Bufferbloat Test Comparison

Capitolo 1: Il nuovo paradigma della qualità dell'esperienza (QoE) nelle telecomunicazioni moderne

L'evoluzione delle infrastrutture di rete globali, caratterizzata dalla transizione massiva verso le architetture FTTH (Fiber-to-the-Home) e l'adozione diffusa di standard come il Wi-Fi 6E e il Wi-Fi 7, ha generato un paradosso fondamentale: mentre la larghezza di banda (throughput) disponibile per l'utente finale è cresciuta esponenzialmente, raggiungendo e superando la soglia del Gigabit, la percezione qualitativa della navigazione e dell'utilizzo delle applicazioni in tempo reale non ha seguito una curva di miglioramento identica. Questo disallineamento ha spostato l'attenzione dell'ingegneria delle telecomunicazioni dalla pura velocità di trasferimento alla latenza sotto carico, introducendo la necessità critica di misurare e mitigare il fenomeno noto come bufferbloat.

Il presente rapporto di ricerca, esteso e dettagliato, si propone di rispondere in maniera esaustiva al quesito riguardante l'affidabilità comparata dei due principali strumenti di diagnostica oggi disponibili: LibreQoS Bufferbloat Test e Waveform Bufferbloat Test. Attraverso un'analisi tecnica rigorosa, che spazia dai protocolli di trasporto utilizzati alle metodologie statistiche di campionamento, determineremo quale dei due strumenti offra i risultati più attendibili, precisi e costanti nel panorama tecnologico del 2025/2026.

1.1 Fenomenologia del bufferbloat: una definizione tecnica

Il bufferbloat non è semplicemente un rallentamento della rete; è una condizione patologica specifica dei dispositivi di commutazione di pacchetto. Si verifica quando i buffer (memorie temporanee) all'interno di router, modem o switch vengono dimensionati in modo eccessivo e gestiti tramite algoritmi FIFO (First-In, First-Out) semplicistici. In presenza di un flusso di dati massiccio (come un download di grandi dimensioni o un backup su cloud), il protocollo TCP (Transmission Control Protocol), in particolare nelle sue varianti classiche come Reno o CUBIC, tende a saturare completamente questi buffer prima di ricevere un segnale di congestione (packet drop).

La conseguenza diretta è che i pacchetti successivi, appartenenti magari a flussi sensibili alla latenza come una chiamata VoIP, una sessione di gaming online o una richiesta DNS, si trovano accodati dietro una lunga fila di pacchetti "bulk". Questo si traduce in un aumento drammatico della latenza (RTT - Round Trip Time) e del jitter (variazione della latenza), che può passare da pochi millisecondi a diversi secondi, rendendo la connessione inutilizzabile per l'interattività, nonostante la velocità nominale sia elevata.¹

1.2 La necessità di strumenti diagnostici di precisione

In questo contesto, gli speed test tradizionali sono diventati obsoleti. Misurare solo la velocità massima in condizioni ideali nasconde la latenza indotta dal carico. Sono emersi quindi strumenti specifici progettati per saturare deliberatamente la connessione e misurare contemporaneamente la latenza. Tuttavia, la precisione di questi strumenti varia enormemente in base alla loro architettura software. La domanda posta richiede di discriminare tra l'approccio "consumer-friendly" di Waveform e l'approccio "engineering-grade" di LibreQoS. La risposta non risiede solo nell'interfaccia utente, ma nel motore sottostante: la differenza tra HTTP e WebSockets, tra medie statistiche e percentili, e tra infrastrutture CDN generaliste e nodi edge ottimizzati.¹

1.3 Scenari domestici e applicazioni sensibili alla latenza

Il bufferbloat si manifesta in modo particolarmente evidente negli scenari domestici caratterizzati da applicazioni real-time. Esempi tipici sono il gaming online competitivo, le videochiamate (ad es. Zoom, Teams, Meet), le chiamate VoIP e qualunque applicazione interattiva che richieda un flusso bidirezionale fluido di piccoli pacchetti.

In questi contesti, la semplice disponibilità di una capacità nominale elevata (ad esempio connessioni FTTH da centinaia di megabit o gigabit) non è sufficiente a garantire una buona esperienza d’uso. Ciò che diventa critico è la capacità della rete di mantenere latenza e jitter bassi e stabili anche sotto carico, ad esempio durante grandi download, upload massivi verso il cloud o aggiornamenti software eseguiti in background.

