PERANCANGAN SISTEM AUTO-SCALING PADA CLOUD COMPUTING DENGAN MENGGUNAKAN SISTEM PREDIKSI SIMPLE MOVING AVERAGE

Praditya Wahyu Wardhana, Novian Anggis Suwastika

Abstract


Layanan Cloud Computing bersifat on-demand dan rapid-elasticy untuk memenuhi kebutuhan penyimpanan data maupun komputasi. Untuk mendukung layanan ondemand dan rapid-elastic, diperlukan kemampuan pengalokasian resource secara otomatis yang dikenal sebagai metode auto-scaling. Penerapan metode autoscaling dapat dilakukan dengan dua metode yaitu prediksi dan dinamik. Pada penelitian ini metode autoscaling yang digunakan adalah metode prediksi. Metode prediksi dipilih karena mendukung skalabilitas dan selfadaptive. Simple Moving Average (SMA) merupakan salah satu metode prediksi menggunakan keterurutan waktu dengan memanfaatkan data dari masa lalu. Dibandingkan dengan metode prediksi lain seperti Exponential Moving Average atau Autoregresive Moving Average, SMA merupakan model prediksi dengan komputasi paling sederhana dan mungkus. Pada paper ini diajukan perancangan sistem cloud computing untuk mendukung implementasi auto-scaling menggunakan metode SMA. Perancangan sistem ini diharapkan dapat mendukung analisis performasi metode SMA dengan parameter mean time to failure (MTTF), mean time between failure (MTBF), mean time to repair (MTTR), Availability Operational, Down Time dan Up Time serta ketepatan predictive system.


Full Text:

PDF

References


Anthony T. Velte, Toby J. Velte, Ph.D., Robert Elsenpeter,2010, Cloud Computing A Practical Approach, New York, McGraw-Hill Companies.

Borko Furht , Armando Escalante,2010, Handbook of Cloud Computing, London, Springer.

Di Niu, Hong Xu, Baochun Li Shuqiao Zhao.(2012). “Qualiti-Assured Cloud Bandwidth Auto-Scaling for Videoon- Demand Appalications”. University of Toronto

Filippo Lorenzo Ferraris, Davide Franceschelli, Mario Pio Gioiosa.(2012).” Evaluating the Auto Scaling Performance of Flexiscale and Amazon EC2 Clouds”. Politecnico di Milano

Gregor von Laszewski, Javier Diaz, Fugang Wang, Geoffrey C. Fox. (2012). ”Comparison of Multiple Cloud Frameworks”. Indiana University, Bloomington

Jackson, Kevin, 2012, OpenStack Cloud Computing Cookbook, Birmingham, PACKT Publishing

L´ılia Rodrigues Sampaio, Raquel Vigolvino Lopes.2012. “Towards practical auto scaling of user facing applications”. Universidade Federal de Campina Grande, Paraiba

Maarif, M.S. 2003. Teknik-Teknik Kuantitatif Untuk Manajemen. Grasindo: Jakarta

Ming Mao, Marty Humphrey.(2011).” Auto-Scaling to Minimize Cost and Meet Application Deadlines in Cloud Workflows”. University of Virginia

Nilabja Roy, Abhishek Dubey, Aniruddha Gokhale.(2011).” Efficient Autoscaling in the Cloud using Predictive Models for Workload Forecasting”. Vanderbilt University

Openstack, Openstack Compute Administration Guide.(2013) [Online] tersedia di : http://www.docs.openstack.org/trunk/openstackcompute/ admin/content/index.html

Rajkummer Buyya, James Broberg, Andrzej Goscinski,2011, Cloud Computing Priciples and Paradigms, United State, Wiley.

Santiko Bayu. (2012) .”Auto-scaling Cloud Computing Untuk Layanan VoIP Pada IP Multimedia Subsystem”. Institut Teknologi Telkom, Bandung

Tania Lorido-Botrano, Jose Miguel-Alonso, Jose A.Lozano. (2012) .” Auto-scaling Techniques for Elastic Applications in Cloud Environments”. University of the Basque Country

University of Guelph. 2013. Forecasting. http://www.uoguelph.ca/~dsparlin/forecast.htm#CAUSAL FORECASTING METHODS

OpenStack Folsom Architecture Cloud Computing. 2012. http://ken.pepple.info/openstack/2012/09/25/openstackfolsom- architecture/


Refbacks

  • There are currently no refbacks.