Inge CuC

Caracterización de pruebas de carga en aplicaciones web mediante regresión polinomial

Gabriel Elias Chanchi

Universidad de Cartagena

Manuel Alejandro

Universidad de Cartagena

Mónica Esther

Universidad de Cartagena

DOI: https://doi.org/10.17981/ingecuc.21.1.2025.07

Palabras clave: Pruebas de carga, Aprendizaje automático, Regresión polinomial, Aplicaciones web

---

Resumen

Introducción: Uno de los retos de la infraestructura que soporta aplicaciones web es garantizar la calidad de servicio (QoS), por lo que es necesario caracterizar el desempeño de esta infraestructura para la planificación y configuración tanto de la capacidad del sistema como de la gestión de recursos. Es así como uno de los métodos más destacados para evaluar el rendimiento de la infraestructura de aplicaciones web son las pruebas de carga o estrés, que buscan determinar el comportamiento de un sitio web o servicio web en términos de la cantidad de solicitudes secuenciales o simultáneas que emulan conexiones de clientes reales.

Objetivo: En este artículo, proponemos una herramienta que aporta a la caracterización de pruebas de carga o esfuerzo de aplicaciones web mediante el uso de técnicas de machine learning y específicamente mediante el uso de modelos de aprendizaje supervisado asociados al método de regresión polinomial.

Metodología: Se desarrolló mediante el patrón iterativo de Pratt una herramienta basada en librerías de software libre y tecnologías del lenguaje Python, que admite tanto la ejecución de las pruebas de carga, como la determinación del grado del polinomio (2 o 3) permitiendo caracterizar la curva con el tiempo que tarda el servidor en responder o atender un determinado porcentaje de solicitudes, después de detectar valores atípicos en los datos capturados.

Resultados: Utilizando la herramienta propuesta, se realizó un caso de estudio en la página web de la Universidad de Cartagena para verificar la funcionalidad y utilidad del enfoque propuesto en el que se ejecutaron un total de 50 solicitudes secuenciales, a partir de las cuales la herramienta determinó un modelo polinomial de grado 3 que obtuvo como resultado para el conjunto de entrenamiento un valor de RMSE de 0.992 y un valor de R² de 0.994, mientras que para el conjunto de prueba se obtuvo un valor de RMSE de 10.447 y un valor de R² de 0.744.

Conclusiones: El algoritmo representa un aporte en relación con los trabajos del estado del arte revisados y respecto a diferentes herramientas para la ejecución de pruebas de carga, que en términos generales no utilizan métodos de aprendizaje automático para modelar el desempeño de la infraestructura que soporta las aplicaciones web, limitándose a la ejecución de pruebas secuenciales y concurrentes. Específicamente, el enfoque propuesto en este artículo permitió determinar un polinomio que caracteriza la relación matemática entre el porcentaje de solicitudes atendidas y el tiempo de respuesta obtenido por el servidor web.

---

Biografía del autor/a

Gabriel Elias Chanchi, Universidad de Cartagena

Profesor de la Facultad de Ingeniería de la Universidad de Cartagena

Manuel Alejandro, Universidad de Cartagena

Profesor de la Facultad de Ingeniería de la Universidad de Cartagena

Mónica Esther, Universidad de Cartagena

Profesora de la Facultad de Ingenier´ía de la Universidad de Cartagena

---

Citas

L. Germine, K. Nakayama, B. C. Duchaine, C. F. Chabris, G. Chatterjee, and J. B. Wilmer, “Is the Web as good as the lab? Comparable performance from Web and lab in cognitive/perceptual experiments,” Psychon. Bull. Rev., vol. 19, no. 5, pp. 847–857, Oct. 2012, doi: 10.3758/S13423-012-0296-9/FIGURES/3.

H. Zhu and H. Wu, “Research on web application load testing model,” in Proceedings of the 2017 IEEE 2nd Information Technology, Networking, Electronic and Automation Control Conference, ITNEC 2017, Feb. 2018, vol. 2018-Janua, pp. 1175–1178, doi: 10.1109/ITNEC.2017.8284961.

R. Khan and M. Amjad, “Performance testing (load) of web applications based on test case management,” Perspect. Sci., vol. 8, pp. 355–357, Sep. 2016, doi: 10.1016/J.PISC.2016.04.073.

R. A. Garita-Araya, “Tecnología Móvil: desarrollo de sistemas y aplicaciones para las Unidades de Información,” E-Ciencias la Inf., vol. 3, no. 2, pp. 1–14, 2013.

A. Yu and S. Yang, “Research on web server cluster load balancing algorithm in web education system,” J. Supercomput. 2018 765, vol. 76, no. 5, pp. 3364–3373, Sep. 2018, doi: 10.1007/S11227-018-2573-5.

