analisada a velocidade do ping, ou seja, a relação
distância/tempo da medição, perante a velocidade de propagação da luz em um meio de fibra óptica (uma aproximação teórica comum é usar c/3, ou um terço da
velocidade da luz no vácuo). Isso nos dá uma fração, em que um valor próximo a 1 indica que o ping viaja tão rápido quanto a teoria
1 Maxmind - versões junho 2017 e novembro 2020 2 Más sobre geodésica en Wikipedia
3 Más sobre CDF en Wikipedia
indica, e valores próximos a 0 indicam velocidades sub-ótimas (devido a
caminhos mais longos que a linha direta, saltos intermediários que introduzem atrasos e outras possíveis fontes de demoras). Nesse caso, e a diferença da medição de latência, ter um valor mais alto é melhor.
Assim que a correção foi inserida, calculamos a nova métrica (velocidade de ping) e fizemos a
mesma comparação de antes. Podemos ver que agora 31 de 35 países perceberam melhorias em 2020 em comparação com 2017 (88%), e apenas 4 não (Bolívia, Paraguai, Peru e Ilhas Turcas e Caicos). Esta nova métrica ajuda a normalizar diferentes conjuntos de dados sob a mesma métrica que os torna comparáveis, e assim poder medir uma melhoria na conectividade regional.
Velocidade de ping
Se definirmos velocidade como
distância/tempo, podemos dizer que um ping que percorre uma distância d em um tempo t viaja a uma velocidade d/t. Normalmente as unidades de distância são quilômetros (km) e as unidades de tempo de ping são
milissegundos (ms), mas a unidade resultante em km/ms não faz muito sentido. É por isso que, para definir a velocidade de ping, comparamos d/t com uma velocidade de referência. Essa velocidade de referência é c/3, a velocidade teórica de propagação da luz em um meio de fibra óptica.
Portanto, a comparação resulta em: d/t
--- c/3
em que a unidade resultante é uma fração, que nos indica quão perto o nosso ping está da velocidade de propagação teórica. Valores próximos a 1 indicam pings que se propagam tão rápido quanto a teoria, e valores próximos a 0 indicam pings lentos.
9
Latência agregada comparada
Outra representação das medições que podemos fazer é um gráfico de latência em geral, colocando todas as medições feitas. De forma semelhante aos gráficos anteriores, dividimos as medições entre aquelas que são feitas entre pontos de um mesmo país e aquelas que são feitas entre sites em países diferentes. Podemos ver isso, para 2017 e 2020, no gráfico a seguir:
Neste gráfico podemos ver as curvas de comparação entre o estudo de 2017 e o estudo de 2020. A linha pontilhada
representa os tempos de latência em 2017 e a linha contínua os de 2020. Por sua vez, as medições
intrapaís (ou seja, entre pontos
localizados dentro do mesmo país) e as medições interpaíses (ou seja, medições entre pontos localizados em diferentes países) são representadas.
No gráfico podemos ver uma clara melhoria nos tempos de conexões internas dentro dos países. Se focarmos nas curvas da esquerda, em azul, podemos observar que a curva de 2020 (linha contínua) está totalmente à esquerda da curva de 2017, ou seja, representa latências mais baixas. Em 2020, 50% das medições (mediana) está por baixo de 39 ms, em comparação com 52 ms de 2017. Analisando as medições mais lentas, 95% das medições de 2020 está por baixo de 166 ms, em comparação com 150 ms de 2017.
No entanto, se analisarmos a conectividade entre países (curvas vermelhas), ou seja, a latência entre pontos localizados em diferentes países, vemos que a situação não é tão clara. Há uma porcentagem de medições que melhoram em relação a 2017. Podemos ver que para valores de latência mais baixos, a curva de 2020 é mais rápida, porém no percentil 25 (122 ms no eixo das x) ocorre uma mudança e a curva de 2017 começa a ser mais rápida. Sobre o percentil 72 (199 ms) a situação se inverte novamente e a curva de 2020 é mais uma vez a mais rápida. Mas a questão é: qual é o motivo desse comportamento? Estaremos caindo novamente dentro de um viés das medições?
Vamos primeiro analisar os componentes que permanecem constantes entre os dois conjuntos de dados. Por exemplo, podemos analisar como é a latência entre aqueles sistemas autônomos que fazem parte da campanha 2017 e ao mesmo tempo da campanha 2020. Lembre-se de que as medições têm um sistema autônomo de origem e outro de destino, e para fazer uma comparação correta devemos manter a tupla completa <AS_origem, AS_destino>. Manter a tupla completa, de um lado significa filtrar agressivamente e ficarmos com apenas um pequeno subconjunto do conjunto de dados original. Mas, do outro, traz o benefício de que as medições são comparáveis entre si, e delas pode-se inferir se houve uma mudança real nesses três anos. De um total de 10750 combinações de <AS_origem, AS_destino> do conjunto de dados de 2020, ficamos com 373 amostras. A CDF para este subconjunto é a seguinte:
Podemos ver que para este subconjunto de medições, o comportamento da latência intrapaís é mantido (2020 representa melhorias em
comparação com 2017), e a latência interpaís tem um comportamento um pouco mais claro: 2020 tem valores menores em quase todas as partes do espectro de latência, principalmente a partir do percentil 29.
