22.666 requisições, 74 humanos: contando visitantes reais sem tracker

🌐 Também em: English · Deutsch · Français · Español · Italiano · Nederlands · Polski
Todo dono de blog acaba fazendo a mesma pergunta: será que alguém lê isso de verdade? A resposta honesta na web moderna é desconfortável — a maior parte do seu “tráfego” são robôs. Então fiz o que qualquer sysadmin sensato faz em vez de instalar mais um tracker em JavaScript: escrevi um pequeno script Python, apontei para os meus próprios logs do nginx-ingress e contei os humanos na mão. Bom, na regex. 🐍
Veja como fica uma semana em www.apt-upgrade.me depois que você tira as máquinas da conta.
📉 O funil da decepção (e do alívio)
| Total de requisições HTTP | 22.666 |
| IPs que se comportaram como navegador | 119 |
| …desses: nuvem / datacenter / scrapers 🤖 | 45 |
| Visitantes regulares de verdade 🧑💻 | 74 |
≈ 16 humanos/dia, ou cerca de ~110/semana. De vinte e duas mil requisições. Deixa isso assentar. A internet é, estatisticamente, uma sala de servidores conversando consigo mesma. 🕳️
🕵️ Por que “IPs únicos” brutos são uma mentira
Se você simplesmente fizer sort | uniq -c no seu access log, vai reportar um número lindo, gordo e completamente fictício. A esmagadora maioria dos acessos vem de crawlers e scanners — e uma boa parte deles manda um User-Agent perfeitamente comum Mozilla/5.0 … Chrome/… enquanto faz isso. Uma abordagem ingênua de “contar os UAs com cara de navegador” reportou 959 visitantes neste conjunto de dados. O número real é uma ordem de grandeza menor.
Por isso o script aplica três filtros, cada um mais estreito que o anterior:
| # | Filtro | O que ele pega |
|---|---|---|
| 1️⃣ | Blocklist de User-Agent | Os bots que educadamente admitem que são bots (bot, crawl, spider, python, curl, zgrab, masscan…). |
| 2️⃣ | Correlação de assets 💪 | Um navegador de verdade busca o CSS, o JS e as imagens que a página referencia. Um scraper pega o HTML e vai embora. "Você também carregou ≥3 assets?" é, de longe, o sinal isolado mais forte. |
| 3️⃣ | Netblocks de nuvem + rDNS | O que sobrevive ao passo 2 é em grande parte Chrome headless na Tencent Cloud, OVH, Alibaba & cia. — um "navegador" que se geolocaliza onde quer que a VM esteja. |
🌍 De onde vieram os humanos
Depois de filtrar as máquinas, esta é a distribuição geográfica dos 74 sobreviventes (país a partir de um banco GeoLite2 local — nenhum dado sai do servidor, mais sobre isso abaixo):
| País | Visitantes | Parcela | |
|---|---|---|---|
| 🇺🇸 Estados Unidos | 13 | 17,6% | █████████ |
| 🇩🇪 Alemanha | 10 | 13,5% | ███████ |
| 🇨🇳 China | 8 | 10,8% | ██████ |
| 🇬🇧 Reino Unido | 6 | 8,1% | ████ |
| 🇨🇦 Canadá | 5 | 6,8% | ████ |
| 🇳🇱 Países Baixos | 4 | 5,4% | ███ |
| 🇮🇹 Itália | 3 | 4,1% | ██ |
| 🇧🇷 Brasil | 2 | 2,7% | █ |
| 🇨🇿 Tchéquia | 2 | 2,7% | █ |
| 🇫🇷 França | 2 | 2,7% | █ |
| 🇩🇰 Dinamarca | 2 | 2,7% | █ |
| 🌐 Mais 17 países (1 cada) | 17 | 23,0% | 🇲🇽🇰🇿🇱🇧🇦🇺🇺🇦🇱🇹🇯🇵🇰🇼🇶🇦🇷🇴🇮🇱🇸🇪🇳🇿🇮🇳🇦🇷🇭🇺 |
| Total | 74 | 100% |
Um pequeno público genuinamente global para um blog nerd e alemão de Linux e segurança. Olá, quem quer que você seja no Cazaquistão e no Kuwait — eu vejo exatamente um de cada, e fico grato. 👋
🔧 Como o script funciona (e onde roubá-lo)
São cerca de 330 linhas de Python com pouquíssimas dependências. O pipeline em resumo:
parse nginx-ingress logs (CRI-wrapped combined format)
→ drop private IPs, non-GET, self-declared bots
→ split each IP's hits into "HTML pages" vs "assets"
→ keep only IPs with a real page + ≥3 assets # the human test
→ subtract cloud netblocks & datacenter rDNS
→ geolocate locally, mask to /24, aggregate, print
A coisa toda é open source — sem segredos, só a lógica de análise — no meu repositório de infraestrutura:
👉 github.com/aptupgrademe/www_k3s (scripts/analytics/visitor-stats.py). Clone, aponte para os seus próprios logs de ingress e descubra o quão solitário o seu cantinho da web realmente é. 😄
🛡️ Sem tracker, sem banner de cookies, nenhum dado saindo da máquina
Esta é a parte de que eu me orgulho em silêncio: não há rastreamento nenhum neste blog. Nada de Google Analytics, nada de beacon, nada de pixel de terceiros, nada de popup “valorizamos sua privacidade”. É pura análise de log do servidor — as mesmas linhas que o nginx escreve de qualquer jeito. E como IPs de visitantes são dados pessoais segundo a GDPR, o script foi construído de propósito para que:
- 🔒 Nada jamais saia do servidor — a geolocalização usa um banco GeoLite2 local, não uma API de terceiros.
