Characterization of load tests in web applications through polynomial regression

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.