Per questo motivo, nella pratica, un utente può percepire la propria linea come “veloce” quando esegue uno speed test tradizionale, ma sperimentare allo stesso tempo ritardi marcati nei giochi online o audio/video che si bloccano durante una videochiamata. Il parametro discriminante non è più il throughput di picco, bensì l’aumento di latenza indotto dal carico, cioè il bufferbloat.

La nascita di strumenti specifici per la misura del bufferbloat, come il Bufferbloat Test di LibreQoS e il Bufferbloat Test di Waveform, risponde proprio a questa esigenza: quantificare la responsività della connessione in condizioni realistiche di stress, offrendo un indicatore operativo della qualità dell’esperienza (QoE) percepita dall’utente finale nei casi d’uso più sensibili.

Capitolo 2: Analisi Architetturale Comparata dei Protocolli di Trasporto

Il fattore determinante per la precisione di uno strumento di test di rete ad alta velocità è il protocollo utilizzato per generare il traffico e misurare i tempi di risposta. L'analisi dei dati tecnici rivela una divergenza sostanziale tra i due contendenti.

2.1 Waveform e l'eredità dell'HTTP

Lo strumento offerto da Waveform (waveform.com) si basa su richieste HTTP (Hypertext Transfer Protocol). Sebbene questo garantisca una compatibilità quasi universale con qualsiasi browser e configurazione di firewall, l'HTTP introduce un overhead significativo che compromette la precisione su linee ad alta velocità.¹

2.1.1 Limitazioni del polling e dell'overhead

In un test basato su HTTP, il browser deve aprire molteplici connessioni TCP per simulare un carico pesante. Ogni richiesta comporta l'invio di header, la gestione di handshake (se le connessioni non sono persistenti o se il pool si esaurisce) e il parsing delle risposte. Su una connessione moderna da 1 Gbps o 2.5 Gbps, il numero di richieste necessarie per saturare la banda è elevatissimo.

Le ricerche indicano che questo approccio soffre di due problemi critici:

1. Collo di bottiglia della CPU (Client-Bound): Il processore del > dispositivo utente deve dedicare cicli significativi alla gestione > dello stack HTTP. Questo introduce latenza locale che lo strumento > potrebbe erroneamente attribuire alla rete.

2. Granularità Temporale: L'HTTP non è un protocollo real-time. La > misurazione della latenza avviene spesso tramite richieste XHR > (XMLHttpRequest) o Fetch discrete, che non offrono la continuità > di un flusso di dati ininterrotto.

Come ammesso nella stessa documentazione tecnica di Waveform, l'uso di HTTP invece di WebSockets è una limitazione nota che l'azienda spera di superare in futuro, riconoscendo implicitamente che l'approccio attuale ha svantaggi in termini di misurazione pura del bufferbloat.¹

2.2 LibreQoS e la rivoluzione dei WebSockets

LibreQoS (bufferbloat.libreqos.com) adotta un approccio radicalmente diverso, basato sul protocollo WebSockets. I WebSocket permettono di stabilire un tunnel full-duplex persistente su una singola connessione TCP. Dopo l'handshake iniziale, i dati fluiscono come frame binari con un overhead minimo (pochi byte per frame).⁵

2.2.1 Vantaggi metrologici dei WebSockets

L'architettura WebSocket conferisce a LibreQoS vantaggi decisivi per la precisione e l'affidabilità:

1. Bassa Latenza Intrinseca: Eliminando gli header HTTP ripetitivi, > LibreQoS misura il tempo di transito dei pacchetti in modo molto > più fedele al livello "wire" (cavo).

2. Alta Frequenza di Campionamento: Grazie al canale aperto > bidirezionale, il server può inviare ping e ricevere pong ad > altissima frequenza senza sovraccaricare il client. Questo > permette di costruire un set di dati statistici molto più denso, > capace di rilevare micro-variazioni (jitter) che sfuggirebbero a > un test HTTP.⁷

3. Simulazione Realistica del Traffico Interattivo: Le applicazioni > che soffrono maggiormente il bufferbloat (giochi online, chiamate > Zoom/VoIP) utilizzano flussi di dati continui (spesso UDP, ma > comportamentalmente simili a WebSocket) piuttosto che richieste > discrete. LibreQoS simula quindi il traffico reale meglio di > quanto faccia un download di file via HTTP.⁴

