• No results found

Dataanvändning i hushåll med fiberanslutning

N/A
N/A
Protected

Academic year: 2021

Share "Dataanvändning i hushåll med fiberanslutning"

Copied!
39
0
0

Loading.... (view fulltext now)

Full text

(1)

AKADEMIN F ¨

OR INNOVATION, DESIGN OCH TEKNIK

V ¨

ASTER˚

AS, SVERIGE

DVA333

Examensarbete f¨

or h¨

ogskoleingenj¨

orsexamen

15 hp

DATAANV ¨

ANDNING I HUSH˚

ALL

MED FIBERANSLUTNING

Alexander Rud´en

arn18005@student.mdh.se

Examinator:

Mikael Sj¨

odin

M¨alardalens H¨ogskola, V¨aster˚as, Sverige

Handledare:

Sara Lundahl

M¨alardalens H¨ogskola, V¨aster˚as, Sverige 26 maj 2021

(2)

Sammanfattning

I Sverige idag har ca 95% av befolkningen tillg˚ang till en fiberanslutning [1]. Om m¨ojligheten att utnyttja fiber skulle hindras i att det blir ett avbrott under en l¨angre tid eller att man flyttar dit d¨ar tillg˚angen till fiber ¨ar begr¨ansad finns alternativet mobilt bredband. N¨ar ett mobilt bredbandsabonnemang ska inf¨orskaffas st¨alls fr˚agan om hur mycket surf du vill ha p˚a det. Att svara p˚a den fr˚agan kan vara knepig eftersom de flesta m¨anniskor inte t¨anker p˚a sin dataf¨orbrukning. I detta arbete s¨oker jag svar p˚a fr˚agan om hur mycket data fyra olika hush˚all anv¨ander under en veckas tid. M¨atningar utf¨ors i varje hush˚all med hj¨alp av en Raspberry Pi som ¨ar utrustad med ett script och ¨overvakningsverktyget Promet-heus f¨or att samla in data. I liknande studier har det anv¨ants formul¨ar d¨ar fr˚agor om dataanv¨andning st¨alls till deltagarna. I detta arbete kombinerar jag en fysisk m¨atning med en Raspberry Pi-enhet och ett formul¨ar. Tanken ¨ar att kombinera resultaten fr˚an de fysiska m¨atningarna med formul¨arsvaren f¨or att se samband och kopplingar mellan den upplevda dataf¨orbrukningen och den faktiska dataf¨orbrukningen. M¨atbara resultat har genererats och presenteras i rapporten. Eftersom studien ¨ar utf¨ord p˚a endast ett f˚atal m¨atpunkter ¨ar det sv˚art att dra generella slutsatser utifr˚an detta. I formul¨aren framkommer hur sv˚art det ¨ar f¨or anv¨andarna att sj¨alva uppskatta hur mycket data som anv¨ands. Att m¨ata data p˚a detta vis har lyft problem som till exempel att det ¨ar sv˚art att ta reda p˚a exakt vilka tj¨anster som anv¨ants i ett hem med en metod som den h¨ar. Att m¨ata total dataanv¨andning d¨aremot visas i rapporten fungera bra.

(3)

Inneh˚

all

1 Inledning 1 2 Bakgrund 3 2.1 Raspberry Pi . . . 3 2.2 Packet sniffer . . . 3 2.2.1 tcpdump . . . 3 2.3 Prometheus . . . 4 2.4 Grafana . . . 4 3 Tidigare arbeten 5 3.1 Faktureringssystem f¨or internetleverant¨orer . . . 5

3.2 Fakturering baserat p˚a datam¨angd . . . 5

3.3 Datam¨atning med hj¨alp av brandv¨aggsloggar . . . 6

3.4 Svenskarna och internet . . . 6

3.5 L¨ardomar av tidigare arbeten . . . 6

4 Fr˚agest¨allning 8 5 Metod 9 6 Etik och samh¨alleliga aspekter 10 7 Utformning av m¨atningar 11 7.1 Raspberry Pi som router . . . 11

7.2 Raspberry Pi som m¨atenhet . . . 11

7.3 Scriptet som f˚angar upp data . . . 11

7.3.1 tcpdump . . . 12

7.3.2 Prometheus . . . 12

7.3.3 Grafana . . . 13

7.4 Formul¨aren . . . 14

7.5 Sammanst¨allning av tillv¨agag˚angss¨att . . . 15

8 Resultat 17 8.1 Problem med m¨atningarna . . . 17

8.1.1 Overs¨¨ atta ip-adresser . . . 17

8.1.2 Sm˚a poster . . . 17

8.1.3 Internetleverant¨orer . . . 18

8.1.4 Ok¨anda poster . . . 18

8.2 Hush˚all 1 . . . 18 8.3 Hush˚all 2 . . . 19 8.4 Hush˚all 3 . . . 20 8.5 Hush˚all 4 . . . 21 9 Diskussion 23 10 Slutsatser 24 11 Framtida arbeten 25 Referenser 27

(4)

Bilaga A Tabeller 28

A.1 Namn¨overs¨attning M¨atning 1 . . . 28

A.2 Namn¨overs¨attning M¨atning 2 . . . 29

A.3 Namn¨overs¨attning M¨atning 3 . . . 30

A.4 Namn¨overs¨attning M¨atning 4 . . . 31

Bilaga B Formul¨ar 32 B.1 Formul¨arsvar m¨atning 1 . . . 32

B.2 Formul¨arsvar m¨atning 2 . . . 33

B.3 Formul¨arsvar m¨atning 3 . . . 34

(5)

1

Inledning

De flesta hush˚all i Sverige ¨ar uppkopplade till internet via en fiberanslutning [1]. Enligt den svenska bredbandsstrategin skulle 95% av befolkningen ha tillg˚ang till internet via fiber ˚ar 2020. Detta resulterar i att ca 500 000 personer kommer att vara utan denna tillg˚ang i b¨orjan av ˚ar 2021. Ett alternativ till en fiberanslutning ¨ar mobilt bredband. Mobila bredband s¨aljs som en abonnemangstj¨anst eller med ett kontantkort, abonnemangs-tj¨ansten l˚ater kunden vanligtvis surfa f¨or en fast datam¨angd varje m˚anad och i kontant-kortsmodellen betalar man f¨or varje GB som anv¨ands. Eftersom internetleverant¨orerna s¨atter sina egna priser och har ett kommersiellt intresse av att s¨alja vill jag utf¨ora en studie utan koppling till internetleverant¨orerna. Det ¨ar intressant att unders¨oka om det ¨ar m¨ojligt att g¨ora en uppskattning av hur mycket data som anv¨ands i ett hush˚all, beroende p˚a vad internetanslutningen anv¨ands till och hur mycket. Jag antar att internetleverant¨orerna sj¨alva skulle kunna ta fram denna information men ¨aven om de skulle vara intresserade av att g¨ora det finns det os¨akerhetsfaktorer kopplade till leverant¨orernas egeninstresse. Jag vill genomf¨ora en studie d¨ar jag tittar p˚a hur jag kan m¨ata data och vad den anv¨ands till och hur detta st¨ammer ¨overens med anv¨andarens egen uppfattning om sin anv¨andning. Jag vill att studien ska vara s˚a oberoende av internetleverant¨orerna som m¨ojligt och har d¨arf¨or valt att g¨ora m¨atningar med egen h˚ardvara i hush˚allen som ska studeras.

Studiens syfte ¨ar att m¨ata dataanv¨andning i hush˚all med fiberanslutning f¨or att ta re-da hur mycket re-data de anv¨ander i vardagen. Intressant ¨ar ocks˚a vad internetanslutningen anv¨ands till. ¨Ar det till exempel videostr¨ommning eller sociala medier som drar st¨orst del data i hush˚allet? G˚ar det ens att m¨ata dataanv¨andning i ett arbete som det h¨ar? Vet personer som anv¨ander internet dagligen hur mycket data som anv¨ands i hemmet? Det som g¨or denna studie intressant j¨amf¨ort med tidigare arbeten ¨ar att de flesta andra arbeten fokuserar p˚a hur mycket tid internetanv¨andare spenderar p˚a sin valda aktivi-tet ist¨allet f¨or hur stor datam¨angd som anv¨ands till just den aktiviteten. Andra arbeten anv¨ander ocks˚a metoden att st¨alla fr˚agor till anv¨andare, antingen via intervjuer eller via formul¨ar om hur de anv¨ander internet. Dessa arbeten tar inte h¨ansyn till att de tillfr˚agade kanske inte vet vad de faktiskt anv¨ander internet till utan det blir en uppskattning utifr˚an deltagarnas egna upplevelser. Kombinationen i den h¨ar rapporten d¨ar hush˚allen b˚ade f˚ar svara p˚a sin uppfattning om sin dataanv¨andning samt att jag utf¨or m¨atning av faktisk anv¨and data g¨or att resultaten blir intressanta och det g˚ar att j¨amf¨ora m¨atdata med for-mul¨arsvar.

F¨or att genomf¨ora denna studie anv¨ands en Raspberry Pi tillsammans med ¨overvakningsverktygen Prometheus och tcpdump f¨or att m¨ata dataanv¨andningen i hush˚allen utan att beh¨ova f¨orlita sig p˚a deras internetleverant¨orer. S˚aledes kan studien fortskrida oberoende av vil-ken internetleverant¨or och oavsett vilken h˚ardvara som finns i hemmet. Jag har ocks˚a tagit fram ett formul¨ar som deltagarna f˚ar fylla i f¨or att kunna g¨ora en j¨amf¨orelse d¨ar jag st¨aller hur mycket data hush˚allen tror de anv¨ander mot hur mycket data de faktiskt anv¨ander. Denna j¨amf¨orelse ¨ar till f¨or att visa p˚a en teori jag har om att internetanv¨andare inte vet hur mycket data de anv¨ander och vad den g˚ar till.

Fyra m¨atbara resultat presenteras i rapporten. I dessa m¨atningar framkommer det att den valda m¨atmetoden fungerar f¨or att f˚a fram m¨angd data, men ¨aven att det finns pro-blem med metoden som g¨or att det ¨ar sv˚art att l¨asa ut exakt vad datan har anv¨ants till.

