Los benchmarks de rendimiento de proxies suelen fallar por un motivo aburrido: miden algo que nadie ejecuta en producción. Una petición en un solo hilo a un buscador no dice nada sobre cómo se comporta un pool cuando cuarenta workers descargan páginas de producto a las 9:00.

Un benchmark confiable parte de tu carga y va hacia atrás: mismo mix de peticiones, mismos objetivos, misma concurrencia, misma franja horaria y percentiles en lugar de medias.

Empieza por la carga, no por la herramienta

  • Mix de peticiones: registra la proporción de HTML, JSON, imágenes y descargas. Un pool ajustado para JSON pequeños se comporta distinto con transferencias de 20 MB.
  • Conjunto de objetivos: usa cinco a diez dominios reales, no un buscador. Cada objetivo tiene su pila TLS, su defensa anti-bot y su edge de CDN.
  • Concurrencia: prueba con el paralelismo real, normalmente 10 a 50 workers. Una prueba en serie halaga a todos los proveedores y esconde la cola.
  • Modelo de sesión: declara si cada worker mantiene sesión sticky o rota por petición, porque esa elección pesa más que el nombre del proveedor.

Checklist de benchmark: seis números antes de empezar

  1. Latencia p50 por objetivo: la experiencia típica, útil pero nunca suficiente.
  2. p95 y p99 con al menos 500 muestras por endpoint: la cola concentra timeouts y reintentos.
  3. Tasa de éxito con 10, 30 y 50 workers en paralelo, contando solo respuestas con estado y contenido correctos.
  4. Ruta DNS, socks5 frente a socks5h: entre 20 y 80 ms de diferencia y un riesgo de fuga distinto.
  5. Throughput con una carga fija de 10–50 MB, repetido tres veces para separar caché caliente de transferencia fría.
  6. Churn: cambios de IP de salida por hora en sesión sticky. Superar la vida anunciada es una promesa rota.

Comparación rápida

  • p50: latencia típica y sobrecoste base, medidos desde tu cliente.
  • p95/p99: dolor en la cola, presión de reintentos, workers ociosos.
  • Tasa de éxito con 10–50 en paralelo: capacidad real antes de bloqueos y colas.
  • Throughput y churn: deciden el destino de transferencias pesadas y flujos con login.

Medir en cuatro pasos

  1. Congela el entorno: misma máquina, versión de cliente, región y script.
  2. Calienta y descarta las primeras 50 peticiones, que arrastran handshakes TLS y cachés frías.
  3. Ejecuta en dos franjas del día y publica ambas, en lugar de elegir la más favorecedora.
  4. Repite tres veces, reporta la mediana y clasifica fallos: timeout, 403, 407, TLS.

Preguntas frecuentes

¿Por qué importa más el p95 que el p50?

El p50 muestra el coste de una petición típica. El p95 muestra qué pasa con una de cada veinte: con 50 workers, un timeout cada pocos segundos. Los reintentos inflan la carga y empujan la cola, así que el fallo se acumula. Si el p50 mejora y el p95 empeora, el pool empeoró para automatización.

¿Cuántas muestras necesito?

Al menos 500 por endpoint para percentiles, más si vas a citar p99. Para tasas de éxito, 1.000 peticiones dan unos más o menos 3 puntos porcentuales con 95% de confianza, suficiente para separar un pool bueno de uno malo.

Un benchmark cuesta menos que descubrir el problema a las 9:00 del día del lanzamiento. Si necesitas una base de comparación, FTProxy Residential Proxies publica latencia y tasa de éxito por nodo.