WAHYUDDIN SAPUTRA, M. HASRUL H
{"title":"ANALISIS THROUGHPUT PADA HADOOP MENGGUNAKAN ALGORITMA DELAY SCHEDULING UNTUK PENGIRIMAN 2 JOB YANG BERBEDA","authors":"WAHYUDDIN SAPUTRA, M. HASRUL H","doi":"10.24252/instek.v7i2.32578","DOIUrl":null,"url":null,"abstract":"Pertumbuhan data yang semakin besar tidak lepas dari semakin berkembangnya teknologi saat ini. Hal tersebut menciptakan tantangan tersendiri dalam hal pengelolaan, pengoleksian, analisa dengan mengandalkan system database biasa yang umumnya digunakan untuk menyimpan dan mengelola data dengan jumlah yang tidak terlalu besar, sehingga dibutuhkan solusi untuk itu salah satunya dengan Parallel computing dengan menggunakan menggunakan Hadoop yang  merupakan platform untuk mengolah data yang berukuran besar (big data) secara terdistribusi dan dapat berjalan diatas cluster. Penelitian ini menggunakan algoritma FIFO dan Delay Scheduling sebagai job scheduler dan menggunakan parameter pengujian job throughput sebagai acuan perhitungan performansi sistem. Dari hasil analisis menunjukkan bahwa penambahan jumlah job yang diberikan akan menyebabkan nilai througput menjadi kecil karena jumlah job sangat berpengaruh terhadap nilai throughput. Meski demikian untuk masing-masing skenario yang telah dilakukan penggunaan algoritma delay scheduling memiliki nilai throughput yang lebih besar bila dibandingkan dengan algoritma FIFO.","PeriodicalId":127396,"journal":{"name":"Jurnal INSTEK (Informatika Sains dan Teknologi)","volume":"114 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-10-04","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal INSTEK (Informatika Sains dan Teknologi)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.24252/instek.v7i2.32578","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

不断增长的数据与今天的技术相比不相一提。这创造了自己在管理方面的挑战,pengoleksian,靠分析系统通常用于存储和管理数据的数据库的数量不是很大,因此需要解决办法的其中一种平行计算,用平台的使用Hadoop是处理大的(大数据)和分布地在集群上行走。该研究使用FIFO和Delay Scheduling算法作为job scheduler,并使用job通过roughput测试参数作为系统绩效计算的基准。分析结果表明,增加工作数量将使工作的价值变小,因为工作的数量对throughput的价值有很大的影响。然而,对于使用算法delay scheduling所做的每一个场景,与FIFO算法相比,它的值都要高得多。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
ANALISIS THROUGHPUT PADA HADOOP MENGGUNAKAN ALGORITMA DELAY SCHEDULING UNTUK PENGIRIMAN 2 JOB YANG BERBEDA
Pertumbuhan data yang semakin besar tidak lepas dari semakin berkembangnya teknologi saat ini. Hal tersebut menciptakan tantangan tersendiri dalam hal pengelolaan, pengoleksian, analisa dengan mengandalkan system database biasa yang umumnya digunakan untuk menyimpan dan mengelola data dengan jumlah yang tidak terlalu besar, sehingga dibutuhkan solusi untuk itu salah satunya dengan Parallel computing dengan menggunakan menggunakan Hadoop yang  merupakan platform untuk mengolah data yang berukuran besar (big data) secara terdistribusi dan dapat berjalan diatas cluster. Penelitian ini menggunakan algoritma FIFO dan Delay Scheduling sebagai job scheduler dan menggunakan parameter pengujian job throughput sebagai acuan perhitungan performansi sistem. Dari hasil analisis menunjukkan bahwa penambahan jumlah job yang diberikan akan menyebabkan nilai througput menjadi kecil karena jumlah job sangat berpengaruh terhadap nilai throughput. Meski demikian untuk masing-masing skenario yang telah dilakukan penggunaan algoritma delay scheduling memiliki nilai throughput yang lebih besar bila dibandingkan dengan algoritma FIFO.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信