Scaricare i siti web che utilizzano Apache Traffic Server

Informazioni su Apache Traffic Server

Quasi ogni tecnologia nel profilo di un sito web è stata scelta da chi ha costruito il sito. Per il proxy Apache Traffic Server, di solito, non è così. Il proxy si colloca davanti a molti siti contemporaneamente, installato da una società di hosting, da un operatore di telecomunicazioni o da una piattaforma media, e il singolo dominio che c’è dietro potrebbe non sapere affatto che il software esiste.

La distinzione cambia il modo in cui va letto un conteggio. Quando a ottobre 2026 registriamo il proxy su 164.790 siti, la popolazione sottostante non corrisponde ad altrettante decisioni indipendenti. Una sola installazione può coprire un blocco molto ampio di domini, quindi il dato misura la portata e non l’adozione, e chi lo usasse per contare i clienti otterrebbe un numero gonfiato di molto. Il dataset resta lo strumento giusto, ma la domanda a cui risponde è quali domini si trovino dietro il proxy, non quante organizzazioni abbiano scelto di usarne uno.

Il software è nato da un prodotto commerciale di caching, nel 2009 è stato donato ad Apache Software Foundation e da allora viene sviluppato in modo aperto con licenza Apache 2.0. Scritto in C++, Apache Traffic Server è progettato per il tipo di throughput che rende costosi i contratti commerciali di distribuzione dei contenuti, e gli operatori che lo gestiscono sono quelli per cui la banda è una voce di bilancio e non una fattura da girare a un cliente. Grazie all’architettura a plugin, le grandi installazioni vengono spesso personalizzate fino al punto in cui il comportamento standard non è più riconoscibile.

Per un’infrastruttura di questo tipo i dati di versione sono insolitamente buoni. Osserviamo 35 stringhe di versione distinte, con la 9.2.9 che ricorre in una parte consistente delle installazioni che riusciamo a identificare, il che riflette una popolazione di operatori che applica le patch secondo un calendario, e non una coda lunga di installazioni dimenticate. Una cache che termina il TLS per un grande parco di siti viene mantenuta, perché chi la gestisce è la stessa persona che riceve l’allarme quando smette di funzionare.

Dei domini che attribuiamo al proxy, 125.461 si trovano negli Stati Uniti, e .com ricorre in tutto l’elenco, due fatti che dipendono da dove hanno sede legale le grandi piattaforme di hosting e media più che da dove il software sia preferito. Il rilevamento dipende dagli header di risposta, e gli header sono proprio ciò che un operatore attento rimuove. L’identificazione del server può essere eliminata, riscritta o mascherata da un altro livello posto davanti, quindi il conteggio è una stima per difetto e le installazioni configurate con più cura sono quelle che hanno meno probabilità di comparirvi.

Chi ha bisogno di questo file vende agli operatori, non ai siti web. I fornitori di hardware, transito e banda, le aziende di osservabilità e sicurezza e le piattaforme edge concorrenti vogliono tutti l’insieme dei domini che puntano a una cache gestita in proprio, perché la sua presenza testimonia l’esistenza di un team infrastrutturale interno con un budget e un motivo per avviare una conversazione. Leggere un dominio alla volta non permette di vedere i raggruppamenti, e i raggruppamenti sono il prodotto. Raggruppare l’elenco per rete, per estensione e per software di origine presente sugli stessi siti trasforma una lunga colonna di hostname in una breve lista di account da chiamare.