Projecte realitzat en el marc d'un programa de mobilitat amb la Lunds universitet.

[ANGLÈS] Nowadays, saving bandwidth means saving money. Because of that, ISPs and network operators are interested in giving the best service possible to their customers taking advantage of an efficient use of the network and its bandwidth. Due to Facebook is one of the most important social networks and it is also one of the most visited web pages, ISPs and network operators are interested in traffic identification. The main goal is to study how Facebook works, to study FB user behaviour and to cache content in order to save bandwidth. The knowledge of FB is really useful because if we can identify which kinds of contents are more popular, it would be possible to predict potential cacheable content. For instance, if there is a FB user who every time posts a picture and then a lot of other users download his content, it would be interesting to cache it locally. In this thesis there are some studies in order to know how Facebook works. First of all we have analyzed Facebook data traffic with Wireshark (only local traffic). It has been useful to create some filtering rules which let us to filter each part in Facebook like Pictures, Update Status, Likes, Chat or Videos. After that, we did a 7 days packet dump from a real network using PacketLogic (PL). The last step was creating some Python scripts in order to make statistics with all data. From the thesis study, it has been found some really interesting results and conclusions about two parts of Facebook: Downloaded Pictures and Likes. It has been found that one kind of Downloaded pictures, Profile Pictures in Small size are the most downloaded and that are a potential content to be cached. It has been possible to calculate the time-life of pictures and to study their timing. It has also been possible to identify the most requested uploader and to study the user behaviour with the most popular tool of Facebook: the Like Button.

[CASTELLÀ] Actualmente, ahorrar ancho de banda significa ahorrar dinero. Por este motivo, los ISPs y los operadores de red están interesados en dar el mejor servicio posible a sus clientes aprovechando un uso eficiente de la red y su ancho de banda. Debido a que Facebook es una de las redes sociales más importantes y es también una de las páginas web más visitadas, los ISPs y los operadores de red están interesados en la identificación del tráfico. El objetivo principal es estudiar cómo funciona Facebook, estudiar el comportamiento de los usuarios de FB y almacenar en caché contenido para ahorrar ancho de banda. El conocimiento de FB es muy útil porque si se puede identificar qué tipo de contenidos son más populares, sería posible predecir contenido potencial para cachear. Por ejemplo, si hay un usuario de FB que cada vez que sube una foto, muchos usuarios descargan esa misma foto, sería interesante almacenar localmente esta foto así como las demás fotos de dicho usuario. En este proyecto se han realizado diferentes estudios con el objetivo de conocer cómo funciona Facebook. El primer paso ha sido analizar el tráfico local de Facebook mediante Wireshark. Ha sido útil para crear reglas de filtraje que han permitido filtrar cada parte de Facebook como fotos, actualizaciones de estado, Likes, chat o videos. A continuación se realizó un Packet Dump de siete días de una red real mediante el PacketLogic (PL). El último paso fue crear algunos scripts en Python para realizar estadísticas con todos los datos recogidos. Del estudio realizado, se han encontrado resultados muy interesantes y conclusiones sobre dos partes de Facebook: Downloaded Pictures y Likes. Se ha encontrado que un tipo de Downloaded Pictures, las Profile Pictures in Small Size, son las fotos más descargadas y son un contenido con un alto potencial para ser almacenadas en caché. Ha sido posible calcular el tiempo de vida de las fotos y analizarlo. Ha sido posible también identificar los Uploaders más demandados y estudiar el comportamiento de los usuarios con la herramienta más popular de Facebook: el botón Like.

[CATALÀ] Actualment, estalviar ample de banda significa estalviar diners. Per aquest motiu, els ISPs i els operadors de xarxa estan interessats en donar el millor servei possible als seus clients aprofitant un ús eficient de la xarxa i del seu ample de banda. A causa que Facebook és una de les xarxes socials més importants i és també una de les pàgines web més visitades, els ISPs i els operadors de xarxa estan interessats en la identificació del seu tràfic. L'objectiu principal és estudiar com funciona Facebook, estudiar el comportament dels seus usuaris i emmagatzemar en memòria cau contingut amb l'objectiu d'estalviar ample de banda. El coneixement de FB és molt útil perquè si es pot identificar quin tipus de continguts són els més populars, seria possible predir el contingut potencial que pot ser emmagatzemat en memòria. Per exemple, si hi ha un usuari de FB que cada vegada que puja una fotografia, se la descarreguen molts usuaris, seria interessant emmagatzemar la fotografia localment, així com la resta de fotografies provinents del mateix usuari. En aquest projecte s'han fet diferents estudis amb l'objectiu de conèixer com funciona Facebook. Per començar s'ha analitzat el tràfic local de Facebook amb el Wireshark. Ha estat útil per crear algunes regles de filtratge que han permès filtrar cada part del Facebook com fotos, actualitzacions d'estat, Likes, xat o els vídeos. Després d'això es va realitzar un packet dump de set dies d'una xarxa real mitjançant el PacketLogic (PL). L'últim pas va ser crear alguns scripts de Python amb l'objectiu d'obtenir estadístiques a partir de totes les dades extretes. De l'estudi realitzat, s'han trobat resultats molt interessants i conclusions sobre duess parts de Facebook: Downloaded Pictures i Likes. S'ha trobat que un tipus de Downloaded Pictures, les Profile Pictures in Small Size, són les més descarregades i són un contingut amb un alt potencial per ser emmagatzemades en memòria. Ha estat possible calcular el temps de vida de les fotografies i analitzar-lo. També ha estat possible identificar els Uploaders amb més descàrregues i estudiar el comportament dels usuaris amb l'eina més popular de FB: el botó Like.