4. Efficienza su Linee Gigabit: La riduzione del carico sulla CPU > del client significa che LibreQoS può saturare connessioni > multi-gigabit (es. 2.5 Gbps o 10 Gbps) misurando effettivamente la > rete e non i limiti del browser web.¹⁰

2.3 Sintesi delle differenze di protocollo

La seguente tabella riassume l'impatto dei protocolli sulla qualità della misurazione, basata sulle specifiche tecniche rilevate.¹

Caratteristica	Waveform (HTTP)	LibreQoS (WebSockets)	Implicazione per l'Utente
Overhead per Messaggio	Alto (Header completi, Cookies, ecc.)	Minimo (Frame header di pochi byte)	LibreQoS è più preciso su hardware meno potente.
Modalità di Comunicazione	Richiesta-Risposta (Half-duplex logico)	Full-Duplex (Bidirezionale simultaneo)	LibreQoS misura meglio la latenza durante traffico bidirezionale intenso.
Carico CPU Client	Elevato ad alte velocità di banda	Basso ed efficiente	LibreQoS evita falsi negativi su connessioni in fibra veloce.
Natura del Traffico	Simile alla navigazione Web / Download file	Simile a Gaming / VoIP / Streaming Real-time	LibreQoS simula meglio gli scenari critici per il bufferbloat.

2.4 Panoramica funzionale degli strumenti di test

Oltre alle differenze architetturali a livello di protocollo di trasporto, è utile descrivere sinteticamente il comportamento dei due strumenti dal punto di vista dell’utente finale.

Il Bufferbloat Test di LibreQoS viene eseguito interamente nel browser, appoggiandosi all’infrastruttura edge di Cloudflare. L’interfaccia presenta una sequenza di fasi di carico (download, upload e, nelle modalità più avanzate, traffico bidirezionale e scenari multi-utente) durante le quali vengono misurati in parallelo latenza, jitter, perdita di pacchetti e throughput sostenuto. I risultati sono sintetizzati in un voto da A+ a F basato sull’aumento di latenza sotto carico, ma accompagnati da grafici dettagliati (ad esempio box plot temporali) che espongono in modo esplicito la distribuzione dei tempi di risposta e le eventuali code di ritardi.

Il Bufferbloat Test di Waveform integra un classico speed test (misura della banda in download e upload) con la misura continua del ping nelle fasi di scaricamento e caricamento intenso. Anche in questo caso il risultato finale è espresso tramite un giudizio letterale sul bufferbloat (A+…F), reso comprensibile da descrizioni testuali che collegano l’aumento di latenza agli impatti attesi su attività come gaming, streaming e videochiamate. L’interfaccia è deliberatamente più compatta: al termine del test l’utente visualizza pochi numeri chiave (latenza di base, latenza con download attivo, latenza con upload attivo) e un verdetto sintetico.

In sintesi, LibreQoS privilegia una rappresentazione ricca e granulare, pensata anche per utenti tecnici e ISP, mentre Waveform privilegia una presentazione snella e immediatamente leggibile, orientata al consumatore.

Capitolo 3: Metodologia statistica e analisi dei dati

La "precisione" di uno strumento non dipende solo da come raccoglie i dati, ma da come li elabora. La differenza tra l'uso di medie statistiche e percentili ad alta granularità è fondamentale per diagnosticare problemi di rete intermittenti.

3.1 Il Modello Statistico di Waveform: L'Approccio Mediano

Waveform calcola il grado di bufferbloat confrontando la latenza media (o mediana) sotto carico con la latenza a riposo. Sebbene efficace per identificare problemi macroscopici, questo approccio tende a "smussare" i dati. Un picco di latenza isolato (lag spike) potrebbe essere assorbito in una media temporale, portando lo strumento a classificare la connessione come "buona" (A o B) anche se l'esperienza di gioco è stata compromessa da scatti improvvisi.¹

I criteri di valutazione di Waveform sono i seguenti:

