Proxy-Performance-Benchmarking scheitert meist aus einem langweiligen Grund: Es misst etwas, das niemand produktiv fährt. Ein einzelner Request zu einer Suchmaschine sagt fast nichts darüber, wie ein Pool reagiert, wenn vierzig Worker um 09:00 Produktseiten ziehen.
Ein belastbarer Benchmark beginnt bei der Workload und arbeitet rückwärts: gleicher Request-Mix, gleiche Ziele, gleiche Parallelität, gleiche Tageszeit und Perzentile statt Mittelwerte.
Erst die Workload, dann das Tool
- Request-Mix: Anteil von HTML, JSON, Bildern und Downloads erfassen. Ein auf kleine JSON-Calls optimierter Pool verhält sich bei 20-MB-Transfers völlig anders.
- Zielmenge: fünf bis zehn echte Domains statt einer Suchmaschine. Jedes Ziel hat eigene TLS-Stacks, Bot-Abwehr und CDN-Kanten.
- Parallelität: mit dem produktiven Wert testen, typisch 10 bis 50 Worker. Serielle Tests schmeicheln jedem Anbieter und verstecken Warteschlangen.
- Session-Modell: klarstellen, ob Worker eine Sticky-Session halten oder pro Request rotieren. Diese Wahl beeinflusst die Erfolgsquote stärker als der Anbieter.
Benchmark-Checkliste: sechs Zahlen vorab sammeln
- p50-Latenz pro Ziel — typische Erfahrung, nützlich, aber nie ausreichend.
- p95 und p99 über mindestens 500 Stichproben pro Endpoint — im Tail sitzen Timeouts und Retries.
- Erfolgsquote bei 10, 30 und 50 parallelen Workern, nur mit korrektem Status und Payload.
- DNS-Pfad socks5 gegen socks5h: 20–80 ms Unterschied und ein anderer Leak-Pfad.
- Durchsatz mit festen 10–50 MB, dreimal wiederholt, um warmen Cache von kaltem Transfer zu trennen.
- Churn: IP-Wechsel pro Stunde in einer Sticky-Session. Alles über der beworbenen Laufzeit ist ein Bruch der Zusage.
Kurzvergleich
- p50: typische Latenz und Grund-Overhead, gemessen im eigenen Client.
- p95/p99: Schmerz im Tail, Retry-Druck, Leerlauf der Worker.
- Erfolgsquote bei 10–50 parallel: echte Kapazität vor Sperren und Queueing.
- Durchsatz und Churn: entscheiden über Datei-Jobs und eingeloggte Workflows.
In vier Schritten messen
- Umgebung einfrieren: gleiche Maschine, Client-Version, Region und Skript.
- Aufwärmen und die ersten 50 Requests verwerfen — TLS-Handshakes und kalte Caches verzerren den Tail.
- Zwei Tagesfenster fahren und beide berichten, statt das schmeichelhafteste zu wählen.
- Dreimal wiederholen, Median berichten und Fehler nach Grund trennen: Timeout, 403, 407, TLS.
Häufige Fragen
Warum ist p95 wichtiger als p50?
p50 zeigt die typischen Kosten eines Requests. p95 zeigt, was jedem zwanzigsten passiert — bei 50 Workern also ein Timeout alle paar Sekunden. Retries erhöhen die Last und schieben den Tail weiter hinaus, der Fehler verstärkt sich. Sinkt p50 und steigt p95, ist der Pool für Automatisierung schlechter geworden.
Wie viele Stichproben brauche ich?
Mindestens 500 pro Endpoint für Perzentile, mehr wenn p99 zitiert werden soll. Für Erfolgsquoten liefern 1.000 Requests rund plus/minus 3 Prozentpunkte bei 95% Konfidenz — genug, um einen guten von einem schlechten Pool zu trennen.
Ein Benchmark ist billiger als die Entdeckung am Launch-Tag um 09:00. Wer eine Vergleichsbasis sucht: FTProxy Residential Proxies veröffentlicht Latenz und Erfolgsquote pro Node.