(6)

Det syns ¨aven i svaren fr˚an formul¨aren att en del deltagare inte har lyckats uppskatta hur mycket data som har anv¨ants i hush˚allet, utan har ist¨allet underskattat m¨angden data som anv¨ants.

(7)

2

Bakgrund

Avsnittet nedan introducerar viktiga tekniker, program och h˚ardvara som anv¨ands i reste-rande delar av rapporten. En kort presentation av vilken h˚ardvara som i huvudsak anv¨ants i arbetet f¨oljt av tekniker och program som tillsammans utg¨or m¨atenheten i projektet.

2.1 Raspberry Pi

Raspberry Pi ¨ar en liten programmerbar dator med ett brett anv¨andningsomr˚ade [2]. Trots den ringa storleken, vilket kan j¨amf¨oras med storleken p˚a ett kreditkort, ¨ar denna minidator relativt kraftfull. Den kommer med en 4-k¨arnig processor p˚a 1.5 GHz och SDRAM p˚a upp till 8 GB beroende p˚a modell [3]. Det ing˚ar ingen h˚arddisk utan det m˚aste tillhandah˚allas av k¨oparen. Det finns tv˚a alternativ till h˚arddisk f¨or en Raspberry Pi. Det ena ¨ar ett SD-kort (det sitter en inbyggd SD-kortl¨asare p˚a enheten) och det andra ¨ar att anv¨anda ett USB-minne (det sitter fyra inbyggda USB-ing˚angar p˚a enheten). Eftersom det inte ing˚ar n˚agon h˚arddisk finns det heller inget f¨orinstallerat operativsystem, s˚a det ¨ar fritt att v¨alja vilket system man vill, men raspbian ¨ar rekommenderat enligt raspberrypi.org1. Det finns standardanslutningar s˚asom USB-portar, Ethernet-port, HDMI-ing˚ang och ett antal General Purpose Input Output-pins (GPIO-pins) d¨ar till exempel sensorer och aktuatorer kan anslutas. Denna enhet kan anv¨andas p˚a m˚anga olika s¨att, bland annat i Internet of Things-sammanhang (IoT) eller till n¨atverks¨overvakning [4].

2.2 Packet sniffer

Packet sniffer ¨ar program eller kommandon vars uppgift ¨ar att titta i skickade eller mot-tagna paket efter specifik information som till exempel ip-adresser [5]. Dessa verktyg anv¨ands bland annat f¨or att konvertera bin¨ar data till data som ¨ar l¨aslig f¨or m¨anniskor. Anv¨andningsomr˚aden f¨or packet sniffer-verktyg ¨ar m˚anga och anv¨ands av bland annat n¨atverkstekniker f¨or att uppt¨acka intr˚ang i n¨atverket, logga trafik eller fels¨oka ett n¨atverk. 2.2.1 tcpdump

Tcpdump ¨ar ett packet sniffer-verktyg som skapades i b¨orjan p˚a 90-talet p˚a Lawrence Ber-kely National Laboratory [5]. Tcpdump ¨ar ett UNIX-verktyg som anv¨ands f¨or att samla data fr˚an ett n¨atverk, avkoda sm˚a detaljer och presentera detta i ett relativt l¨attl¨ast for-mat p˚a sk¨armen.

Figur 1: tcpdump-exempel

Figur1visar ett exempelutdrag p˚a hur det ser ut n¨ar tcpdump k¨ors. Kommandot ¨ar inst¨allt p˚a att f˚anga upp fem paket i verbose mode. Det sistn¨amnda ger lite mer information om varje paket ¨an om det hade k¨orts utan den flaggan.

Figur1 visar bland annat:

1

(8)

• Tiden d˚a paketet togs emot p˚a mikrosekund-niv˚a. • Typen av paket som togs emot.

• Vilken adresstyp som anv¨ands. • Destination p˚a paketet.

• Var paketet skickades ifr˚an (lokalt eller externt). • Storleken p˚a paketet.

Detta representerar en liten del av all information som g˚ar att utvinna med hj¨alp av tcpdump. Med extra flaggor s˚asom -vv eller -vvv visas ytterligare detaljer i inneh˚allet fr˚an alla paket. Det finns en uppsj¨o av flaggor som har olika egenskaper vars syfte ¨ar att anv¨andaren ska f˚a s˚a mycket och relevant information som m¨ojligt, till exempel kan -i -flaggan anv¨andas f¨or tcpdump endast ska f˚anga informationen p˚a specificerat interface.

2.3 Prometheus

Prometheus ¨ar ett open source-¨overvakningsverktyg utvecklat av SoundCloud som sl¨apptes till allm¨anheten 2016 [6]. Verktyget samlar data fr˚an olika k¨allor som en str¨om av tids-st¨amplade v¨arden och lagrar dessa. Dessa v¨arden kan identifieras med metric-namn och nyckelpar. Exempel p˚a n˚agra olika metric-typer:

• Counter: anv¨ands f¨or att m¨ata data som ¨okar successivt [7]. D¨arf¨or anv¨ands counter med f¨ordel till antalet error-meddelanden eller antalet slutf¨orda uppgifter.

• Gauge: representerar ett numeriskt v¨arde som b˚ade kan ¨oka och minska dynamiskt [7]. Anv¨ands till m¨atdata s˚asom temperatur eller nuvarande minnesanv¨andning. • Histogram: anv¨ands f¨or att observera storleken p˚a olika h¨andelser [8]. Histogram ¨ar

likt en counter och ¨aven den ¨ar en funktion som m¨ater data som ¨okar succesivt. • Summary: likt histogram samlar summary data om h¨andelser [7]. Anv¨ands till att

se totala antalet h¨andelser eller summan av alla h¨andelsers v¨arde.

Prometheus anv¨ander ett funktionellt anropsspr˚ak, Prometheus Querying Language (PromQL), som anv¨ander en pull-metod f¨or att markera och samla metrics i realtid [6]. Den efter-fr˚agade datan kan visualiseras som grafer eller tabeller i webbl¨asaren via Hyper Text Trans-fer Protocol (HTTP) och Application Programming Interface (API) i kombination med varandra.

2.4 Grafana

Grafana till˚ater anv¨andaren att bland annat visualisera och varna med hj¨alp av olika metrics eller logg-filer oavsett var dessa ¨ar lagrade [9]. Detta g¨or att du kan f˚a data fr˚an din time-series database (TSDB) att visualiseras som till exempel grafer [10]. I Grafana kan grafer, r¨aknare eller annan grafisk text presenteras med hj¨alp av en datak¨alla som m˚aste definieras innan n˚agot kan visas. Grafana anv¨ands fr¨amst f¨or att ¨overvaka infrastruktur och analysera logg-filer i syfte att f¨orb¨attra effektiviteten i systemet. I Grafana skapas ett dashboard som ¨ar en samling av paneler d¨ar varje panel kan visa olika information beroende p˚a hur de st¨alls in. Dashboards underl¨attar processen och automatiserar insamlingen av data. Ett dashboard i Grafana st¨odjer flertalet paneler i ett och samma dashboard, vilket g¨or att du kan titta p˚a olika orelaterade h¨andelser samtidigt, s˚asom loggfiler och anv¨andning av processorkraft.

(9)

3

Tidigare arbeten

I avsnittet nedan redog¨or jag f¨or den litteratur som ligger till grund f¨or det h¨ar arbetet. Litteraturen ger en inblick i hur internetleverant¨orer fakturerar sina kunder och vad som kan vara problematiskt med det. Tv˚a av studierna lyfter liknande s¨att att m¨ata data p˚a. Den tredje artikeln introducerar en annan attackvinkel i hur data kan m¨atas och som avslutande text har rapporten Svenskarna och internet sammanfattats i det kortaste med intressanta siffror relaterade till den h¨ar rapporten.

3.1 Faktureringssystem f¨or internetleverant¨orer

En studie utf¨ord p˚a Menoufiya universitet i Egypten f¨ors¨okte 2002 ta fram en alternativ betalningsmetod f¨or internetleverant¨orer [11]. I artikeln presenteras fyra olika alternativ till att ta betalt f¨or en internetleverant¨or. Fast m˚anadskostnad: Anv¨andarna betalar en summa pengar varje m˚anad f¨or att ha tillg˚ang till internet oavsett hur mycket som anv¨ands eller n¨ar det anv¨ands. Betala f¨or det som anv¨ants: I den h¨ar modellen sker faktureringen baserat p˚a hur mycket av n¨atverket som kunden har anv¨ant, till exempel kan fakturans belopp bero p˚a hur mycket data som har ¨overf¨orts. Det finns komplikationer i denna modell d¨ar skribenterna j¨amf¨or det med hur telefonsamtal fungerade f¨orr, d˚a kunden betalade baserat p˚a varje samtals l¨angd i minuter samt avst˚and mellan telefonerna. Ta betalt beroende p˚a om det ¨ar h¨og belastning p˚a n¨atverket: Den h¨ar modellen ¨ar snarare ett extra till¨agg mer ¨

an en egen betalningsmodell. Internetleverant¨orerna tar en h¨ogre avgift beroende p˚a hur belastat n¨atverket ¨ar.

Kvalitetsavgift: Som den tidigare n¨amnda metoden ¨ar inte heller detta en egen en egen betalningsmetod utan ett till¨agg. Det inneb¨ar helt enkelt att internetleverant¨orerna tar betalt f¨or Quality of Service.

Det f¨oreslagna systemet som skribenterna har tagit fram baserar sig p˚a betala f¨or det som anv¨ants-metoden [11]. En fr˚aga st¨alls till anv¨andaren om hen ¨ar medveten om att det kommer att kosta pengar f¨or att koppla upp sig p˚a internet. Anv¨andaren ges ˚atkomst till internet ifall den accepterar f¨orfr˚agan, annars fullbordas aldrig uppkopplingen. Detta fungerar d˚a de anv¨ander en enhet som alltid ligger och kontrollerar och autentiserar vem det ¨ar som kopplar upp sig s˚a att fakturan kommer till r¨att person.