A conclusão da análise desse subconjunto de medições é que para aqueles sistemas autônomos em que tivemos medições e pontos de teste durante esses dois anos, a latência melhorou. Para obter mais clareza no comportamento da CDF original, repetimos o método anterior em que consideramos a distância geodésica entre origem e destino, e comparamos a velocidade do ping com seu valor teórico. Lembre-se de que fazemos essa comparação usando um valor que pode variar de 0 a 1, em que valores baixos indicam ineficiências na propagação do ping, mas conforme o roteamento melhora, as condições ficam mais próximas do que a teoria indica, e o valor se aproxima a 1. Nesse caso consideramos todo o conjunto de dados de 2020 e 2017. Traçando a CDF da velocidade de ping, obtemos a seguinte figura:
Latência segundo ano e segundo seja intrapaís / interpaís (subconjunto)
11
Latência segundo ano
Vemos no gráfico acima que de fato a velocidade de ping para 2020 é consistentemente melhor do que para 2017 (encontrado à direita), o que nos mostra que houve melhorias na
conectividade regional nos últimos 3 anos. A curva de 2017 (pontilhada) se desloca
aproximadamente 20% para a direita até seu valor de 2020. Além disso, graças a esta nova métrica, podemos concluir que o comportamento misto das latências para medições interpaís é devido à diferença nas amostras coletadas entre um ano e o outro. Uma vez que as amostras são normalizadas de acordo com sua distância geográfica, o comportamento misto desaparece.
Clusters de latência
Com base nos tempos de latência registrados entre países, e da mesma forma em que foram realizados os estudos em anos anteriores, agrupamos os países que estão mais próximos uns dos outros do que do resto da região.
Quando executamos a análise de clusters não supervisionados, esta retornou um total de 4 clusters, dos quais 2 têm menos de 20 medições, pelo que tivemos que ter algumas
considerações. Depois de os dados serem filtrados, tivemos 2 clusters mostrados nos mapas abaixo, cada um em uma cor diferente:
Podemos ver que existe um grupo de países na zona sul da América, que inclui o Brasil, Uruguai, Paraguai, Argentina, Chile, entre outros países. Esse é o cluster #1 é o que tem a melhor
interconexão, com uma latência interna de 68 ms (mediana). Esses grupos estão
interconectados por meio de conexões de fibra ótica implantadas por diferentes carriers que permite uma alta integração. Por esse motivo, os tempos de latência são baixos entre si.
13
O Cluster #0 é formado pela maioria dos países da América Central, alguns países da América do Sul e alguns países do Caribe. Isso tem uma latência interna de 129 ms (2,8 vezes a do cluster #1). A definição dos dois clusters pode ser vista na imagem à direita.
Comparando com 2017
O mesmo estudo foi feito em 2017, do qual foram obtidos 4 clusters.
Nas próximas duas imagens podemos comparar as curvas de latência em uma CDF, semelhante ao que vimos
anteriormente. Nesse caso, são
comparados os clusters de 2017 e 2020, e as latências correspondem a medições entre os países de um mesmo cluster.
Uma primeira observação que podemos fazer é que em 2017 temos 4 clusters, enquanto em 2020 temos 2. Analisando o caso de 2017, vimos que existe um grupo de países no cluster 3 que
apresenta baixa latência, inferior a 74 ms em 30% dos casos. Então, as latências aumentam, mas 63% das medições deste grupo estão por baixo de 125 ms. Neste grupo estão o Chile, Argentina, Uruguai, Brasil e Paraguai (ver na figura cluster 3).
