Kinerja Klaster Hadoop pada Raspberry Pi

Herlambang, Wahyu Kukuh (2016) Kinerja Klaster Hadoop pada Raspberry Pi. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 5112100070-Undergraduate_Thesis.pdf]
Preview
Text
5112100070-Undergraduate_Thesis.pdf - Accepted Version

Download (2MB) | Preview

Abstract

Besarnya biaya yang diperlukan untuk membuat klaster Hadoop dengan perangkat keras merupakan salah satu permasalahan utama dalam mengimplementasikannya secara nyata. Penggunaan perangkat murah pada klaster Hadoop juga dapat mengakibatkan tidak optimalnya bahkan tidak berkerjanya fitur-fitur pada Hadoop sehingga diperlukannya penyesuaian pada Hadoop atau perangkat itu sendiri. Untuk mengoptimalkan kerja Hadoop maka pada tugas akhir kali ini akan digunakan beberapa metode penyesuaian, diantara lain: optimasi blok data, kompresi output mapper, penyesuaian memori, optimasi ukuran file, penggunaan ulang JVM, overclock perangkat, dan manajemen bandwith pada klaster Hadoop. Hasil dari implementasi metode ini adalah dapat dijalankan dan diperhitungkannya kinerja dari klaster Hadoop sebelum dan setelah penyesuaian pada perangkat murah.
======================================================================================================
The amount of costs required to make a Hadoop cluster using hardware is one of the main practical problems in implementing it. The use of lowcost devices on Hadoop clusters can also lead to less optimized and even failures on Hadoop’s features so that some adjustments are needed. In order to optimize the work of Hadoop, this final assignment will use several methods of adjustment such as: the optimization of data blocks, mapper output compression, memory adjustment, optimization of file size, the reuse of JVM, device overlock, and bandwidth management on Hadoop cluster. The results from the implementation of this method is the practicable and measurable performances of Hadoop clusters before and after adjustment on lowcost devices.

Item Type: Thesis (Undergraduate)
Additional Information: RSM 004.678 2 Her k
Uncontrolled Keywords: Hadoop, Raspberry Pi, Perhitungan Kinerja
Subjects: Q Science > QA Mathematics > QA278.55 Cluster analysis
T Technology > T Technology (General) > T57.5 Data Processing
Divisions: Faculty of Information Technology > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User: Yeni Anita Gonti
Date Deposited: 29 Apr 2020 04:56
Last Modified: 29 Apr 2020 04:56
URI: http://repository.its.ac.id/id/eprint/75906

Actions (login required)

View Item View Item