Descargar sitios web que utilizan Debian

Acerca de Debian

El reparto por países de Debian no se parece al de la mayoría de las tecnologías web. En Alemania se concentran 109.565 de los sitios donde lo identificamos, y la explicación tiene poco que ver con una preferencia nacional entre los desarrolladores. Una población densa de empresas de alojamiento independientes y de proveedores de colocación, trabajando sobre un sistema operativo con ventanas de soporte largas y sin coste de licencia, coloca ese sistema debajo de todos sus clientes a la vez. La geografía de este registro es un mapa de dónde se operan los parques de máquinas.

Y esto es lo primero que hay que entender sobre el software de servidor en un conjunto de datos tecnográfico. El propietario del sitio casi nunca toma esta decisión. La toma una sola vez quien gestiona las máquinas, y el sistema aparece luego debajo de miles de dominios sin relación entre sí que no tienen ninguna otra cosa en común. Para una empresa que vende herramientas de infraestructura, seguridad de endpoints o migraciones gestionadas, el objetivo es el operador del parque y no el sitio individual, y el valor de la lista está en que agrupa los dominios que comparten operador.

Los datos de versión se comportan igual. Separamos 11 versiones con nombre, y los nombres son nombres en clave y no números, lo que recuerda que la identificación procede de una cadena que una máquina decidió publicar. Un servidor que responde con squeeze está nombrando una versión que salió de soporte hace mucho tiempo, y buena parte de esas respuestas son banners obsoletos más que descripciones fieles de lo que se ejecuta realmente por debajo.

Todo lo cual lleva a la advertencia que importa más que cualquier cifra de esta página. La identificación depende de que un servidor ofrezca la información por su cuenta, mediante un sufijo de versión en una cabecera de respuesta, una página por defecto que nadie ha retirado o un rastro de la disposición de los paquetes. Los operadores recortan y reescriben esas señales de forma rutinaria, los proxys inversos las sustituyen por completo y cualquier sitio tras una red de distribución de contenido presenta por lo general la identidad de la red en lugar de la del origen. Un gran número de instalaciones nos resulta por tanto invisible. El recuento es una cota inferior, y el sesgo no es aleatorio, porque cuanto más cuidadosamente está configurado un parque menos probable es que llegue siquiera a contarse aquí.

El proyecto en sí mismo explica por qué la observación es el único método disponible. Mantenido desde 1993 por una comunidad de voluntarios bajo licencia Open Source, no tiene proveedor, ni registro de licencias, ni cifras de ventas. Nadie puede venderle una cifra de base instalada porque nadie la recopila. Lo que existe es lo que las máquinas dicen de sí mismas en público, recogido a escala y publicado con sus límites por delante.

Una consulta por dominio dice si un servidor reconoce que lo ejecuta, una respuesta pobre para una tecnología tan extendida. La lista descargable responde a las preguntas que necesitan una población. Qué redes de alojamiento lo adoptan como estándar y cuántos dominios suma cada una. Cómo envejece la mezcla de versiones entre instantáneas, que es la aproximación más cercana disponible a la disciplina de parcheo de un proveedor entero. Qué dominios siguen en versiones fuera de soporte, en qué país y bajo qué sufijo. Cruce la columna del sistema operativo con .com y con el campo de país y tendrá un mercado dimensionado en lugar de una anécdota. Esa es la diferencia entre saber que una tecnología es común y saber dónde está.