3.2 Fakturering baserat p˚a datam¨angd

I artikeln Measuring and Billing User Internet Traffic beskriver Jean-Charles Gr´egoire att allt fler internetleverant¨orer ¨andrar sin betalningsmodell fr˚an att erbjuda en fast band-bredd med obegr¨ansad datam¨angd till att erbjuda en betalningsmodell d¨ar datam¨angden styr priset [12]. Studien fokuserar p˚a hur en abonnent ska veta hur den ska tolka det som st˚ar p˚a fakturan efter att detta system inf¨ors. En del av fokuset riktas ocks˚a mot ifall detta ¨ar ett r¨attvist system. F¨or att svara p˚a den sistn¨amnda fr˚agan sattes ett system upp d¨ar m¨atningar utf¨ordes med hj¨alp av en enhet som placerades mellan hemmaroutern och utrustningen som internetleverant¨oren har f¨orsett kunden med. I artikeln beskriver Gr´egoire att det ¨ar l¨att att hitta en mjukvara som kan k¨oras p˚a en enhet f¨or att ¨overvaka den enhetens interface och s˚aledes m¨ata den data som passerar mellan dessa interface. Gr´egoire menar d˚a att det blir ett problem att g¨ora denna typ av m¨atning om en hel fa-milj ska ¨overvakas eftersom enheten inte tar h¨ansyn till vem det ¨ar som anv¨ander internet och till vad det anv¨ands. Skribenten menar d¨arf¨or att s¨attet som internetleverant¨orerna har gjort sina m¨atningar ¨ar op˚alitliga och or¨attvisa. Systemet anses av skribenten som

(10)

partiskt och det ¨ar sv˚art som kund att f˚a feedback p˚a vad det ¨ar som st˚ar p˚a fakturan, om personen inte ¨ar kunnig inom omr˚adet. Detta ¨okar sv˚arigheten i att bestrida en felaktig faktura och s˚aledes har internetleverant¨orerna ett or¨attvist ¨overtag ¨over kunderna. Det skrivs ¨aven “Not all usages are created equal” d¨ar f¨orfattaren menar att en tj¨anst som ing˚ar i anv¨andarens abonnemang, till exempel e-post borde t¨acka den datam¨angd som beh¨ovs f¨or att skicka e-posten.

3.3 Datam¨atning med hj¨alp av brandv¨aggsloggar

I en thail¨andsk studie unders¨oktes brandv¨aggsloggar f¨or att kartl¨agga internetanv¨andning [13]. Studien syftar i f¨orsta hand till att ta fram en metod f¨or att titta p˚a loggfiler fr˚an en brandv¨agg f¨or att f¨orb¨attra Quality of Service (QoS). F¨orfattarna anv¨ander en algoritm som s¨oker igenom och markerar events i loggfilen, antingen markeras de som intressanta eller inte intressanta.

Denna metod tycker jag var intressant och jag utv¨arderade ifall det skulle passa i min studie. Efter att ha l¨ast hur denna studie gjorts ins˚ag jag att appliceringen av denna me-tod p˚a mitt arbete skulle bli sv˚ar. Det problemet som jag sett ¨ar bland annat att olika routrar skriver loggar p˚a lite olika s¨att, d¨arav blir det problem i mitt arbete n¨ar jag inte vet vilket m¨arke det ¨ar p˚a routern d¨ar jag ska utf¨ora mina m¨atningar och d¨arf¨or inte heller vet hur denna loggf¨or sina event.

3.4 Svenskarna och internet

Internetstiftelsen ¨ar en organisation som arbetar f¨or att internet ska ha en positiv inverkan p˚a samh¨allet [1]. Varje ˚ar utf¨or Internetstiftelsen en rapport i syfte att kartl¨agga inter-netvanorna hos den svenska befolkningen. Rapporten presenterar bland annat siffror som beskriver hur stor del av befolkningen som anv¨ander internet och hur stor del av dessa som anv¨ander olika tj¨anster till exempel sociala medier [14]. F¨or att ta fram dessa siffror har Internetstiftelsen anv¨ant sig av en webbenk¨at och urvalet har skett via statens perso-nadressregister. Rapporten tittar p˚a personer som ¨ar 16 ˚ar eller ¨aldre. N˚agra intressanta siffror fr˚an rapporten ¨ar bland annat att 96 % av de tillfr˚agade anv¨ander internet j¨amf¨ort med 95 % fr˚an f¨orra ˚aret.

Denna rapport ¨ar intressant eftersom den tittar p˚a hur svenskar sj¨alva upplever hur de anv¨ander internet. Skillnaden i min rapport ¨ar att jag b˚ade vill st¨alla fr˚agor till deltagarna och m¨ata vad hush˚allen faktiskt anv¨ander internet till. En intressant siffra som dyker upp i rapporten och vars n¨arvaro kan p˚averka mitt arbete ¨ar att ca 31 % anv¨ander internet mer under pandemin [14].

3.5 L¨ardomar av tidigare arbeten

Att lokalisera vetenskapliga artiklar eller dylikt vars syfte ¨ar att belysa faktisk dataanv¨andning hos privatpersoner visade sig vara ett st¨orre problem ¨an vad jag hade f¨orv¨antat mig. D¨aremot har jag lyckats f˚a fram en del artiklar som alla lyfter olika s¨att att m¨ata trafik p˚a eller kartl¨agga internetvanor. I Svenskarna och internet st˚ar det en hel del om statistik insamlat utifr˚an inskickade enk¨atsvar, vilket representerar en datainsamlingsmodell som enbart bygger p˚a deltagarnas egna uppfattningar. De tre vetenskapliga artiklarna beskri-ver tekniska l¨osningar f¨or hur datam¨atning kan g˚a till. Jag upplever inte att n˚agon av dessa artiklar svarar p˚a de fr˚agor som jag st¨aller, men det finns en del inspirerande

(11)

ele-ment i varje artikel. Jag tar med mig hur ett formul¨ar kan se ut, vad f¨or fr˚agor som kan st¨allas och framf¨or allt p˚a vilket s¨att. Jag tar ocks˚a med mig hur de tekniska l¨osningarna ¨

(12)

4

Fr˚

agest¨

allning

I ett samh¨alle d¨ar internet spelar en allt st¨orre roll och tekniken utvecklas snabbare ¨an m˚anga hinner med att uppdatera sig, kan det vara sv˚art att identifiera det egna behovet av surfm¨angd. Anv¨andare av mobilt bredband t¨anker f¨ormodligen mer p˚a dataanv¨andning ¨

an de som har fiberanslutning. Jag har utifr˚an egna erfarenheter varit i situationer d¨ar det inte funnits tillg˚ang till fiber i mitt hem och har d˚a anv¨ant mig av ett mobilt bredband. Jag tror inte att personer med mobilt bredband anv¨ander det p˚a samma s¨att som personer som har tillg˚ang till fiber. De ¨ar troligtvis mer insatta i hur mycket data som g˚ar ˚at till de tj¨anster som anv¨ands i hemmet j¨amf¨ort med de som har en fiberanslutning. Det som jag ¨ar intresserad av ¨ar hur stor datam¨angd det kr¨avs p˚a ett mobilt bredband f¨or att det ska kunna anv¨andas p˚a samma s¨att som en fiberanslutning.

Arbetets syfte ¨ar att unders¨oka hur mycket data som ett hush˚all med fiber anv¨ander, kartl¨agga tj¨anster som drar st¨orst del data och huruvida de som bor i hush˚allen vet hur mycket data de anv¨ander. Med denna utg˚angspunkt vill jag f¨ors¨oka att ge ett svar p˚a f¨oljande fr˚agor.

• Hur kan man m¨ata hur mycket data som anv¨ands i ett hush˚all?

• Hur mycket data anv¨ander de unders¨okta hush˚allen som har obegr¨ansad tillg˚ang till data via fiber?

• Hur kan man m¨ata vad internetanslutningen anv¨ands till i ett hush˚all? • Vilka tj¨anster anv¨ands internetanslutningen i hush˚allen till?

• Vad finns det f¨or kopplingar eller samband mellan hur mycket data som anv¨ands och vad hush˚allen upplever att de anv¨ander internet till?

(13)

5

Metod

F¨or att besvara fr˚agest¨allningen anv¨ands en del olika tillv¨agag˚angss¨att. Till att b¨orja med uppr¨attas en litteraturstudie f¨or att ta reda p˚a vad andra har gjort och kommit fram till. Det ¨ar en viktigt del i detta arbete eftersom jag vill j¨amf¨ora och analysera resultaten f¨or att se eventuella samband. Att l¨asa andra studier i samma ¨amne kan ge en inblick i hur mitt arbete kommer att ta form. Litteraturstudien kommer ¨aven att inneb¨ara att jag tar reda p˚a hur andra har gjort sina m¨atningar rent praktiskt och om det ¨ar n˚agot jag kan efterlikna i mitt arbete.

Ett formul¨ar tas fram f¨or att besvara fr˚agan om vad deltagarna tror de anv¨ander data till. Detta formul¨ar l¨amnas till respektive hush˚all och de fyller sj¨alva i svaret p˚a de st¨allda fr˚agorna. Fr˚agorna str¨acker sig fr˚an Hur mycket data tror du att du g¨or av med p˚a en m˚anad? till Vilken typ av tj¨anst tror du att ni i hemmet spenderar mest data p˚a? (till exempel streama video, datorspel, sociala medier).