• A+: Aumento di latenza < 5 ms

• A: Aumento di latenza < 30 ms

• B: Aumento di latenza < 60 ms

• C: Aumento di latenza < 200 ms ¹

3.2 Il modello statistico di LibreQoS: sensibilità ai picchi (P90)

LibreQoS utilizza un algoritmo più sofisticato e severo, progettato esplicitamente per rilevare l'instabilità. La metrica principale, definita "Increase", è calcolata come:

$$ = P_{90}() - P_{05}()$$

Dove $P_{90}$ è il 90° percentile e $P_{05}$ è il 5° percentile.⁹

3.2.1 Perché il 90° percentile è superiore alla media

1. Rilevazione dei "Micro-Burst": Nel gaming e nel VoIP, non è la > latenza media che causa problemi, ma i pacchetti che arrivano in > ritardo (la "coda" della distribuzione). Utilizzando il 90° > percentile, LibreQoS penalizza pesantemente le connessioni che > sono stabili per il 90% del tempo ma hanno picchi nel restante > 10%. Questo riflette molto più accuratamente la percezione umana > di "lag" o "scatto".⁸

2. Baseline Pulita (P05): Utilizzando il 5° percentile per la > baseline invece della media, LibreQoS stabilisce quale sia il > potenziale fisico reale della connessione (il "floor" di > latenza), escludendo rumore di fondo occasionale del sistema > operativo in fase di riposo.

Inoltre, LibreQoS fornisce metriche dettagliate per fase (Download, Upload, Bidirezionale) visualizzando non solo la latenza, ma anche il Jitter e il Packet Loss in tempo reale, dati che Waveform spesso aggrega o nasconde dietro un voto semplice.¹²

3.3 Confronto dei criteri di giudizio

Sebbene entrambi usino una scala da A+ a F, il significato matematico dietro il voto è diverso. Un "A+" su LibreQoS è garanzia di una stabilità quasi perfetta anche nei casi peggiori (90° percentile), mentre un "A+" su Waveform potrebbe teoricamente nascondere brevi istanti di instabilità se la media rimane bassa.

Grado	Criterio Waveform (Aumento Latenza)	Criterio LibreQoS (Aumento Latenza P90)	Interpretazione Comparata
A+	< 5 ms	< 5 ms	Identico nominalmente, ma LibreQoS è più difficile da ottenere.
A	< 30 ms	5 - 30 ms	LibreQoS penalizza i picchi in questa fascia.
B	< 60 ms	30 - 60 ms	-
C	< 200 ms	60 - 200 ms	Soglia di usabilità per VoIP.
D	< 400 ms	200 - 400 ms	-
F	≥ 400 ms	≥ 400 ms	Gravemente inutilizzabile.

**3.4 Presentazione dei risultati e leggibilità metrica^

^**Le differenze metodologiche fra i due strumenti si riflettono anche nel modo in cui i risultati vengono presentati all’utente.

LibreQoS espone in maniera esplicita i valori di:

• latenza a riposo,

• latenza sotto carico nelle diverse fasi (download, upload, eventualmente traffico bidirezionale),

• incremento di latenza calcolato su percentili (ad esempio 95° percentile in carico rispetto alla mediana a riposo),

• jitter e perdita di pacchetti.

Questi indicatori sono affiancati da rappresentazioni grafiche (time series, box plot) che permettono di cogliere rapidamente la variabilità temporale della connessione e l’eventuale presenza di spike isolati. L’approccio è pensato per consentire sia una lettura di sintesi (voto A+…F e “Increase” in millisecondi), sia una diagnosi fine da parte di utenti avanzati e operatori.

Waveform adotta una sintesi più aggressiva: i risultati sono concentrati in una tabella che riporta tipicamente latenza “unloaded” (idle) e latenza con download e upload attivi, con i relativi incrementi. Sopra la tabella è riportato il giudizio letterale sul bufferbloat, spesso accompagnato da una breve descrizione testuale (“latency increased moderately under load”, ecc.) che collega il dato numerico a un impatto d’uso pratico.

Dal punto di vista della leggibilità:

• LibreQoS è più adatto a chi desidera analizzare il dettaglio metrologico e differenziare sfumature (ad esempio distinguere un aumento di 15 ms da uno di 40 ms),

• Waveform è più adatto per fornire una risposta rapida alla domanda “ho bufferbloat sì o no, e quanto è grave?”.

Capitolo 4: Infrastruttura e costanza dei risultati

La "costanza" (o ripetibilità) di un test dipende dalla stabilità dell'infrastruttura server contro cui viene eseguito e dalla capacità del client di replicare le condizioni di test.

