Descargar sitios web que utilizan Apache HTTP Server

Acerca de Apache HTTP Server

Apache es lo bastante viejo como para que la pregunta interesante ya no sea por qué llegó a dominar, sino por qué sigue ahí. Lleva sirviendo páginas desde 1995, lo que lo hace más antiguo que la web comercial que creció encima de él, y en octubre de 2026 todavía lo detectamos en 12.290.199 sitios.

Un software de ese tamaño no perdura por ser elegido. Perdura porque ya está ahí. Los parques de alojamiento compartido, los valores por defecto de los paneles de control, las imágenes de sistemas preconfigurados y las herramientas internas lo mantienen en marcha sin que nadie tome una decisión nueva, y cada uno de esos canales renueva la población en silencio.

El reparto por países es donde eso se aprecia con más claridad, y es la cifra de esta página que más sorprende. Solo en Alemania se concentran 3.619.081 de los sitios en los que lo detectamos, muy por encima de lo que predeciría la cuota general de ese país en la web. No hay una explicación única. La estructura del mercado de alojamiento, la longevidad del alojamiento compartido en ese país y el parque instalado de paneles de control que lo incluyen por defecto contribuyen todos de forma plausible. Lo que importa para quien use los datos es que el patrón se mantiene estable entre reconstrucciones y no es un artefacto de un rastreo concreto, de modo que se puede planificar contando con él.

Las versiones cuentan la misma historia desde otro ángulo. Vemos actualmente 182 cadenas de versión distintas en producción, con 2.4.68 como la más común. Una distribución tan amplia es la firma de un software instalado una vez y dejado en paz, y es precisamente la razón por la que la cabeza de la distribución es la parte menos útil. Los avisos de seguridad se aplican a rangos, y la población que cae dentro de un rango vulnerable es lo que de verdad necesita dimensionar un equipo de seguridad, una aseguradora o un comprador.

El límite práctico de cualquier estadística resumida sobre esta tecnología está justo en ese punto. Conocer el total no le dice nada que le sirva para actuar. Saber qué dominios de un país concreto ejecutan una versión por debajo de un umbral concreto, detrás de un proxy concreto y en un TLD concreto es un filtro sobre una población completa, y o existe como lista descargable o no existe en absoluto.

La exportación de webatla es esa lista. Todos los dominios en los que lo detectamos, con la cadena de versión que observamos, el país de alojamiento, el TLD y las demás tecnologías que identificamos en el mismo sitio, en un único fichero reconstruido a diario. No hay coste por consulta ni tope en lo específico que pueda ser su filtro, porque el filtrado ocurre en su máquina y no en la nuestra.

Merece la pena detallar una consecuencia de esa inercia para quien esté dimensionando un mercado. La población no rota como rota la base de usuarios de un producto. Se erosiona despacio por los bordes, a medida que se retiran parques de alojamiento, y se repone con imágenes por defecto que nadie eligió. De modo que una campaña dirigida a esta población no compite contra una decisión de compra. Compite contra la ausencia de decisión, que es otro tipo de venta, por lo general más lento.

Lo otro que permite tener la lista completa es el filtrado negativo. Saber qué sitios ejecutan este servidor es útil. Saber qué sitios de un segmento no lo ejecutan, y qué ejecutan en su lugar, es la manera de dimensionar una oportunidad de migración o de desplazar a un competidor. Las dos direcciones salen del mismo fichero, y ninguna de las dos se puede expresar como una consulta por dominio.

Apache Software Foundation lo publica bajo la licencia Apache 2.0 y la zona .com es la que aporta la mayor porción. Como ocurre con todo lo que se distribuye libremente, ningún proveedor tiene una lista de clientes, así que la medición es la única vía para llegar a un recuento de población. Ese es el hueco que este conjunto de datos viene a cerrar.