ANALISIS THROUGHPUT PADA HADOOP MENGGUNAKAN ALGORITMA DELAY SCHEDULING UNTUK PENGIRIMAN 2 JOB YANG BERBEDA

  • WAHYUDDIN SAPUTRA Jurusan Teknik Informatika Fakultas Sains dan Teknologi, Universitas Islam Negeri Alauddin Makassar
    (ID)
  • M. HASRUL H Teknik Informatika, Fakultas Sains dan Teknologi, UIN Alauddin Makassar
    (ID)
Keywords: Throughput, Hadoop, FIFO, Delay Scheduling

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.

Downloads

Download data is not yet available.

Author Biographies

WAHYUDDIN SAPUTRA, Jurusan Teknik Informatika Fakultas Sains dan Teknologi, Universitas Islam Negeri Alauddin Makassar

Jurusan Teknik Informatika Fakultas Sains dan Teknologi, Universitas Islam Negeri Alauddin Makassar

M. HASRUL H, Teknik Informatika, Fakultas Sains dan Teknologi, UIN Alauddin Makassar

Teknik Informatika, Fakultas Sains dan Teknologi, UIN Alauddin Makassar

References

Arslan Engin, Shekhar mrigank, and kosar Tevfik, 2014.Locality and Network-Aware Reduce Task Scheduling forData-Intensive Applications.DataCloud 2014.
Apache TM Hadoop @ homepage. http://Hadoop.apache.org/. Diakses 17
Oktober 2013.
Chuck Lam. (2011). Hadoop In Action. Stamford: Mainning Publications Co.
Colin White. (2012, January). MapReduce and the Data Scientist. BI
Research.
Dima May. (2012). Hadoop Distributed File System (HDFS) Overview.
coreservlets.com.
Magang Industri. (2013). Definisi Cloud Computing. Meruvian.org Cloud
Computing.
Priagung Khusumanegara. 2014. Analisis Performa Kecepatan MapReduce pada Hadoop Menggunakan TCP Packet Flow Analysis. Universitas Indonesia
Rasooli Aysan, Douglas G. Down (2011). Guidelines for Selecting Hadoop
Schedulers based on System Heterogeneity, Hamilton.
Thirumala Rao. B, Reddy. Dr. L.S.S.2011.Survey on Improved Scheduling in Hadoop MapReduce in Cloud Environment.International Jurnal of Cumputer Application (0975-8887) volume 34- No.9, November 2011
Wang Yiantian, Rao Ruonan, and Wang Yingling. 2014. A Round Robin with Multiple Feedback Job Sceduler in Hadoop.978-1-4799-3 /114. 2014 IEEE.
Published
2022-10-04
Section
Volume 7, Nomor 2 Oktober, Tahun 2022
Abstract viewed = 120 times