Arbetet kommer ¨aven hantera data som samlas in med hj¨alp av en extern enhet. Jag anv¨ander i detta fall en Raspberry Pi model 4B som konfigureras att samla in m¨atdata med hj¨alp av tcpdump och r¨akna ut hur stor datam¨angd hush˚allet anv¨ander under en vec-kas tid. Placeringen h¨ar ¨ar viktig d˚a jag vill f˚a med ¨aven den data som ¨overf¨ors via WiFi, vilket kan bli problematiskt om Raspberry Pi-enheten placeras inuti n¨atverket. L¨osningen p˚a detta ¨ar att placera enheten mellan den router som redan finns i hemmet och fibe-ranslutningen. Tanken ¨ar att konfigurera en brandv¨agg p˚a Raspberry Pi-enheten eftersom den kommer att vara exponerad mot internet och kan d˚a vara mottaglig f¨or attacker. Vi-dare kommer konfigurationen av enheten inneb¨ara att den r¨aknar hur mycket data som passerar igenom de n¨atverksinterface som finns p˚a enheten och skriva det till en fil. Denna fil kommer klassificeras som r˚adata i detta fall. Med hj¨alp av detta kommer jag kunna r¨akna ut hur mycket data som hush˚allet g¨or av med under den vecka som m¨atningarna p˚ag˚ar. Det ¨ar viktigt att po¨angtera att deltagarna i studien kommer att veta om att jag g¨or m¨atningar vilket kan resultera i att de ¨andrar sina vanor. Detta kan st¨alla till med problem eftersom jag g¨arna vill ha en s˚a naturlig m¨atning som m¨ojligt. Jag vill dock klarg¨ora f¨or b˚ade l¨asare och deltagare att jag inte l¨agger v¨ardering i vilka hemsidor som bes¨oks utan endast ¨ar intresserad av vilken typ av tj¨anst som anv¨ands. Om en deltagare surfar in p˚a youtube.com ¨ar det inte intressant i arbetet vilka videor hen tittar p˚a ut-an det intressut-anta ¨ar att de tittar p˚a videor och s˚aledes anv¨ander tj¨ansten streaming. Jag upplever inte att detta kan komma att bli ett stort problem men det ¨ar v¨art att po¨angtera. I b¨orjan av arbetet samlas m¨atdata in med hj¨alp av Raspberry Pi-enheten och en enk¨at skickas ut till deltagarna efter m¨atarbetet. Jag kommer till en b¨orjan g˚a igenom den insam-lade datan och identifiera intressepunkter manuellt, men under arbetets g˚ang kan denna process komma att automatiseras. N¨ar enk¨aterna ¨ar ifyllda och insamlade g˚ar jag ¨aven igenom dessa och identifierar information av v¨arde f¨or rapporten. En sammanst¨allning g¨ors med insamlad m¨atdata och formul¨arsvaren som byggstenar vilket sedan ligger till grund f¨or analysen. Analysarbetet sker genom att skapa en ¨overblick ¨over det insamlade materialet och utifr˚an det se om det g˚ar att hitta samband. Jag f¨orv¨antar mig att perso-nerna i fr˚aga kommer bli f¨orv˚anade ¨over hur mycket data de sj¨alva anv¨ander under den period som m¨atningarna sker. Jag f¨orv¨antar mig ocks˚a kunna se vilka tj¨anster som har anv¨ants under m¨atperioden samt hur mycket data som har anv¨ants totalt.

(14)

6

Etik och samh¨

alleliga aspekter

M¨atningarna sker hemma hos riktiga m¨anniskor och de ¨ar utl¨amnade helt till vad jag v¨aljer att samla in. Detta kan f˚a en att fundera kring en del forskningsetiska st¨allningstaganden som att de utvalda hush˚allen inte har n˚agon m¨ojlighet att sj¨alva p˚averka sin anonymitet. I detta fall kommer jag att g¨ora mitt yttersta f¨or att deltagarna ska k¨anna sig skyddade och anonyma gentemot rapportens l¨asare. F¨or att uppn˚a detta m˚al kommer data endast sparas lokalt p˚a Raspberry Pi-enheten. Under sammanst¨allningen av m¨atdata kommer hush˚allens ip-adresser och eventuella anv¨andarnamn uteslutas f¨or att s¨akerst¨alla anony-mitet. Jag anser att de f¨orsiktighets˚atg¨arder jag tagit ¨ar tillr¨ackliga f¨or att inte st¨alla till med n˚agra st¨orre etiska dilemman.

Arbetet kan bidra till samh¨allet genom att ligga till grund f¨or andra projekt. Ett s˚adant projekt skulle kunna vara ett verktyg d¨ar personer kan beskriva sin f¨orv¨antade anv¨andning av internet och olika tj¨anster och f˚a en uppskattning av hur mycket data de f¨orv¨antas g¨ora av med mycket data de f¨orv¨antas att g¨ora av med. Detta verktyg skulle kunna vara en oberoende tj¨anst som m¨anniskor kan anv¨anda f¨or att ta reda p˚a ungef¨ar hur mycket de anv¨ander och hur mycket de kan t¨ankas beh¨ova vid ett eventuellt k¨op av ett mobilt bred-bandsabonnemang. Arbetet skulle ¨aven kunna ligga till grund f¨or vidare forskning vars syfte ¨ar att unders¨oka internetvanor hos privatpersoner.

(15)

7

Utformning av m¨

atningar

Tidigare arbeten som l¨astes i relation till detta projekt visar att fr˚agest¨allningen ¨ar relativt unik. Jag kunde inte hitta n˚agra studier vilka besvarar de fr˚agor som jag s¨oker svaren p˚a. Ist¨allet har de tidigare arbeten som jag har g˚att igenom gett en blandning av inspiration och en grund att st˚a p˚a inf¨or kommande pr¨ovningar i projektet. Det ¨ar via dessa studier och annan informationss¨okning som jag till slut kom fram till att anv¨anda en Raspberry Pi som en router och med hj¨alp av denna m¨ata trafiken som str¨ommas igenom de interface som finns p˚a enheten. Att v¨alja en Raspberry Pi ¨over konkurrerande m¨arken var ett givet val f¨or mig d˚a jag redan hade tillg˚ang till en Raspberry Pi och skillnaderna mellan olika minidatorer inte har n˚agon st¨orre betydelse f¨or det h¨ar anv¨andningsomr˚adet.

7.1 Raspberry Pi som router

Raspberry Pi-enheten kommer placeras mellan hemmaroutern och fiberanslutningen. H¨ar kommer den att agera som en router f¨or att inte beh¨ova g¨ora ytterligare inst¨allningar i varje hemmarouter d¨ar m¨atningen sker. Detta har gjort att m¨atningarna g˚ar snabbt att starta upp n¨ar jag ¨ar p˚a plats i hush˚allet. Oavsett vad f¨or hemmarouter eller hur m˚anga enheter som ¨ar anslutna till denna kommer all data som skickas ut eller tas emot fr˚an internet att m¨atas, d˚a all trafik m˚aste passera Raspberry Pi-enheten, som samlar in datan, se figur2.

Figur 2: Placering av Raspberry Pi

7.2 Raspberry Pi som m¨atenhet

F¨or att samla in data har n˚agra olika l¨osningar kombinerats. P˚a Raspberry Pi-enheten k¨ors ett script som f˚angar in trafik med hj¨alp av tcpdump. Scriptet konverterar datan s˚a att den kan ¨overf¨oras till en Prometheus-instans som ligger lokalt p˚a Raspberry Pi-enheten. I Prometheus samlas data under en m¨atperioden p˚a en vecka f¨or att sedan sparas som en snapshot och ¨overf¨oras till en dator d¨ar jag k¨or Grafana och Prometheus i en virtuell maskin. Grafana ritar ut grafer och tabeller p˚a sk¨armen.

7.3 Scriptet som f˚angar upp data

F¨or att Raspberry Pi-enheten ska kunna f˚anga upp den trafik som passerar mellan de tv˚a interface som finns p˚a mini-datorn har jag anv¨ant mig av ett python-script. Detta script ¨ar utvecklat av Zane Claes [15] och hanterar insamling av data till Prometheus med hj¨alp av tcpdump. Scriptet kan k¨oras med flaggor som modifierar vilken information som tcpdump f˚angar upp. Jag har k¨ort med flaggorna enligt figur 3 d¨ar jag inkluderar n¨atverken 172.16.0.0/24 och 192.168.1.0/24.

(16)

Figur 3: Kommando f¨or att starta scriptet inklusive flaggor

Det f¨orsta n¨atverket (172.16.0.0/24) delas ut av Raspberry Pi-enheten med hj¨alp av Dy-namic Host Configuration Protocol (DHCP) och det kommer att delas ut till hemma-routern. Detta g¨or att hemmaroutern tror att Raspberry Pi-enheten ¨ar en router som tillh¨or internetleverant¨oren. Det andra n¨atverket (192.168.1.0/24) ¨ar det som hemmarou-tern delar ut via DHCP till de enheter som ¨ar anslutna till den. F¨or att f˚anga upp all trafik som passerar mellan hemmet och internet beh¨over dessa tv˚a n¨atverk identifieras. Eftersom 172.16.0.0/24-n¨atverket delas ut av Raspberry Pi-enheten beh¨over den flaggan aldrig ¨andras n¨ar scriptet k¨ors. D¨aremot beh¨over 192.168.1.0/24 flaggan ¨andras n¨ar enhe-ten byter m¨atst¨alle. Den beh¨over ¨andras till det n¨atverk som den aktuella hemmaroutern delar ut. Kortfattat s¨ager flaggorna till scriptet vilka n¨atverk som ska f˚angas upp av tcp-dump och det ¨ar upp till mig att specificera vilka n¨atverk det r¨or sig om.

7.3.1 tcpdump

Scriptet samlar in data med hj¨alp av tcpdump som hela tiden ligger i bakgrunden och streamar paket till Prometheus. Tcpdump k¨ors med flaggan -i vilket till˚ater anv¨andaren att specificera vilket (eller vilka) interface som verktyget ska fokusera insamlingen av data p˚a. Flaggan -v s¨ager till tcpdump att visa mer inneh˚all ¨an vad den normalt g¨or, ¨aven k¨ant som verbose mode. F¨or att scriptet ska hinna med n¨ar tcpdump k¨ors anv¨ands ¨aven flaggan -l f¨or att sakta ner fl¨odet av text. Texten l¨aggs i en slags buffer f¨or att ingen information ska g˚a f¨orlorad.

7.3.2 Prometheus

Den str¨ommade datan fr˚an tcpdump omvandlas till Prometheus-metrics innan den skickas till Prometheus i scriptet. Varje metric som skickas till Prometheus har flaggorna src som st˚ar f¨or source, dst st˚ar f¨or destination, proto som st˚ar f¨or protocol vilket talar om vilket protokoll som anv¨ands och service som talar om vilken tj¨anst som anv¨ands. Dessa flaggor finns p˚a varje Prometheus-metric och utg¨or hela r˚adatan n¨ar den ¨ar skickad till Prometheus. Inst¨allningar i Prometheus-servern g¨ors i filen Prometheus.yml, se i figur4 i f¨alten global: och scrape configs: de inst¨allningar jag har gjort.