4.1 La rete edge di Cloudflare

Entrambi gli strumenti hanno convergenza infrastrutturale, utilizzando la rete edge di Cloudflare per minimizzare la latenza geografica e testare la connessione "ultimo miglio" piuttosto che il transito internet globale. Waveform utilizza la CDN di Cloudflare per i blob di file ¹, mentre LibreQoS esegue il test interamente nel browser sfruttando i Cloudflare Workers all'edge.⁸

Tuttavia, l'implementazione software lato server differisce. LibreQoS, essendo un progetto sviluppato da esperti di kernel networking e ISP (come Dave Täht, co-inventore dell'algoritmo fq_codel), ha ottimizzato il lato server per rispondere specificamente al protocollo WebSocket ad alta frequenza. Questo riduce la varianza lato server rispetto a una chiamata CDN generica HTTP, rendendo i risultati di LibreQoS intrinsecamente più costanti tra esecuzioni multiple.⁴

4.2 L'"observer effect"

In fisica e metrologia, l'atto di osservare un fenomeno può alterarlo. Nelle reti, questo accade quando lo strumento di test consuma troppe risorse CPU.

• Il Problema di Waveform: Utenti con connessioni in fibra a 2.5 > Gbps o superiori hanno riportato su forum tecnici (come Reddit e > Fibra.click) risultati incoerenti con Waveform. A volte il test > mostra velocità inferiori alla realtà o latenze errate perché il > browser non riesce a processare l'HTTP abbastanza velocemente. > Questo introduce una variabilità che non dipende dalla rete, ma dal > PC dell'utente.¹⁴

• La Soluzione LibreQoS: Grazie all'efficienza di Rust (linguaggio > usato nel backend) e WebSockets, LibreQoS riduce drasticamente > l'impatto sulla CPU. Ciò garantisce che la variabilità misurata sia > effettivamente quella della rete, offrendo una costanza di risultati > superiore, specialmente su hardware di fascia media connesso a reti > di fascia alta.¹⁰

4.3 Ripetibilità operativa del test

La ripetibilità dei risultati è un requisito fondamentale per poter utilizzare uno strumento di misura sia a fini diagnostici sia a fini comparativi (ad esempio prima e dopo una modifica di configurazione sul router).

In condizioni controllate – rete cablata stabile, assenza di traffico concorrente rilevante, dispositivo di test con risorse CPU adeguate – sia LibreQoS sia Waveform mostrano un buon grado di coerenza tra esecuzioni successive. Le differenze riscontrate fra più misurazioni consecutive tendono a rimanere entro pochi millisecondi, compatibili con la fisiologica variabilità del percorso di rete.

Nella pratica, tuttavia, alcuni fattori possono degradare la ripetibilità percepita:

• router o CPE con CPU al limite, specialmente in presenza di PPPoE, NAT complessi o algoritmi di QoS/scheduling avanzati,

• dispositivi client con processore poco potente o fortemente carichi,

• presenza di traffico in background (backup, aggiornamenti automatici, streaming),

• test eseguiti su Wi-Fi, dove la natura stessa del mezzo introduce variabilità addizionale.

In queste situazioni, non è raro che, a parità apparente di condizioni, l’utente osservi voti diversi (ad esempio A in una prova, C nella successiva). Nella maggior parte dei casi questo non è imputabile al motore di test in sé, ma al fatto che l’ambiente di misura non è realmente stazionario.

Le linee guida operative che emergono sono quindi:

• preferire sempre test su connessione Ethernet cablata,

• chiudere applicazioni che generano traffico significativo in background,

• su Waveform, in caso di dubbi, ripetere il test da un altro browser o dispositivo per escludere colli di bottiglia lato client,

• utilizzare LibreQoS per verificare, tramite le serie temporali, se le differenze fra una prova e l’altra siano dovute a reali variazioni di rete o a condizioni locali (CPU, Wi-Fi, ecc.).

4.4 Influenza del mezzo di accesso: Wi-Fi vs Ethernet

Sia LibreQoS che Waveform raccomandano esplicitamente (o implicitamente, tramite la documentazione e le esperienze della community) di eseguire i test su connessione cablata quando l’obiettivo è valutare il bufferbloat del collegamento di accesso e della rete dell’ISP.

