Scaricare i siti web che utilizzano GitLab

Informazioni su GitLab

La maggior parte dei team software conosce la piattaforma GitLab come servizio in hosting, ovvero proprio la modalità di installazione che un crawler web non può vedere. Quello che emerge da una scansione del web pubblico è l’altro tipo di installazione, un’istanza autogestita che qualcuno all’interno di un’organizzazione ha avviato, ha dotato di un nome host e ha lasciato raggiungibile dall’esterno della rete aziendale. Ogni rilevamento è un’affermazione sul modo in cui quell’organizzazione gestisce la propria ingegneria, non un’affermazione sullo strumento.

Scegliere il self-hosting per una piattaforma di sviluppo non è una decisione presa alla leggera. Qualcuno deve far funzionare un’applicazione Ruby con alle spalle un database, una coda di job, un archivio di oggetti e un registro di container, mantenere il tutto aggiornato con le patch e assumersi la responsabilità del codice sorgente dell’azienda che vi risiede. Le organizzazioni accettano questo onere per ragioni riconoscibili: norme sulla residenza dei dati, una policy di sicurezza che vieta l’hosting del codice presso terzi, una tradizione on-premise o semplicemente un’installazione interna precedente al passaggio ai servizi in hosting. Le aziende con un’istanza raggiungibile pubblicamente tendono ad avere un team interno dedicato alla piattaforma, e un team di piattaforma acquista anche gli strumenti che le ruotano attorno.

La storia della licenza spiega perché queste installazioni siano così numerose. GitLab Inc. pubblica il nucleo del prodotto con licenza MIT da quando il progetto è nato, nel 2011, quindi un’azienda può gestire un’istanza seria senza mai entrare in un rapporto commerciale, e acquistare in seguito i piani a pagamento per le funzioni di conformità e sicurezza. Per un ricercatore la cosa ha due facce. Un nome host che risponde con la piattaforma dimostra il self-hosting, ma non dimostra un abbonamento, e le edizioni gratuita e a pagamento non sono distinguibili in modo affidabile dall’esterno.

A ottobre 2026 registriamo 5418 siti che utilizzano la piattaforma, e le dimensioni di questa popolazione sono l’argomento a favore del lavoro su un elenco anziché su verifiche puntuali. Una verifica sul singolo dominio dice se un’azienda che si conosce già ha scelto il self-hosting. Un elenco scaricabile risponde alle domande che vengono prima: quali organizzazioni scelgono davvero il self-hosting, come si distribuiscono tra settori e paesi una volta incrociate con i propri dati firmografici, e quali di esse mostrano altra infrastruttura autogestita nello stesso record.

Qui il rilevamento è inferenziale e sottostima la realtà. Le istanze dietro una VPN, un proxy basato sull’identità o un nome DNS solo interno non entrano mai in una scansione pubblica, e un’organizzazione può usare la piattaforma per anni senza esporci una sola pagina. Il dataset fornisce una stima per difetto, cioè un insieme verificato di installazioni raggiungibili pubblicamente, con l’host su cui ciascuna è stata vista e la data in cui è stata vista, il che costituisce un punto di partenza molto migliore di una stima di mercato.