(17)

Figur 4: Inst¨allningar i prometheus.yml

N¨ar en m¨atning ¨ar f¨ardig tas en snapshot av Prometheus-instansen, vilket inneb¨ar att instansen sparas i precis det skick den ¨ar i just d˚a, inklusive all data som ligger lagrad. F¨or att kunna ta en snapshot i Prometheus beh¨over ett admin-API aktiveras och en Hy-per Text Transfer Protocol-post (HTTP-post) skickas. F¨or att aktivera admin-API l¨agger man –web.enable-admin-api till kommandot n¨ar Prometheus ska startas. Jag anv¨ande curl f¨or att skicka en HTTP-postf¨orfr˚agan till servern med kommandot: curl -XPOST http://localhost:9090/api/v1/admin/tsdb/snapshot , detta g¨ors n¨ar Prometheus-servern ¨ar ig˚ang och k¨or. En sak v¨art att notera ¨ar att Prometheus endast sparar data i femton dagar som standardinst¨allning. Det g˚ar att l¨osa detta genom att l¨agga till – storage.tsdb.retention.time=365d n¨ar Prometheus-servern startas. D˚a l¨aser servern data fr˚an upp till ett ˚ar tillbaka.

7.3.3 Grafana

Det grafiska verktyget Grafana anv¨ands f¨or att underl¨atta analysen av arbetet. Prometheus anv¨ands som datak¨alla i Grafana, vilket betyder att allt som visas p˚a sk¨armen kommer fr˚an Prometheus. Jag har st¨allt in Grafana att anv¨anda n˚agot som heter bar gauge och stat, dessa visas i figur 5 respektive figur 6 nedan. Kodraden som jag har utg˚att ifr˚an n¨ar jag har gjort mina paneler i Grafana ¨ar h¨amtad fr˚an samma person som har skrivit scriptet [15], den ser ut som f¨oljer:

topk(10, sum by(src) (increase(ntm_bytes_total{dst!~"$LocalIPs", src!~"($ExcludedServers)|($LocalIPs)",proto=~"Protos",

service=~"$Services"}[$__range])))

De ¨andringar jag har gjort j¨amf¨ort med det som syns ovan ¨ar att jag har ¨andrat i den panelen som visar bar gauge att visa de tjugofem st¨orsta posterna ist¨allet f¨or de tio st¨orsta. Detta f¨or att det ska vara ¨oversk˚adligt och bara visa det som vi ¨ar intresserade av, i detta fall de st¨orsta posterna.N˚agot som noterades och anledningen till att jag valt att bara visa de tjugofem st¨orsta posterna i Grafana ¨ar att det fanns ett hundratal poster som var v¨aldigt sm˚a och inte gick att framf¨ora p˚a ett presentabelt s¨att. I stat -panelen har jag tagit bort funktionen att endast visa de st¨orsta posterna och ¨andrat det till att visa totalm¨angden f¨or alla poster (inte bara de tio eller tjugofem st¨orsta posterna).

(18)

Figur 5: Bar gauge

Figur 6: Stat

7.4 Formul¨aren

F¨or att utforma formul¨aren har jag tagit hj¨alp av formul¨arverktyget som finns p˚a Google docs2. Formul¨aret ¨ar framtaget efter att m¨atningarna med Raspberry Pi-enheten avsluta-des. Anledningen till det ¨ar f¨or att det fanns en chans att det kunde framkomma intressanta resultat som jag ville fr˚aga deltagarna om. Fr˚agorna i formul¨aret har noga ¨overv¨agts med fokus p˚a att det ska vara l¨att att f¨orst˚a vad som efterfr˚agas och att de ska vara enkla att svara p˚a. Syftet med detta ¨ar att jag ville att alla deltagare skulle svara p˚a formul¨aret, om det d˚a ¨ar enkelt att f¨orst˚a och g˚ar snabbt att svara p˚a ¨okar den chansen. Deltagarna hade 7 dagar p˚a sig att fylla i formul¨aret och svara p˚a fr˚agorna, samtliga l¨amnade in formul¨aret tidigare ¨an s˚a. Jag har tidigare n¨amnt att jag i m¨ojligaste m˚an vill l˚ata deltagarna vara anonyma i arbetet, men f¨or att koppla ihop r¨att m¨atning med r¨att formul¨ar beh¨ovde jag l¨agga till en fr˚aga om namn l¨angst ner i formul¨aret. Denna information har redigerats bort i resultatet med h¨ansyn f¨or deltagarna och anv¨andes bara av mig f¨or att g¨ora den tidigare n¨amnda kopplingen. Se figur7f¨or hur formul¨aret som deltagarna svarat p˚a ser ut. Det har ¨aven f¨orekommit att jag har haft muntliga diskussioner kring m¨atningarna med deltagarna.

2

(19)

Figur 7: Tomt formul¨ar som deltagarna har fyllt i

7.5 Sammanst¨allning av tillv¨agag˚angss¨att

Jag har under m¨atperioden samlat in data fr˚an fyra hush˚all som presenteras i resultatav-snittet av rapporten. Med hj¨alp av Raspberry Pi-enheten, Prometheus, Grafana, tcpdump och det omn¨amnda scriptet har jag lyckats samla in data som g˚ar att analysera. Formul¨aren har utformats med en tanke om att kunna dra paralleller till de utf¨orda m¨atningarna och

(20)

se kopplingar, samband eller avsaknad av kopplingar och samband. Systemet har tes-tats under en period i mitt hemn¨atverk d¨ar Raspberry Pi-enheten satt under en kortare m¨atperiod f¨or att se till att den fungerade.

F¨or att g¨ora m¨atningarna i hush˚allen kr¨avs att jag tar reda p˚a den lokala ip-adressen som hemmaroutern delar ut f¨or att st¨alla in scriptet till att samla information ifr˚an r¨att n¨atverk. I ¨ovrigt kunde jag starta alla processer p˚a Raspberry Pi-enheten utan komplikationer n¨ar jag anl¨ande till platsen och enheten var inkopplad.

(21)

8

Resultat

M¨atningar har gjorts p˚a fyra platser och producerat fyra m¨atbara resultat. Resultaten kommer att presenteras ett och ett med tillh¨orande figur. Figuren ¨ar framtagen med hj¨alp av Grafana och representerar dels den totala m¨angden data som anv¨ants och dels vilken post som har anv¨ant st¨orst datam¨angd. I figurerna syns de tjugofem st¨orsta posterna r¨aknat uppifr˚an och ner. Vidare presenteras i bilaga A ¨aven tabeller gjorda utifr˚an dessa m¨atningar som visar vilket f¨oretag som st˚ar som ¨agare till de ip-adresser som det inte gick att l¨asa ut namnet p˚a direkt i de anv¨anda programmen. F¨or att hitta dessa f¨oretag har jag manuellt skrivit in ip-adresserna i s¨okmotorn whatismyipaddress3. S¨okmotorn visar vilken organisation eller f¨oretag som ¨ager just den ip-adressen. Dessa tabeller visar p˚a en utmaning som jag inte kunde f¨orutse innan arbetet. Det har visat sig att det blir sv˚art att st¨alla deltagarnas uppm¨atta resultat mot de svaren som ˚aterfinns i formul¨aren. F¨or att detta skulle vara optimalt hade jag g¨arna sett att alla poster hade haft ett tydligt namn som enkelt g˚ar att koppla mot en tj¨anst. Formul¨arsvaren till respektive m¨atning finns tillg¨angliga i bilaga B.

8.1 Problem med m¨atningarna

Ett par problem med att g¨ora en oberoende m¨atning p˚a det h¨ar s¨attet har dykt upp under arbetets g˚ang och st¨aller till det n¨ar resultaten ska analyseras. Dessa utg¨or sv˚arigheter i att besvara vissa fr˚agest¨allningar och b¨or uppm¨arksammas.

8.1.1 Overs¨¨ atta ip-adresser

I bilderna fr˚an Grafana som presenteras f¨or varje hush˚all st˚ar det namn p˚a en del poster och ip-adresser p˚a andra. Att det st˚ar ett namn ¨ar positivt d˚a det betyder att scriptet har kunnat g¨ora en Domain Name System lookup (DNS lookup) med ett lyckat resultat. I de poster d¨ar det endast st˚ar en ip-adress har inte en DNS lookup kunnat utf¨oras. Jag har d˚a manuellt s¨okt efter ett namn att koppla till ip-adressen. Eftersom det inte har g˚att att g¨ora en DNS lookup kan jag inte med mina kunskaper f˚a fram ett helt korrekt namn att koppla till adresserna. Jag utforskade m¨ojligheten att f˚a n˚agot slags namn att koppla till adresserna och kunde med hj¨alp av whatismyipaddress ta fram vilket f¨oretag som st˚ar som ¨

agare till specifika ip-adresser. Detta utg¨or dock ett problem i sig eftersom det inte g˚ar att till etthundra procent s¨aga vilken tj¨anst som ¨ar kopplad till vilken post. D¨arf¨or blir fr˚agest¨allningen Vad anser personerna i hemmet att de anv¨ander internet till? och g˚ar det att se i m¨atningarna? sv˚ar att svara p˚a fullt ut. Det skulle ocks˚a ta v¨aldigt l˚ang tid att ¨

overs¨atta samtliga ip-adresser i ett st¨orre arbete men det har varit hanterbart i mitt fall d˚a jag endast fokuserat p˚a de tjugofem st¨orsta posterna.