Il motivo è che il segmento Wi-Fi introduce meccanismi di buffering e variabilità propri, indipendenti dalla qualità della tratta WAN:

• il livello MAC wireless utilizza code e ritrasmissioni per compensare interferenze e perdita di frame,

• la modulazione adattativa fa sì che la capacità effettiva del collegamento vari nel tempo in funzione della distanza, degli ostacoli e del rumore radio,

• l’accesso condiviso al mezzo può causare congestione locale anche in assenza di saturazione del link verso Internet.

Di conseguenza, è perfettamente normale osservare:

• voti molto elevati (A/A+) su Ethernet,

• voti peggiori (B, C o inferiori) sulla stessa linea testata in Wi-Fi.

In questi casi, il test non sta necessariamente segnalando un problema di bufferbloat lato WAN, ma sta misurando la latency under load complessiva del percorso fino al client Wi-Fi, includendo quindi il contributo del segmento radio e di eventuali access point intermedi.

Interpretare correttamente queste misure richiede di distinguere:

• test su cavo, utili a valutare la configurazione di QoS/SQM del router e il comportamento dell’ISP,

• test su Wi-Fi, utili a diagnosticare colli di bottiglia o problemi di copertura interna, ma non direttamente rappresentativi della qualità del backhaul in fibra o xDSL.

Per l’ottimizzazione del gaming o di applicazioni sensibili alla latenza, le evidenze raccolte convergono su una raccomandazione chiara: privilegiare la connessione Ethernet per il dispositivo critico, usando il Wi-Fi solo per dispositivi e servizi meno sensibili.

Capitolo 5: Analisi del feedback della comunità e casi d'uso reali

Per determinare l'affidabilità "sul campo", abbiamo analizzato report di utenti esperti e amministratori di rete su piattaforme come Reddit e forum specializzati.

5.1 Il "falso positivo" di Waveform

Numerosi utenti, specialmente nel contesto del gaming competitivo (CS2, Valorant), riportano di ottenere un grado "A" o "A+" su Waveform, ma di continuare a sperimentare "lag" o scarsa "hit registration" in gioco. Questo fenomeno è spiegabile con la natura "media" del test Waveform, che non cattura i micro-burst UDP che rovinano l'esperienza di gioco.

Al contrario, gli stessi utenti trovano spesso che LibreQoS fornisce una diagnosi più severa ma realistica, evidenziando jitter o picchi nel grafico temporale ("Time Series Box Plot") che Waveform aveva appiattito.16

5.2 Testimonianze su connessioni gigabit

Su connessioni FTTH Gigabit, utenti con router avanzati (come Ubiquiti UDM Pro o PC con OPNsense/OpenWrt) hanno osservato che LibreQoS riesce a saturare il link in modo più efficace e stabile. In un caso specifico, un utente ha notato discrepanze nei risultati di upload su Waveform (400ms di latenza su mobile vs 0ms su desktop), suggerendo un'instabilità del test HTTP su dispositivi con processori diversi. LibreQoS, essendo meno esoso, tende a fornire risultati coerenti tra desktop e mobile.¹⁴

5.3 L'ecosistema ISP

Un fattore critico di affidabilità è il target di utilizzo. Waveform è un sito consumer che genera revenue tramite referral Amazon per router.¹ LibreQoS è nato come strumento professionale per ISP (Wireless Internet Service Providers) per monitorare migliaia di clienti. Il fatto che lo stesso motore di test sia usato da operatori di rete per diagnosticare problemi infrastrutturali conferisce a LibreQoS un livello di validazione industriale che manca a Waveform.⁴

**5.4 Capacità di identificazione e quantificazione del bufferbloat[^

^]{.mark}**Entrambi gli strumenti forniscono all’utente una risposta chiara sulla presenza o meno di bufferbloat, grazie alla combinazione di un giudizio letterale (A+…F) e di misure numeriche dell’aumento di latenza sotto carico.

LibreQoS si distingue per la capacità di:

• evidenziare il bufferbloat anche quando si manifesta sotto forma di picchi sporadici (ad esempio tramite l’uso di percentili elevati e grafici temporali),

• quantificare separatamente l’impatto del carico in download, in upload e, nelle configurazioni avanzate, con traffico bidirezionale,

• mostrare jitter e packet loss, che completano il quadro qualitativo oltre il solo ping medio.

In modalità “Virtual Household”, inoltre, LibreQoS associa in modo intuitivo l’effetto del bufferbloat a diversi ruoli (giocatore, partecipante a videochiamata, utente che guarda streaming, processo di download massivo), permettendo di capire chi “soffre” di più quando la rete è congestionata.