- 🎭 A saída seja mascarada em /24 (ou /48 para IPv6) — o suficiente para ver “um visitante da Itália”, nunca o suficiente para identificar uma pessoa.
- 🧹 Ele rode sob demanda e não guarde perfil nenhum — sem cookies, ele literalmente não consegue distinguir um leitor que volta de um novo. E tudo bem.
⚠️ Seção de honestidade (porque números mentem)
- Um IP não é uma pessoa. Usuários de celular trocam de endereço, uma casa inteira compartilha um, CGNAT esconde centenas atrás de um só. Essas contagens são uma ordem de grandeza, não uma contagem de cabeças.
- “Por semana” é extrapolado. O k3s rotaciona os logs dos containers a 10 MB e guarda bem poucos, então na prática só uns ~4,7 dias ficam no disco. O número semanal são esses dias escalonados — tome com uma pitada de sal. 🧂
- Meu próprio tráfego está excluído. Editar um post toca mais páginas numa noite do que um mês de leitores reais, então o prefixo da minha casa é filtrado. Senão eu seria o maior fã do blog.
💡 Por que se dar ao trabalho? (a pergunta do dinheiro)
Vou ser totalmente transparente: eu ganho exatamente €0 com este blog. Sem anúncios, sem links de afiliado, sem “me paga um café”, sem funil de curso. Nada. Ele me custa tempo e uma conta de servidor, e não me rende nada além de um visitante ocasional do Catar. 🪙❌
E mesmo assim — mesmo com muitas horas investidas, e muita ajuda de IA pelo caminho — é genuinamente divertido. Cada um desses projetinhos (endurecer a stack, caçar bots scanners, construir este contador de visitantes) é uma desculpa para colocar a mão na massa com Linux e segurança, e eu aprendo algo concreto todas as vezes. Essa é toda a recompensa, e sinceramente é mais do que suficiente. Se um punhado desses 74 humanos aprendeu algo também, é bônus. 🐧❤️
Tem mais um jeito como passei a enxergar essa coisa toda. Em alemão existe uma palavra maravilhosa — Ehrenamt — para o trabalho cívico não remunerado que você assume por senso de dever e por alegria genuína: o cargo honorário, feito para a comunidade e não por um salário. Tem uma tradição longa e orgulhosa. E com as minhas próprias habilidades e interesses, sinto que encontrei aqui o meu Ehrenamt pessoal para o terceiro milênio — uma definição de voluntariado que combina de verdade comigo, na era da digitalização e da TI, expressa no meio que eu realmente conheço e amo: Linux, servidores e segurança. 🐧
Concretamente, esta é a parte que importa para mim:
- 📢 Sem anúncios, sempre. Sem banners, sem trackers, sem posts patrocinados, nada para vender. O que você lê é simplesmente o que eu quis escrever.
- 🎁 Nenhuma vantagem buscada. Não há nada nisso para mim comercialmente — é dado de graça, e esse é justamente o ponto.
- 🎓 Transferência de conhecimento. Tudo o que eu descubro — endurecer uma stack, pegar bots scanners, medir TTFB — fica escrito para que a próxima pessoa possa pular a parte dolorosa.
- 🌍 Sem fronteiras. Um blog alcança qualquer um com um navegador, da Alemanha ao Cazaquistão e ao Kuwait (oi de novo 👋). Um alcance que antes parava na saída da cidade agora é mundial, de graça.
- 🧑💻 Open source, de ponta a ponta. Tudo — playbooks Ansible, manifests Kubernetes, este próprio script de visitantes — está aberto. Pegue, aprenda com ele, rode você mesmo.
E aqui posso ser mais preciso do que “open source”. O repositório é distribuído sob a licença MIT, que a Free Software Foundation reconhece como uma licença de Software Livre de verdade (permissiva e compatível com a GPL). Então não é só código-fonte que você pode olhar — é software que você é genuinamente livre para executar, estudar, compartilhar e modificar, para qualquer finalidade, sem amarras. No sentido mais pleno da palavra, isso parece exatamente o jeito certo de devolver algo em 2026. 🌐❤️
📦 Código-fonte completo, infra-as-code e o script de visitantes: github.com/aptupgrademe/www_k3s — nenhum tracker foi ferido na produção deste post.