8.1.2 Sm˚a poster

Anledningen till att jag valt att enbart visa de tjugofem st¨orsta posterna i bilderna fr˚an Grafana ¨ar att det skulle bli o¨oversk˚adligt om alla poster skulle tas med, eftersom det finns flera hundra stycken i varje hush˚all. Dessa sm˚a poster kan visa sig tillh¨ora samma tj¨anst utan att det syns och borde d˚a s˚aledes r¨aknas samman. Eftersom ett f¨oretag kan ¨

aga flera ip-adresser ¨ar det inte tydligt vilken tj¨anst alla ip-addresser tillh¨or. Jag har inte kunnat r¨akna samman dessa eftersom det skulle ha varit f¨or tidskr¨avande och det skulle finnas en os¨akerhet i en del ¨oversatta ip-adresser (se avsnitt ovan). F¨or att presentera

(22)

ett exempel kan ett f¨oretag anv¨anda sig av olika servrar (och d¨arf¨or olika ip-adresser) f¨or olika inneh˚all. Youtube.com har troligtvis inte alla videor lagrade p˚a samma server. Mina m¨atningar visar inte youtube.com n˚agonstans, trots att det enligt muntlig diskussion med en deltagare anv¨ands i hemmet. Detta kan bero p˚a att youtube.com antingen g¨ommer sig bakom google.com som st˚ar som ¨agare eller att det ¨ar uppdelat i flera mindre poster s˚a att de inte syns i listan som jag har tagit fram. Detta g¨or att det inte g˚ar att sammanst¨alla alla sm˚a poster p˚a ett presentabelt s¨att i den h¨ar rapporten.

8.1.3 Internetleverant¨orer

Det finns n˚agra poster som sticker ut n¨ar resultatet presenteras. Internetleverant¨orerna har f¨orv˚anansv¨art stora poster. Jag kan inte utifr˚an mina m¨atningar svara p˚a varf¨or in-ternetleverant¨orernas poster ¨ar s˚a pass stora som syns i till exempel figur11. Detta st¨aller till problem d˚a det inte g˚ar att avg¨ora vilken tj¨anst som faktiskt har anv¨ants utan jag kan bara r¨akna den totala datam¨angden.

8.1.4 Ok¨anda poster

Det sista problemet jag vill lyfta innan resultaten kopplade till de fyra hush˚allen presen-teras ¨ar det d¨ar f¨oretag som inte ¨ar allm¨ant k¨anda dyker upp. I tabell 1 nedan lyfter jag n˚agra exempel p˚a s˚adana f¨oretag som dyker upp i varje hush˚all och vissa f¨oretag dyker upp flertalet g˚anger i samma hem. Detta blir ett problem i arbetet eftersom det inte g˚ar att avg¨ora vilken tj¨anst som tillhandah˚alls av dessa f¨oretag. Det kan ¨aven vara s˚a att det ¨

ar ett f¨oretag som st˚ar som ¨agare men att det ¨ar ett mer v¨alk¨ant f¨oretag som faktiskt ¨ar m˚alet som anv¨andarna har surfat in p˚a.

Tabell 1: Intressanta poster fr˚an m¨atningarna Intressanta poster

Namn Antal upprepningar Kort beskrivning

akamaitechnologies.com 4 CDN service

provi-der

Fastly 8 Cloud Computing

servide provider Level 3

Communica-tions

21 Internet-leverant¨or

8.2 Hush˚all 1

Den f¨orsta m¨atningen tar plats i en l¨agenhet med en fast fiberanslutning. Boende i l¨agenheten utg¨ors i sin helhet av en person i trettio˚ars˚aldern. Vi kan se i figur 8 att den totala m¨angden data som ¨ar uppm¨att stannar p˚a 238 GB, med en stor post p˚a ttvnw.net. ttvnw.net ¨ar en intressant post d˚a den sticker ut i och med den ¨overl¨agsna datam¨angden. Jag har kommit fram till att ttvnw.net tillh¨or streamingtj¨ansten twitch.tv. Vi kan i detta l¨age se att av den totala datam¨angden p˚a 238 GB ¨ar 227 GB anv¨ant p˚a denna streaming-tj¨anst och d¨armed det som hush˚allet g¨or av med mest data p˚a.

(23)

Figur 8: M¨atning 1

Deltagaren svarar i formul¨aret att hen tror att den totala anv¨andningen ¨overstiger 200 GB och att det ¨ar streamingtj¨anster ¨ar den tj¨anst som det anv¨ands st¨orst del data till i hush˚allet. Detta st¨ammer ¨overens med mina m¨atningar d˚a personen i fr˚aga har anv¨ant totalt 238 GB data under veckan som m¨atningarna p˚agick och vi kan h¨arleda att det ¨ar streamingtj¨ansten twitch.tv som tar den absolut st¨orsta posten. I den h¨ar m¨atningen anser jag d˚a att personen i fr˚aga ¨ar v¨al medveten om hur mycket data hen g¨or av med och vad denna data g˚ar till.

8.3 Hush˚all 2

M¨atningen ¨ar utf¨ord i en villa d¨ar tv˚a vuxna i ¨ovre tjugo˚ars˚aldern samt ett barn under sju ˚ar bor. Enligt figur9 landar den totala datam¨angden p˚a 41 GB. I den h¨ar m¨atningen finns ingen ¨overl¨agset stor post utan de st¨orsta posterna ¨ar relativt lika i storlek.

(24)

Figur 9: M¨atning 2

I formul¨aret har deltagarna svarat att de tror att de anv¨ant mellan 50 - 100 GB data under veckan, vilket ¨ar i n¨arheten av det faktiska resultatet, men inte helt korrekt. De svarade ¨

aven att de trodde att streaming skulle vara den tj¨anst d¨ar de anv¨ant st¨orst del data. B˚ada dessa uppskattningar ¨ar rimliga och jag upplever att deltagarna har bra koll p˚a hur mycket data som anv¨ands och vad den anv¨ands till. Den ¨oversta posten i figur9har namnet svt.se, vilket vi, med hj¨alp av m¨angden data, kan h¨arleda till att det ¨ar en streamingtj¨anst. Jag kan ocks˚a se i den h¨ar m¨atningen att internetleverant¨orer s˚asom telenor.se och comhem.se ligger h¨ogt p˚a listan. Posten p˚a comhem.se kan f¨orutom internetleverant¨oren ¨aven syfta till streamingtj¨ansten som heter comhem play. Jag kan inte avl¨asa vilken typ av trafik detta innefattar utan kan bara spekulera. Mer om det i avsnittet diskussion.

8.4 Hush˚all 3

Resultatet ¨ar uppm¨att i en l¨agenhet d¨ar en person i tjugo˚ars˚aldern bor. Den totala da-tam¨angden ¨ar uppm¨att till 152 GB och ¨aven h¨ar visar resultatet att en post dominerar dataanv¨andandet. Den ¨oversta posten enligt figur10¨ar bredband2.com vilket ¨ar en inter-netleverant¨or.

(25)

Figur 10: M¨atning 3

I fr˚agan om hur mycket data som hush˚allet anv¨ander har personen svarat mellan 0-10 GB. Resultatet visar att personen i fr˚aga inte har s˚a bra uppfattning om hur mycket data som faktiskt g¨ors av med i vardagen. P˚a fr˚agan om vad hen tror att hen har spenderat mest data p˚a, svaras det streamingtj¨anster. Hurvida detta st¨ammer eller inte ¨ar sv˚art att avg¨ora d˚a den st¨orsta posten inte g˚ar att avl¨asa vad f¨or tj¨anst som bidragit till denna datam¨angd eftersom det ¨ar en internetleverant¨or och inget som g˚ar att h¨arleda till n˚agot annat. Den n¨ast st¨orsta posten enligt figur 10 ¨ar svt.se. Denna post ¨ar troligen tj¨ansten svtplay vilket ¨ar en streamingtj¨anst.

8.5 Hush˚all 4

Den sista m¨atningen sker i en villa med tv˚a vuxna personer, en i ¨ovre tjugo˚ars˚aldern och en i sextio˚ars˚aldern. En total datam¨angd ¨ar uppm¨att till 170 GB enligt figur 11. ¨Aven denna m¨atning visar en ¨overl¨agset stor post med en uppm¨att storlek p˚a 82 GB som ocks˚a tillh¨or en internetleverant¨or.

(26)

Figur 11: M¨atning 4

I formul¨aret svarade de boende att de tror att de har gjort av med totalt 10-50 GB, vilket inte ligger speciellt n¨ara det uppm¨atta v¨ardet. De svarade ¨aven att de tror att streaming ¨

ar den st¨orsta delen av den spenderade datan. I det h¨ar l¨aget g˚ar det inte att avg¨ora vilken eller vilka tj¨anster som ligger bakom namnet bredband2.com.

(27)

9

Diskussion

Arbetets huvudsakliga fr˚aga var att ta reda p˚a om det g˚ar att m¨ata hur mycket data varje unders¨okt hush˚all anv¨ander p˚a en vecka. Den fr˚agan anser jag besvarad och med ett lyc-kat resultat. Att m¨ata hur mycket data som anv¨ands med hj¨alp av en Raspberry Pi-enhet fungerade b˚ade bra och d˚aligt. Det finns problem med l¨osningen, men grundfunktionen att m¨ata data fungerade som t¨ankt. Formul¨aret som var framtaget f¨or att st¨alla hush˚allens uppfattade dataanv¨andning mot den faktiska dataanv¨andningen var intressant, det visade att tv˚a av de tillfr˚agade hush˚allen upplevde att de sj¨alva inte anv¨ande mer ¨an 50 GB p˚a en vecka n¨ar det enligt m¨atningarna i sj¨alva verket var ¨over 100 GB i b˚ada fallen. Att t¨anka att en privatperson d˚a ska kunna avg¨ora sitt behov av surfm¨angd p˚a ett mobilt bredband k¨anns orimlig och vidare unders¨okningar beh¨over genomf¨oras inom ¨amnet f¨or att eventuellt kunna ge en generaliserad bild av hur mycket datam¨angd en privatperson surfar f¨or. ¨Onskv¨art vore om en s˚a pass stor studie som Svenskarna och internet ¨aven kunde ta med faktiskt dataanv¨andning och inte enbart utg˚a ifr˚an vad personerna svarar i ett formul¨ar. Jag f¨orst˚ar ocks˚a att detta ¨ar en mycket st¨orre utmaning, men jag tror att resultaten skulle bli intressanta att analysera.