Waveform, dal canto suo, è molto efficace nel rendere evidente la presenza di bufferbloat anche a utenti non tecnici: la tabella finale mette in relazione la latenza “unloaded” con quella in condizioni di scaricamento e caricamento intensivo, e il voto letterale è accompagnato da indicazioni discorsive sugli impatti pratici (ad esempio se il livello di bufferbloat è accettabile per il gaming o le videochiamate). In diversi casi reali riportati dalla community, Waveform è riuscito a far emergere situazioni di bufferbloat severo che altri test più brevi o meno aggressivi non evidenziavano con altrettanta chiarezza.

Nel complesso, si può affermare che:

• LibreQoS eccelle nella quantificazione fine e nella diagnosi differenziale, grazie all’ampiezza delle metriche esposte,

• Waveform eccelle nella comunicazione immediata del problema, rendendo il concetto di bufferbloat accessibile anche a chi non ha familiarità con percentili e jitter.

Capitolo 6: Funzionalità avanzate e integrazione con AQM (CAKE/FQ_CoDel)

Il bufferbloat si risolve modernamente tramite algoritmi di AQM (Active Queue Management) come CAKE o FQ_CoDel. La capacità di un test di verificare il corretto funzionamento di questi algoritmi è il test definitivo della sua precisione.

6.1 Visualizzazione dell'efficacia di CAKE

LibreQoS è sviluppato dalla stessa comunità che ha creato e mantiene CAKE. Di conseguenza, il test è calibrato per evidenziare i benefici di questo algoritmo.

• Virtual Household (Casa Virtuale): LibreQoS offre una modalità > unica chiamata "Virtual Household".¹² Questa simula > simultaneamente un giocatore, una videochiamata, uno streaming 4K e > un download di aggiornamenti. Mostra in tempo reale come il router > gestisce la contesa tra questi flussi diversi.

• Analisi dei Flussi: Mentre Waveform mostra solo un numero, > LibreQoS visualizza come la latenza di un flusso "Gamer" simulato > varia mentre un flusso "Bulk Download" è attivo. Se il router ha > CAKE configurato correttamente, LibreQoS mostrerà una linea piatta > per il gamer nonostante il download, validando visivamente la > configurazione.⁹

Questo livello di dettaglio è assente in Waveform, che fornisce solo un voto globale aggregato.

Capitolo 7: Risposta al quesito e verdetto finale

Sulla base delle evidenze raccolte, dei dati tecnici comparati e dell'analisi metodologica, formuliamo la risposta definitiva alla richiesta dell'utente.

7.1 Valutazione comparativa sintetica

Criterio	Waveform (waveform.com)	LibreQoS (bufferbloat.libreqos.com)	Vincitore
Affidabilità	Buona per connessioni <500Mbps, degrada su Gigabit a causa di limiti HTTP.	Eccellente su tutte le velocità grazie a WebSockets e Rust.	LibreQoS
Precisione	Media/Mediana (nasconde i picchi brevi). Rischio falsi positivi.	90° Percentile (rileva i picchi). Molto sensibile alle micro-latenze.	LibreQoS
Costanza	Variabile in base al browser e alla CPU del PC.	Molto alta, isola la variabile "rete" dal dispositivo.	LibreQoS
Metodologia	Black-box proprietaria, focus consumer.	Open Source, validata da esperti kernel Linux/ISP.	LibreQoS
Usabilità	Alta, interfaccia semplice, consigli acquisti integrati.	Alta, grafici dettagliati per utenti tecnici e "Virtual Household".	Parità

7.2 Il verdetto: qual è il più affidabile oggi?

Al giorno d'oggi (2025/2026), LibreQoS (https://bufferbloat.libreqos.com/) è inequivocabilmente lo strumento più affidabile, preciso e costante per la valutazione della gestione del bufferbloat.

La superiorità di LibreQoS deriva da:

1. Tecnologia WebSocket: Elimina l'overhead del browser, > garantendo che i risultati riflettano la rete e non il computer > dell'utente.¹

2. Metrica "Increase" P90: Offre una valutazione onesta e severa > della stabilità della connessione, cruciale per gaming e VoIP, > laddove Waveform tende ad essere troppo permissivo.⁸

3. Indipendenza Hardware: Fornisce risultati coerenti sia su > smartphone che su workstation potenti, saturando efficacemente > anche linee in fibra multigigabit.¹⁰

Waveform rimane uno strumento valido per un controllo rapido e superficiale, ma per una diagnosi tecnica accurata, o per verificare l'efficacia di configurazioni QoS (come l'abilitazione di SQM su OpenWrt o Ubiquiti), LibreQoS rappresenta il gold standard attuale.

