Om het Friese webdomein te onderzoeken verbreedde de KB haar scope naar heel Nederland. Specifiek: naar de serverlocaties van sites in het Nederlandse domein. Een korte reconstructie.
Door Johan van der Knijff
Onlangs heeft de Koninklijke Bibliotheek (KB) een virtueel flitsbezoek gebracht aan alle webdomeinen die deel uitmaken van het Nederlandse top-level (.nl) webdomein. Directe aanleiding hiervoor was dat de KB afgelopen jaar is begonnen met het in kaart brengen en archiveren van het Friese (.frl) webdomein. Omdat dit webdomein pas sinds 2014 bestaat zijn veel Friese websites nog te vinden onder oudere top-level domeinen, zoals het reguliere .nl-domein. Zulke sites kunnen waardevol zijn bij het onderzoek naar het Friese web. Maar hoe spoor je ze op?
6 miljoen afzonderlijke domeinen
Een mogelijke insteek hierbij is om te kijken naar de serverlocatie waar een site is gehost. Als dat ergens in Friesland is zou dat een indicatie kunnen zijn van een ‘Friese’ site. De Stichting Internet Domeinregistratie Nederland (SIDN), de beheerder van het .nl-domein, had ons eerder al een lijst geleverd van alle Nederlandse webdomeinen. Deze lijst hebben we gebruikt als invoer voor een zelfgeschreven script, dat van elk domein het IP-adres probeert te bepalen. Via de gratis beschikbare GeoLite2-database zoekt het dan de aan het IP-adres gekoppelde locatie-informatie (zoals lengte- en breedtegraad) terug. We hebben dit script gedraaid in de snelle rekenomgeving van SURFsara. De verwerking van de bijna 6 miljoen afzonderlijke domeinen waaruit het Nederlandse webdomein bestaat nam hier ruim twee dagen in beslag.
Vervolgens hebben we de uitvoer van het script in een geografisch informatiesysteem gecombineerd met een digitale kaartlaag van de Nederlandse provincies. Zo konden we voor alle binnen Nederland gehoste domeinen de bijbehorende provincie bepalen en een lijst opstellen van de ruim 20.000 in Friesland gehoste domeinen. Ons webarchiveringsteam zal deze lijst gebruiken voor hun verdere onderzoek.
Meeste servers in Noord-Holland
De geolocatie-exercitie levert interessante informatie op over de geografische verdeling van het Nederlandse webdomein. Zo is uit de gerapporteerde landcodes af te leiden dat bijna een kwart van de actieve .nl-domeinen buiten Nederland wordt gehost. Hierbij blijken vooral Duitsland, de Verenigde Staten en Ierland populaire hostinglocaties. Van de domeinen die wél in Nederland worden gehost staat de server in driekwart van de gevallen in Noord-Holland. Met een aandeel van 0,6 procent behoort Friesland (samen met Zeeland, Limburg en Drenthe) tot de vier ‘kleinste’ provincies van het Nederlandse web.
Betere nauwkeurigheid
De beperkte nauwkeurigheid van de gebruikte GeoLite2-database kan bij de geolocatie leiden tot afwijkingen van meer dan 100 kilometer. Als verbeterpunt zouden we de analyse in de toekomst daarom opnieuw kunnen uitvoeren met een database met nauwkeuriger locatiegegevens. Dit kan ook weer nieuwe inzichten opleveren over het .nl-domein, mogelijk zelfs tot op het niveau van gemeenten.
Verder lezen over ‘mapping the Dutch web domain’ kan hier: http://bit.ly/webdomein.
In de rubriek ‘KB Onderzoekskroniek’ beschrijven medewerkers van de afdeling Onderzoek van de Koninklijke Bibliotheek hun resultaten, trends en vondsten.
Johan van der Knijff is onderzoeker Digitale Duurzaamheid bij de Koninklijke Bibliotheek.
Deze bijdrage komt uit IP #7/2020. Het gehele nummer kun je hier lezen.