J. Rao and C. Z. Xu, “Online capacity identification of multitier websites using hardware performance counters,” IEEE Trans. Parallel Distrib. Syst., vol. 23, no. 3, pp. 426–438, 2012, doi: 10.1109/TPDS.2010.92.

P. P. do Nascimento, P. Pereira, J. M. Mialaret, I. Ferreira, and P. Maciel, “A methodology for selecting hardware performance counters for supporting non-intrusive diagnostic of flood DDoS attacks on web servers,” Comput. Secur., vol. 110, p. 102434, Nov. 2021, doi: 10.1016/J.COSE.2021.102434.

R. D. van der Mei, R. Hariharan, and P. K. Reeser, “Web Server Performance Modeling,” Telecommun. Syst. 2001 163, vol. 16, no. 3, pp. 361–378, 2001, doi: 10.1023/A:1016667027983.

T. Ahmad, D. Truscan, and I. Porres, “Identifying worst-case user scenarios for performance testing of web applications using Markov-chain workload models,” Futur. Gener. Comput. Syst., vol. 87, pp. 910–920, Oct. 2018, doi: 10.1016/J.FUTURE.2018.01.042.

R. Ramakrishnan and A. Kaur, “An empirical comparison of predictive models for web page performance,” Inf. Softw. Technol., vol. 123, p. 106307, Jul. 2020, doi: 10.1016/J.INFSOF.2020.106307.

X. Y. Guo, X. S. Qiu, Y. H. Chen, and F. Tang, “Design and implementation of performance testing model for web services,” in CAR 2010 - 2010 2nd International Asia Conference on Informatics in Control, Automation and Robotics, 2010, vol. 1, pp. 353–356, doi: 10.1109/CAR.2010.5456825.

C. Vögele, A. van Hoorn, E. Schulz, W. Hasselbring, and H. Krcmar, “WESSBAS: extraction of probabilistic workload specifications for load testing and performance prediction—a model-driven approach for session-based application systems,” Softw. Syst. Model., vol. 17, no. 2, pp. 443–477, May 2018, doi: 10.1007/S10270-016-0566-5/TABLES/10.

B. Vani, R. Deepalakshmi, and S. Suriya, “Web based testing-An optimal solution to handle peak load,” in Proceedings of the 2013 International Conference on Pattern Recognition, Informatics and Mobile Engineering, PRIME 2013, 2013, pp. 5–10, doi: 10.1109/ICPRIME.2013.6496439.

A. Minaya Cubillas, “Una Revisión de los Métodos de Pruebas para Aplicaciones Web,” Rev. Investig. Sist. e Informática, vol. 5, no. 2, pp. 46–59, 2008.

J. C. C. Shaw, C. G. Baisden, and W. M. Pryke, “Performance Testing — A Case Study of a Combined Web/Telephony System,” BT Technol. J., vol. 20, no. 3, pp. 76–86, Jul. 2002, doi: 10.1023/A:1020899610791.

G. E. Chanchí, J. L. Vivas, and W. Y. Campo, “Propuesta de una herramienta portable para la ejecución de pruebas de carga en aplicaciones web,” Rev. Ibérica Sist. e Tecnol. Informação, no. E29, pp. 159–172, 2019.

D. Hao, Y. Chen, F. Tang, and F. Qi, “Distributed agent-based performance testing framework on Web Services,” in Proceedings 2010 IEEE International Conference on Software Engineering and Service Sciences, ICSESS 2010, 2010, pp. 90–94, doi: 10.1109/ICSESS.2010.5552290.

G. Jiang and S. Jiang, “A quick testing model of web performance based on testing flow and its application,” 2009 6th Web Inf. Syst. Appl. Conf. WISA 2009, pp. 57–61, 2009, doi: 10.1109/WISA.2009.16.

K. Zhu, J. Fu, and Y. Li, “Research the performance testing and performance improvement strategy in web application,” in ICETC 2010 - 2010 2nd International Conference on Education Technology and Computer, 2010, vol. 2, pp. 328–332, doi: 10.1109/ICETC.2010.5529374.

R. Srinivasa Perumal and P. Dhavachelvan, “Performance analysis of distributed web application: A key to high perform computing perspective,” in Proceedings - 1st International Conference on Emerging Trends in Engineering and Technology, ICETET 2008, 2008, pp. 1140–1145, doi: 10.1109/ICETET.2008.246.

D. Krishnamurthy, J. A. Rolia, and S. Majumdar, “A synthetic workload generation technique for stress testing session-based systems,” IEEE Trans. Softw. Eng., vol. 32, no. 11, pp. 868–882, Nov. 2006, doi: 10.1109/TSE.2006.106.

K. Pratt, “Design Patterns for Research Methods: Iterative Field Research.” 2009, [Online]. Available: http://kpratt.net/wp-content/uploads/2009/01/research_methods.pdf.