7.3 Sintesi comparativa operativa

Dal punto di vista operativo, le caratteristiche principali dei due strumenti possono essere riassunte come segue:

• Accuratezza della misura di latenza sotto carico

  • LibreQoS: utilizza percentili (ad esempio p95) e confronti rispetto alla mediana a riposo, con misure parallele di jitter e perdita. Ciò consente di rilevare sia l’aumento sistematico della latenza sia la presenza di spike isolati.

  • Waveform: misura la latenza media durante le fasi di download e upload e la confronta con la latenza idle. Grazie a ottimizzazioni specifiche del flusso di traffico, riesce a saturare efficacemente molti collegamenti domestici, evidenziando bufferbloat quando presente.

• Coerenza tra test ripetuti

  • LibreQoS: su connessione cablata e in assenza di traffico concorrente fornisce risultati molto stabili; l’uso di percentili riduce la sensibilità a outlier occasionali.

  • Waveform: anch’esso stabile in condizioni controllate; può però risultare più sensibile a variazioni del carico CPU del router o del client, e all’utilizzo su Wi-Fi e browser mobili.

• Dettaglio informativo esposto all’utente

  • LibreQoS: elevato livello di dettaglio (latenza, jitter, packet loss, grafici temporali, modalità multi-utente).

  • Waveform: interfaccia più sintetica, con pochi numeri chiave e un verdetto testuale facilmente interpretabile.

• Scenari di test

  • LibreQoS: include sia prove sequenziali down/up/bidirezionali sia una modalità “Virtual Household” che simula più ruoli concorrenti.

  • Waveform: focalizzato sul classico scenario singolo utente (download e upload sequenziali).

Questa sintesi conferma la complementarità dei due approcci: LibreQoS come strumento di riferimento per analisi approfondite e per la validazione di configurazioni QoS, Waveform come test rapido adatto a verifiche di primo livello e al supporto dell’utente consumer.

7.4 Segmentazione per profilo d’utente e raccomandazioni d’uso

**
**Alla luce dell’analisi comparativa, è possibile formulare raccomandazioni differenziate in funzione del profilo d’uso:

• Utente consumer non tecnico
  L’obiettivo principale è capire se la connessione “va bene” per navigazione, streaming e videochiamate, senza entrare nei dettagli metrologici.

  • Strumento consigliato: Waveform, per la sua interfaccia compatta e il verdetto immediato (A+…F) accompagnato da spiegazioni testuali.

• Giocatore online / utente sensibile alla latenza
  In questo caso è cruciale valutare non solo la media, ma anche la stabilità nel tempo (jitter, spike) e l’impatto di altri flussi domestici durante la partita.

  • Strumento consigliato: LibreQoS, in particolare grazie alle metriche percentile e alla modalità Virtual Household, che permette di capire come il gaming venga influenzato da streaming, download e altre attività in parallelo.

• Power user / amministratore di rete domestica
  Chi configura SQM, CAKE o altri meccanismi di QoS sul router ha bisogno di strumenti in grado di evidenziare modifiche anche relativamente piccole nella distribuzione della latenza.

  • Strumento consigliato: LibreQoS come strumento principale di validazione; Waveform può essere utilizzato come test di conferma rapido prima e dopo le modifiche.

• ISP e operatori di rete
  Per gli operatori, l’interesse si concentra sulla capacità di monitorare la QoE di un parco utenti ampio e diversificato e di dimostrare l’efficacia delle politiche di gestione della coda.

  • Strumento consigliato: LibreQoS, per la sua natura open-source, l’orientamento alla QoE e le capacità di simulazione multi-flusso, oltre che per l’allineamento con gli algoritmi AQM moderni (ad esempio CAKE).

In termini generali, si può quindi suggerire un utilizzo complementare:

• Waveform come “termometro” veloce, di facile comprensione per chiunque,

• LibreQoS come “strumento di laboratorio” per analisi approfondite e per tutte le situazioni in cui la latenza sotto carico è un parametro critico di progetto o di esercizio.