Med Raspberry Pi-enheten och tcpcump som grundpelarna i arbetet har resultatet visat att de inte ger en lika fullst¨andig bild som jag hoppades p˚a inledningsvis. Resultatet kan inte ta fram exakt vilka tj¨anster som hush˚allen anv¨ander utan kan bara g¨ora godtyckliga tolkningar av det resultat som framkommer. Utifr˚an mina teorier skulle jag tro att proto-kollet Hyper Text Transport Protocol Secure (HTTPS) ligger bakom problemen. HTTPS krypterar vanlig trafik p˚a internet och kan d˚a s˚aledes inte l¨asas av i den l¨osning som jag har tagit fram. HTTPS ¨ar ocks˚a det ¨overl¨agset vanligaste protokollet som hemsidor anv¨ander sig av v¨arlden ¨over [16]. F¨or att komma runt problemet som HTTPS skapar kan eventuellt metoden f¨or att inspektera datatrafiken med hj¨alp av brandv¨aggsloggar vara till hj¨alp. Valet av Raspberry Pi som m¨atenhet ¨ar resultatet av en vilja att f˚a en s˚a oberoende studie som m¨ojligt och att det var en relativt l¨attillg¨anglig enhet. Jag ville skapa en oberoende studie som kan anv¨andas som v¨agledning eller ligga till grund f¨or kommande arbeten. M˚alet med arbetet var att kunna generalisera hur mycket data olika hush˚all anv¨ander, men det blev klart tidigt i arbetet att det m˚alet inte kommer att uppfyllas. Det fanns n˚agra begr¨ansningar som var tvunga att tas h¨ansyn till: jag hade bara en Raspberry Pi och jag hade begr¨ansat med tid till att g¨ora m¨atningar p˚a. Om jag hade haft andra f¨oruts¨attningar hade jag valt att genomf¨ora unders¨okningen p˚a ett annat s¨att. Till exempel hade fler Raspberry Pi-enheter m¨ojliggjort att fler hush˚all kunnat unders¨okas. Om fler hush˚all hade unders¨okts hade en mer generell bild kunnat skapas, men det gick inte i det h¨ar fallet d˚a m¨atningarna blev f¨or f˚a. Jag anser dock fortfarande att en vecka ¨ar en acceptabel m¨atperiod. En av utg˚angs punkterna i arbetet har varit att se om det g˚ar att m¨ata dataanv¨andningen i hush˚allen, och det har projektet lyckats med. Jag har lyckats ta fram en metod f¨or att m¨ata den totala dataanv¨andningen och kan f¨ora den kunskapen vidare.

(28)

10

Slutsatser

Jag p˚ab¨orjade arbetet med en tanke om att ta fram en metod f¨or att m¨ata anv¨and da-tam¨angd i olika hush˚all. Jag ville g¨ora m¨atningarna p˚a plats i hush˚allen f¨or att de skulle bli oberoende av internetleverant¨orernas utrustning. Jag har f¨ors¨okt hitta tillv¨agag˚angss¨att om hur m¨atningar likt den h¨ar kan g˚a till, men jag har inte st¨ott p˚a n˚agon studie som har varit liknande min utg˚angspunkt. De artiklar jag har l¨ast ¨ar ett axplock av arbeten som p˚a n˚agot sett relaterar till antingen hur m¨atningarna har tagit form, allts˚a varf¨or jag har gjort p˚a det s¨attet som jag har, eller beskriver hur personer i Sverige sj¨alva upplever hur de anv¨ander internet.

Jag kan s¨aga att jag har lyckats att m¨ata den totala datam¨angden, helt oberoende. ¨Aven om resultatet inte visar exakt vilka tj¨anster som har anv¨ants utan bara den totala da-taanv¨andningen ¨ar resultatet anv¨andbart. Svaret p˚a en av de st¨orsta fr˚agest¨allningarna besvaras, n¨amligen hur mycket data som anv¨ands i hush˚allen. Med den informationen kan d˚a hush˚allen avg¨ora vilken storlek p˚a till exempel mobilt bredband de skulle beh¨ova om fiberanslutningen skulle bli otillg¨anglig.

Problemet med att inte se vilken tj¨anst de anv¨ander blir tydligare om hush˚allen skulle vilja dra ner p˚a datam¨angden som anv¨ands. De kan exempelvis inte veta om svt.se fak-tiskt ¨ar den st¨orsta posten eller om det finns andra poster som tillsammans utg¨or en st¨orre total datam¨angd. Detta eftersom mitt resultat visar att flera tj¨anster kan d¨oljas i en och samma post kopplad till, till exempel, en internetleverant¨or eller att en och samma tj¨anst kan vara uppdelad i v¨aldigt m˚anga sm˚a poster med olika ip-adresser.

Med hj¨alp av formul¨aren utl¨ases sv˚arigheten f¨or en person att faktiskt uppskatta sin egen dataanv¨andning. Tv˚a av hush˚allen gjorde en uppskattning som visade mer ¨an 100 GB fel j¨amf¨ort med mina m¨atningar, vilket tyder p˚a att de inte har f¨orm˚agan att avg¨ora hur mycket data som anv¨ands i hush˚allet. Endast en person i unders¨okningen kunde uppskatta sin egen dataanv¨andning men jag tror att det kr¨avs en medvetenhet och ett intresse f¨or att kunna g¨ora den uppskattningen.

(29)

11

Framtida arbeten

Detta projekt utf¨ordes under en begr¨ansad period och har d¨arf¨or n˚agra begr¨ansningar som kan bli ett problem om detta skulle tas f¨or en generell studie. Det uppst˚ar ett problem n¨ar en uppskalning av projektet sker. Dels ¨ar projektet idag helt beroende av h˚ardvara, dels ¨ar det beroende av tiden hos varje person d¨ar m¨atningarna sker. I mitt projekt har jag haft m¨atutrustningen i ett hush˚all i en veckas tid. Under insamlingsperioden har jag flyttat runt Raspberry Pi-enheten till olika hush˚all f¨or att f˚a s˚a m˚anga m¨atpunkter som m¨ojligt. Detta arbete kan komma att bli omfattande om det ska g¨oras p˚a en skala av, l˚at oss s¨aga 1000 personer eller mer. Ett annat problem ¨ar att det inte alltid g˚ar att koppla en ip-adress mot ett dom¨annamn s˚a enkelt som jag f¨orst trodde i b¨orjan av arbetet. En tj¨anst kan ha flertalet ip-adresser till samma sak, vilket inneb¨ar att en och samma tj¨anst dyker upp som flera olika poster. N¨ar jag unders¨okte dessa d¨ok de upp som ett mer ge-nerellt namn som till exempel Google fast det med stor sannolikhet ¨ar youtube.com som har anv¨ants, som i sin tur ¨ags av Google.

Om vi ist¨allet blickar fram˚at och l¨oser dessa problem som mitt arbete har inneburit har jag en vision om vad en studie som den h¨ar kan utvecklas till, ett verktyg oberoende inter-netleverant¨orer som kan hj¨alpa m¨anniskor att uppskatta sin egen dataanv¨andning. Detta verktyg kan t¨ankas fungera likt bredbandskollen.se fast f¨or dataanv¨andning. Om en st¨orre studie tar plats d¨ar de beskrivna problemen l¨oses kan ett s˚adant verktyg bli verklighet. Verktyget skulle kunna st¨alla fr˚agor som hur mycket streamar du video? eller spelas det tv/datorspel i hemmet? Detta skulle kunna ge en fingervisning i hur mycket data som anv¨ands i hush˚allet. Ett s˚adant verktyg skulle vara en bra informationsplats om en person eller familj funderar p˚a att inf¨orskaffa ett mobilt bredband.

Om problemen med att ta reda p˚a vilka f¨oretag och tj¨anster som ligger bakom varje post i mina m¨atningar kan det kanske dras kopplingar till hur mycket data som samlas in av oss m¨anniskor av olika f¨oretag. Det skulle ¨oka medvetenheten hos allm¨anheten och f¨orst˚aelsen av hur mycket data som faktiskt samlas in av oss, ofta kanske omedvetet av anv¨andaren.

(30)

Referenser

[1] Post- och telestyrelsen, “Bredbandsstrategin”, PTS, augusti 2020. [Online]. Tillg¨anglig:

https://www.pts.se/sv/bransch/internet/bredbandsstrategin/. [H¨amtad:

2021-04-12].

[2] S. Jain, A. Vaibhav och L. Goyal, “Raspberry Pi based interactive home automation system through E-mail,” i ICROIT 2014 - Proceedings of the 2014 International Conference on Reliability, Optimization and Information Technology, februari 2014, s. 277–280. [Online]. Tillg¨anglig:https://www.researchgate.net. [H¨amtad: 2021-04-12].

[3] Raspberry Pi Foundation, “Raspberry Pi 4 Tech Specs”, Raspberrypi. [Online]. Tillg¨anglig: https://www.raspberrypi.org/products/raspberry-pi-4-model-b/specifications/. [H¨amtad: 2021-04-14].

[4] Opensource.com, “What is a Raspberry Pi?”, opensource.com. [Online]. Tillg¨anglig:

https://opensource.com/resources/raspberry-pi. [H¨amtad: 2021-04-14].

[5] F. Fuentes och D. C. Kar, “Ethereal vs. Tcpdump: A Comparative Study on Packet Sniffing Tools for Educational Purpose,” Journal of Computing Sciences in Colleges, s. 169–176, april 2005. [Online]. Tillg¨anglig: https://dl.acm.org/.

[6] N. Sukhija, E. Bautista, O. James, D. Gens, S. Deng, Y. Lam, T. Quan och B. Lalli, “Event Management and Monitoring Framework for HPC Environments Using ServiceNow and Prometheus,” i Proceedings of the 12th International Conference on Management of Digital EcoSystems, 2020, s. 149–156. [Online]. Tillg¨anglig: https: //dl.acm.org/. [H¨amtad: 2021-05-26].

[7] Prometheus Authors, “Metric types”, Prometheus. [Online]. Tillg¨anglig: https:// prometheus.io/docs/concepts/metric_types/. [H¨amtad: 2021-05-13].

