PERFORMA KLASTER HADOOP MAPREDUCE PADA PRIVATE CLOUD COMPUTING UNTUK KOMPUTASI SKYLINE QUERY

Annisa Octavyanti, Hakim (2023) PERFORMA KLASTER HADOOP MAPREDUCE PADA PRIVATE CLOUD COMPUTING UNTUK KOMPUTASI SKYLINE QUERY. S1 thesis, Universitas Mataram.

	Text LAPORAN TUGAS AKHIR - F1D019008 - ANNISA OCTAVYANTI HAKIM - TEKNIK INFORMATIKA (2).pdf Restricted to Repository staff only Download (3MB)
Preview	Text JURNAL TUGAS AKHIR - F1D019008 - ANNISA OCTAVYANTI HAKIM - TEKNIK INFORMATIKA (1).pdf Download (964kB) | Preview
Preview	Image POSTER TUGAS AKHIR - F1D019008 - ANNISA OCTAVYANTI HAKIM - TEKNIK INFORMATIKA (2).png Download (367kB) | Preview

Abstract

Penggunaan teknologi Hadoop MapReduce memerlukan pengadaan infrastruktur dengan biaya yang tidak sedikit, terutama bila skala komputasi meningkat. Untuk memaksimalkan utilitas komputasi Hadoop, cloud computing menawarkan kemudahaan penggunaan infrastruktur untuk pemrosesan big data dengan gabungan layanan private cloud dan Infrastructure as a Service (IaaS). Dalam skripsi ini, penulis mengkarakterisasi dan mengevaluasi performa eksekusi big data pada instance cluster virtual Hadoop MapReduce yang dibangun menggunakan private cloud milik server Universitas Mataram. Menggunakan algoritma Skyline Query, klaster akan diuji dengan melakukan variasi jumlah data, variasi jumlah mesin dan variasi blocksize HDFS terhadap 3 jenis data sintetis yakni anti-correlated, correlated dan independent. Penulis juga melacak kinerja instans Hadoop private cloud menggunakan parameter running time dan membandingkannya berdasarkan pengujian yang sama dengan cluster Hadoop dari infrastruktur fisik. Hasil pengujian pada klaster private cloud menunjukkan bahwa menambah jumlah data dari 1.5 juta menjadi 12 juta menggunakan 4 mesin menyebabkan waktu komputasi meningkat pada data anti-correlated (168%), data correlated (194%) dan data independent (126%). Trend kinerja yang sama juga dialami pada klaster hadoop fisik. Pada skenario kedua, klaster private cloud menunjukkan bahwa peningkatan jumlah mesin dari 1 mesin hingga 7 mesin menyebabkan kinerja klaster meningkat hingga mencapai kondisi ideal. Sementara pada klaster Hadoop fisik, menskalakan mesin menjadi 7 mesin menyebabkan overhead communication antar node. Dalam pengolahan data dengan blocksize 512 MB menggunakan 12 juta atau 1.06 GB data dan 7 mesin, merupakan blocksize HDFS yang paling optimal pada penelitian ini karena memiliki waktu eksekusi paling singkat. Berdasarkan uji statistik t menggunakan rata-rata waktu komputasi, disimpulkan bahwa klaster Hadoop yang divirtualisasikan di atas Private Cloud dengan spesifikasi mesin Intel(R) Xeon (R) E3-1225 v5 @ 3.30 GHz RAM 16 GB, bekerja jauh lebih baik dalam mengeksekusi aplikasi Skyline dibandingkan klaster Hadoop yang dibangun pada mesin fisik dengan spesifikasi mesin Intel Core i5 CPU @ 3.00GHz RAM 4 GB.

Item Type:	Thesis (S1)
Keywords (Kata Kunci):	Hadoop MapReduce, Cloud Computing, Private Cloud, IaaS, Skyline Query Terdistribusi, MR-BNL.
Subjects:	T Technology > TD Environmental technology. Sanitary engineering
Divisions:	Fakultas Teknik
Depositing User:	Meike Megawati
Date Deposited:	24 Jul 2023 01:32
Last Modified:	24 Jul 2023 01:32
URI:	http://eprints.unram.ac.id/id/eprint/41569

Actions (login required)

View Item