Descarregar sites que utilizam Amazon S3

Sobre Amazon S3

Amazon S3 não é algo que um site execute. O serviço é o sítio onde um site guarda coisas, o que o torna invulgar entre as entradas de um conjunto de dados de tecnologias. Nada é apresentado por causa dele. Nenhum visitante interage com ele. Uma deteção significa apenas que, algures na página entregue, uma referência aponta para armazenamento de objetos operado pela Amazon em vez de apontar para o servidor do próprio site, e esse facto isolado contém uma quantidade surpreendente de informação sobre a organização por trás do domínio.

A informação é arquitetónica. Servir imagens, vídeo, documentos, descarregamentos ou um site estático inteiro a partir de um contentor de armazenamento é uma decisão que alguém tomou sobre separar o conteúdo da computação, e costuma vir acompanhada do resto de uma postura de nuvem. As equipas que ali colocam os seus recursos tendem também a ser equipas com pipelines de construção, infraestrutura definida em código, uma fatura de um fornecedor de nuvem e um engenheiro que percebe o que é uma região. Para quem vende ferramentas de nuvem, gestão de custos, processamento de multimédia, revisão de postura de segurança ou serviços de migração, essa inferência é o passo de qualificação, e está visível do exterior da empresa sem ser preciso perguntar nada a ninguém.

É na deteção que a honestidade se impõe, porque esta é uma das categorias em que a contagem mais fica aquém. A atribuição depende normalmente de um nome de anfitrião de armazenamento aparecer no código da página. No momento em que uma equipa coloca uma rede de distribuição de conteúdos à frente do contentor e serve tudo a partir do seu próprio domínio, que é o padrão recomendado e o padrão comum a qualquer escala real, a evidência desaparece por completo da página. Os contentores privados, as cópias de segurança, os fluxos de dados e as partes internas das aplicações nunca aparecem numa recolha. Um cliente grande pode assim ficar completamente invisível aqui, enquanto um site pequeno que ligou diretamente a um ficheiro carregado é contado sem margem para dúvidas.

A consequência merece ser dita sem suavizar. A população que conseguimos mostrar está enviesada para a ligação direta, que se correlaciona com configurações mais simples, páginas mais antigas, equipas mais pequenas e plugins de gestão de conteúdos que carregam multimédia diretamente para um contentor. A infraestrutura sofisticada está sistematicamente sub-representada. Em outubro de 2026 detetamos o serviço em 381 790 sites, e a leitura correta desse valor é um limite inferior da utilização visível e não uma estimativa da base de clientes, que nenhum rastreio externo consegue medir.

Mesmo como limite inferior, a geografia comporta-se de forma sensata para um serviço da categoria CDN à venda desde 2006 com licença Proprietary. A concentração que registamos com mais frequência está nos Estados Unidos, com 271 385, e .com é o sufixo que mais vemos, o que acompanha o lugar onde a adoção de nuvem começou e onde o mercado de programadores é mais profundo, em vez de descrever onde um byte em concreto está fisicamente guardado.

A razão para obter a lista em vez de verificar domínios um a um é que as perguntas de arquitetura são perguntas de população. Que sites de um mercado expõno armazenamento diretamente. Que sistemas de gestão de conteúdos empurram multimédia para contentores por omissão e por isso deixam escapar o nome de anfitrião. Que negócios combinam armazenamento de objetos com um determinado framework, plataforma de comércio ou rede de distribuição. A cada uma dessas perguntas responde-se filtrando um ficheiro e não através de uma caixa de pesquisa, e as linhas incluem organizações que nunca saberia que devia procurar, o que é justamente a parte que uma ferramenta de consulta estruturalmente não consegue dar.