[8] B. Brazil, “How does a Prometheus Histogram work?”, robustperception, september 2019. [Online]. Tillg¨anglig: https : / / www . robustperception . io / how does a -prometheus-histogram-work. [H¨amtad: 2021-05-13].

[9] Grafana Labs, “Grafana”, Grafana Labs. [Online]. Tillg¨anglig: https://grafana. com/oss/grafana/. [H¨amtad: 2021-05-13].

[10] Skedler.com, “Everything you need to know about Grafana”, skedler. [Online]. Tillg¨anglig:

https://www.skedler.com/what- is- grafana- why- use- it- everything- you-should-know/. [H¨amtad: 2021-05-13].

[11] H. Ibrahim, B. Nossier och M. Darwish, “Billing system for Internet service pro-vider (ISP),” i 11th IEEE Mediterranean Electrotechnical Conference (IEEE Cat. No.02CH37379), 2002, 260–268a. [Online]. Tillg¨anglig:https://ieeexplore.ieee. org.

[12] J.-C. Gr´egoire, “Measuring and billing user Internet traffic,” i 6th EURO-NGI Con-ference on Next Generation Internet, juni 2010, s. 1–7. [Online]. Tillg¨anglig:https: //ieeexplore.ieee.org. [H¨amtad: 2021-04-12].

[13] J. Polpinij och K. Namee, “Internet Usage Patterns Mining from Firewall Event Logs,” i Proceedings of the 2019 International Conference on Big Data and Educa-tion, 2019, s. 93–97. [Online]. Tillg¨anglig: https://dl.acm.org/. [H¨amtad: 2021-05-26].

(31)

[14] J. Andersson, J. B¨ack och T. Ernbrandt, “Svenskarna och internet 2020”, svenskarna och internet, december 2020. [Online]. Tillg¨anglig:https://svenskarnaochinternet. se / app / uploads / 2020 / 12 / internetstiftelsen svenskarna och internet -2020.pdf. [H¨amtad: 2021-05-13].

[15] Z. Claes, “zaneclaes/network-traffic-metrics”, github, april 2020. [Online]. Tillg¨anglig:

https : / / github . com / zaneclaes / network - traffic - metrics / blob / master / network-traffic-metrics.py. [H¨amtad: 2021-05-23].

[16] DDOS, “HTTPS encryption traffic on the Internet has exceeded 90 percent”, me-terpreter, november 2019. [Online]. Tillg¨anglig: https://meterpreter.org/https-encryption-traffic/. [H¨amtad: 2021-05-12].

(32)

A

Tabeller

A.1 Namn¨overs¨attning M¨atning 1

Namn¨overs¨attning M¨atning 1

Ip-adress Storlek Agare¨

ttvnw.net 227 GB Twitch 172.16.0.101 4.035 GB Lokal ip-adress akamaitechnologies.com 1.505 GB akamaitechnologies.com 74.125.8.186 925 MB Google.com bahnhof.se 716 MB bahnhof.se 104.18.24.217 644 MB Cloudflare 192.229.221.58 543 MB Verizon Business google.com 247 MB google.com 104.18.25.247 228 MB Cloudflare cloudfront.net 185 MB cloudfront.net 1e100.net 178 MB Google.com amazonaws.com 138 MB amazonaws.com 151.101.1.140 120 MB Fastly 151.101.193.140 91.2 MB Fastly 65.9.44.128 85 MB Amazon CloudFront 151.101.65.140 64.6 MB Fastly 137.221.64.3 63.6 MB Blizzard Entertain-ment 151.101.86.167 52.3 MB Fastly 151.101.129.140 48.6 MB Fastly 137.221.64.8 42.7 MB Blizzard Entertain-ment 206.189.248.166 23.4 MB Digital Ocean 137.221.65.5 22.9 MB Blizzard Entertain-ment 137.221.65.6 17.1 MB Blizzard Entertain-ment 52.142.124.215 15.9 MB Microsoft Azure 8.253.193.248 15.5 MB Level 3 Communica-tions

(33)

A.2 Namn¨overs¨attning M¨atning 2

Namn¨overs¨attning M¨atning 2

Ip-adress Storlek Agare¨

svt.se 7.459 GB svt.se telenor.se 6.317 GB telenor.se 8.238.109.124 4.330 GB Level 3 Communica-tions comhem.se 4.295 GB comhem.se 8.238.109.252 3.769 GB Level 3 Communica-tions 65.9.53.106 3.076 GB Amazon CloudFront 65.9.47.219 2.993 GB Amazon CloudFront 65.9.53.83 1.120 GB Amazon CloudFront 172.16.0.102 849 MB Lokal Adress akamaitechnologies.com 348 MB akamaitechnologies.com 8.238.42.252 312 MB Level 3 Communica-tions 83.255.237.112 285 MB comhem.se 83.255.237.12 276 MB comhem.se 1e100.net 225 MB google.com 83.255.237.145 212 MB comhem.se 83.255.237.47 205 MB comhem.se 8.241.40.124 190 MB Level 3 Communica-tions 104.18.24.217 189 MB Cloudflare cloudfront.net 187 MB cloudfront.net 83.255.237.17 184 MB comhem.se 148.122.131.41 184 MB telenor norge amazonaws.com 167 MB amazonaws.com 152.195.34.118 166 MB Verizon Business 83.255.237.111 161 MB comhem.se llnw.net 153 MB llnw.net

(34)

A.3 Namn¨overs¨attning M¨atning 3

Namn¨overs¨attning M¨atning 3

Ip-adress Storlek Agare¨

bredband2.com 67.3 GB bredband2.com svt.se 17.0 GB svt.se 172.16.0.103 12.0 GB Lokal ip-adress akamaitechnologies.com 10.5 GB akamaitechnologies.com nordu.net 5.562 GB nordu.net aaplimg.com 4.886 GB apple.com 151.101.1.190 4.667 GB Fastly sr.se 3.817 GB sr.se 65.9.43.56 3.678 GB Amazon CloudFront cloudfront.net 3.441 GB cloudfront.net 172.16.0.104 1.960 GB Lokal ip-adress nflxvideo.net 1.348 GB netflix.com 65.9.43.67 1.198 GB Amazon CloudFront cdn77.com 955 MB cdn77.com datapacket.com 894 MB datapacket.com 8.238.102.124 804 MB Level 3 Communica-tions 8.238.104.169 668 MB Level 3 Communica-tions 1e100.net 614 MB google.com 8.247.225.1 614 MB Level 3 Communica-tions fbcdn.net 591 MB facebook.com 151.101.86.198 527 MB Fastly 8.241.40.41 519 MB Level 3 Communica-tions 8.241.40.124 418 MB Level 3 Communica-tions 8.241.40.169 393 MB Level 3 Communica-tions amazonaws.com 384 MB amazonaws.com

(35)

A.4 Namn¨overs¨attning M¨atning 4

Namn¨overs¨attning M¨atning 4

Ip-adress Storlek Agare¨

bredband2.com 82.3 GB bredband2.com svt.se 18.9 GB svt.se 172.16.0.103 12.5 GB Lokal ip-adress akamaitechnologies.com 10.4 GB akamaitechnologies.com 151.101.1.190 4.667 GB Fastly atelenor.se 4.307 GB atelenor.se sr.se 4.094 GB sr.se aaplimg.com 4.010 GB apple.com 65.9.43.56 3.676 GB Amazon CloudFront cloudfront.net 1.790 GB cloudfront.net comhem.se 1.691 GB comhem.se nflxvideo.net 1.353 GB netflix.com ttvnw.net 1.277 GB twitch.tv 65.9.43.67 1.201 GB Amazon CloudFront 8.238.103.169 1.151 GB dLevel 3 Communi-cations 8.238.104.169 1.123 GB Level 3 Communica-tions 8.238.109.41 1.114 GB Level 3 Communica-tions 8.238.40.41 1.033 GB Level 3 Communica-tions 151.101.1.140 892 MB Fastly 8.238.102.124 804 MB Level 3 Communica-tions 8.238.101.169 799 MB Level 3 Communica-tions 8.241.40.169 737 MB Level 3 Communica-tions 8.247.40.169 614 MB Level 3 Communica-tions 8.247.225.1 527 MB Level 3 Communica-tions 1e100.net 523 MB google.com

(36)

B

Formul¨

ar

B.1 Formul¨arsvar m¨atning 1

(37)

B.2 Formul¨arsvar m¨atning 2

(38)

B.3 Formul¨arsvar m¨atning 3

(39)

B.4 Formul¨arsvar m¨atning 4

Figure

Figur 2: Placering av Raspberry Pi 7.2 Raspberry Pi som m¨ atenhet
Figur 4: Inst¨ allningar i prometheus.yml
Figur 5: Bar gauge
Figur 7: Tomt formul¨ ar som deltagarna har fyllt i 7.5 Sammanst¨ allning av tillv¨ agag˚ angss¨ att
+7

References

Related documents

Resonemang, inf¨ orda beteck- ningar och utr¨ akningar f˚ ar inte vara s˚ a knapph¨ andigt presenterade att de blir sv˚ ara att f¨ olja.. ¨ Aven endast delvis l¨ osta problem kan

Element¨ ar gruppteori, hemuppgifter till torsdag vecka

ESV vill dock uppmärksamma på att när styrning av myndigheter görs via lag, innebär det en begränsning av regeringens möjlighet att styra berörda myndigheter inom de av

Yttrande över promemorian Ändringar i högskolelagen för att främja den akademiska friheten och tydliggöra lärosätenas roll för det livslånga lärandet.. Vitterhets Historie

Malmö universitet ställer sig här frågande till varför Promemorian inte tar ställning till Strutens konkreta författningsförslag i frågan om utbildningsutbud, nämligen ”att

Akavia välkomnar förslaget att göra ändringar i högskolelagen för att främja och värna om den akademiska friheten och för att förtydliga lärosätenas roll för det

Utbildningsdepartementets promemoria föreslår ändringar i Högskolelagen (1992:1434) i syfte att dels främja och värna den akademiska friheten som förutsättning för forskning

V˚ ara *-or st˚ ar allts˚ a f¨or de valda elementen och vilka streck de st˚ ar emellan st˚ ar f¨or vilket element det ¨ar