Há um segundo grupo de países que também tem 73% das medições por baixo de 125 ms e, inclusive em muitos casos, tem um desempenho melhor do que o cluster 3. Neste grupo se encontram países como a
Honduras, Guatemala, Venezuela e El Salvador (ver cluster 1). Nesse caso, como no anterior, há 27% das medições que ultrapassam os 125 ms e se afastam desse valor, chegando inclusive a 300 m. Cluster 0 Belize Bolívia Colômbia Costa Rica Equador El Salvador Guatemala Guiana Honduras México Panamá Peru República Dominicana Suriname Trinidad e Tobago Venezuela Cluster 1 Anguilla Antígua e Barbuda Argentina Aruba Bahamas Barbados Brasil Chile Cuba Dominica Guiana Francesa Guadeloupe Haiti
Ilhas Turcas e Caicos Jamaica Nicarágua Paraguai Puerto Rico Santa Lucia Uruguai Ilhas Virgens Definição de clusters
Um terceiro grupo de países formado pelo México, República Dominicana, Cuba, Belize e Trinidad e Tobago, tem um comportamento mais uniforme: embora por baixo dos 100 ms as
latências são ligeiramente maiores que os clusters 1 e 3, acima desse valor a curva se comporta de forma semelhante ao cluster 3, mas neste caso podemos ver que mais de 90% das medições estão por baixo dos 175 ms (ver cluster 0).
Finalmente, existe um quarto grupo de países que se agrupa no cluster 2, que inclui a Colômbia, Panamá, Costa Rica, Nicarágua e Bolívia. Nesse caso, as latências estão acima das observadas nos demais clusters, ultrapassando os 100 ms em 70% dos casos.
Em relação a 2020, a primeira coisa a ser destacada é uma melhoria dos tempos de latência no grupo de países do cluster 1. Aqueles que estavam no cluster 3 no gráfico de 2017, agora podemos vê-los no cluster 1: Chile, Argentina, Brasil e Paraguai. Neste cluster aparecem mais países que antes,
principalmente do Caribe, como a Jamaica, Bahamas, Ilhas Virgens, entre outros.
É importante observar duas coisas: a definição dos países que compõem o cluster muda de 2017 a 2020 (países do Caribe são adicionados) e os dados também. Portanto, podemos analisar a evolução da latência de
acordo com dois critérios: 1. Analisando o cluster 3 de 2017, comparando os dados de 2017 com os de 2020
Latência segundo cluster
15
2. Analisando o cluster 1 de 2020, comparando os dados de 2017 com os de 2020 Para fazer isso, agrupamos os dados em diferentes curvas na CDF anterior.
Podemos ver que em ambos os casos há melhorias na conectividade do cluster:
1. Para a definição de 2017 (linha azul vs. azul pontilhada), vemos uma melhoria clara nas latências abaixo do percentil 75: o percentil 40 se desloca de 112 ms para 63 ms,
representando uma melhoria de 49 ms.
2. Para a definição de 2020 (linha vermelha vs. vermelha pontilhada), vemos que as curvas têm um comportamento muito semelhante e que se deslocam ligeiramente para a
esquerda. Por exemplo, o percentil 50 se desloca de 138 ms para 103 ms, representando uma melhoria de 35 ms.
Isso mostra uma grande melhoria na interconexão entre este grupo de países, provavelmente devido a maiores relações de peering e tráfego entre operadoras. Não obstante isso, da mesma forma que em 2017, 20% das latências mais lentas estão acima dos 200 ms e se afasta desse valor, chegando a 300 ms ou mais. Isso pode ser devido a medições desde sistemas autônomos que estão pouco conectados em nível regional e que acabam trocando tráfego nos EUA ou na Europa.
Da mesma forma, repetimos a comparação para o cluster 0 (definição de 2020, dados de 2020 vs. dados de 2017). A partir dessa comparação, é impossível dizer que houve melhorias nos últimos anos. Deve-se levar em consideração que o cluster 0 não é um cluster em si, pois agrupa todos os países que não foram agrupados em um cluster definido. É altamente provável que, na medida em que sejam obtidas mais medições, outros clusters com melhor latência interna comecem a aparecer.
Conclusões
Em resumo, podemos ver que existe um grupo importante de países (que inclui alguns dos países com mais população e desenvolvimento da Internet na região) que em 2020 apresenta uma melhoria significativa em relação a 2017, em que a mediana da latência medida melhora em 49 ms.
Se considerarmos o subconjunto de redes (Sistemas Autônomos) que foram medidas nas duas campanhas, são observadas melhorias. Além disso, se os dados forem considerados em termos relativos às distâncias geográficas (velocidade de ping), também são observadas melhorias. Outro aspecto importante é que esta campanha de medições de latência incluiu deixar as medições ativas em execução permanente. Desta forma, futuras medições da conectividade regional poderão ser comparadas com a mesma metodologia. Além disso, a partir desta campanha e usando a mesma metodologia, também foram coletados traceroutes.
Propõe-se para um estudo futuro complementar esta análise com dados sobre a interconexão de redes entre este grupo de países ao nível das tabelas do BGP.
Notas finais
Confira a análise que suporta este estudo no GitHub de LACNIC Labs.
As medições que suportam o estudo fazem parte do projeto SIMON do LACNIC. Faça o download aqui.
