ES
Empezar

Glosario

Rendimiento

Ancho de banda

El volumen de datos que puede mover un proxy, y la unidad por la que suelen facturarse los proxies residenciales y móviles.

El ancho de banda es cuántos datos puede mover una conexión, y en un proxy residencial también es la factura. Esos pools se cobran por gigabyte porque su suministro se mide a través de conexiones reales, así que lo que compras de verdad es tráfico. Ese único dato cambia cómo deberías escribir un scraper.

El cambio es que el peso de la página pasa a ser una partida de gasto. Una página de producto moderna suele pesar de uno a tres megabytes, y la inmensa mayoría son imágenes, fuentes, vídeo, scripts de seguimiento y hojas de estilos. El HTML con los datos que quieres de verdad a menudo no llega a cien kilobytes. Si descargas la página como lo hace un navegador, pagas tarifas residenciales por bajar fotos que tiras al momento.

Eso convierte la disciplina con el ancho de banda en el control de costes con más impacto que existe, y no requiere negociar con nadie. Pide compresión y respétala. Descarga el documento sin bajar automáticamente cada recurso al que hace referencia. Si manejas un navegador real, bloquea las peticiones de imágenes, multimedia y fuentes en la capa de red, ya que un navegador headless lo descarga todo por defecto igual que uno real. Prefiere el endpoint JSON de una web a su página renderizada cuando exista, porque suele ocupar una fracción y es más fácil de analizar.

Los reintentos merecen mención aparte porque son el multiplicador silencioso. Una petición fallida que ya había transferido la mayor parte de una respuesta te ha costado igualmente ese tráfico, así que una política de reintentos agresiva contra un objetivo inestable puede duplicar una factura sin recoger nada más. Fallar rápido sale más barato que fallar una y otra vez.

También conviene separar el ancho de banda de la latencia, porque son independientes y se confunden a menudo. El ancho de banda es cuánto cabe por segundo; la latencia es cuánto tarda un viaje de ida y vuelta. Una conexión puede tener mucho de uno y poco de la otra. La recogida masiva se rige por el ancho de banda y la concurrencia, mientras que todo lo interactivo se nota primero como latencia, y comprar más de lo que no toca no arregla nada.

Por último, no todas las familias se cobran así. Los proxies de centro de datos e ISP suelen venderse por dirección con tráfico generoso o sin medir, porque el suministro es una máquina en un rack. Si un trabajo consume mucho ancho de banda de verdad y el objetivo no filtra por tipo de red, pasarlo a un proxy de centro de datos suele ahorrar más que cualquier ajuste de las peticiones.

Cómo lo gestiona HProxy

Como lo residencial se cobra por gigabyte, el consejo más barato que podemos darte suele ser usar menos en lugar de comprar más: descarga lo que analizas y pasa a direcciones de centro de datos el trabajo que consume mucho ancho de banda y no necesita la confianza residencial.

Preguntas frecuentes

¿Cómo reduzco el coste de ancho de banda de los proxies?

Deja de descargar lo que no analizas. Activa la compresión, evita bajar imágenes, fuentes, vídeo y hojas de estilos salvo que los necesites, y si manejas un navegador headless bloquea esos tipos de petición de forma explícita, porque lo descarga todo por defecto. Prefiere un endpoint JSON a una página renderizada cuando exista. Y limita los reintentos, ya que una petición reintentada paga el tráfico que ya movió.

¿Por qué consumo más ancho de banda del que sugiere el tamaño de la página?

Normalmente porque mides el HTML y pagas la página entera. Cuenta cada imagen, fuente, script y hoja de estilos que descarga un navegador, y también las redirecciones, los intentos fallidos y los reintentos que transfirieron una respuesta parcial antes de rendirse. Los handshakes TLS y las cabeceras añaden un poco más. Mide lo que cruzó de verdad la red, sin limitarte al tamaño del documento que guardaste.

¿Existe de verdad el ancho de banda ilimitado?

Existe, y suele venir con otra limitación distinta. El tráfico sin medir se suele vender por dirección, por puerto o con un tope de concurrencia, algo que encaja con el suministro de centro de datos e ISP, donde el coste es una máquina y no tráfico doméstico medido. Lee cuál es el límite real, porque siempre hay uno en algún sitio.

¿Ancho de banda o latencia, qué importa para el scraping?

El ancho de banda y la concurrencia rigen la recogida masiva: el volumen total que mueves en un periodo. La latencia rige todo lo interactivo o secuencial, donde cada viaje de ida y vuelta tiene que terminar antes de que empiece el siguiente. Si tu trabajo es una cola larga de descargas independientes, más concurrencia ayuda y una latencia menor apenas se nota; si cada paso depende del anterior, es al revés.

Volver al glosario completo.

HProxy.

No te fíes solo de nuestra palabra. Mídelo tú mismo.

Funciona en tu navegador contra la dirección real. Sin registro y sin guardar ninguna lista.

HProxy