., Amirullah (2016) Optimasi Daya Data Center Cloud Computing Pada Workload High Performance Computing (PHC) Dengan Scheduling Preditif Secara Real Time. Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
5113201011-master theses.pdf - Accepted Version Download (5MB) | Preview |
Preview |
Text
5113201011-paperpdf.pdf - Accepted Version Download (640kB) | Preview |
Preview |
Text
5113201011-presentationpdf.pdf - Presentation Download (1MB) | Preview |
Abstract
Tantangan terbesar yang muncul pada data center cloud computing adalah
meningkatnya biaya konsumsi daya. Pengembangan data center akan bertolak
belakang dengan penghematan daya, semakin tinggi performa sebuah data center,
maka semakin tinggi pula konsumsi energi yang dibutuhkan, hal ini disebabkan
oleh kebutuhan jumlah server ataupun hardware pada data center yang semakin
meningkat.
Data center cloud computing yang berbasis High Performance Computing
(HPC) merupakan sebuah teknologi yang dibangun dari kumpulan server dalam
jumlah besar untuk menjamin ketersediaan tinggi dari sebuah cloud computing,
namun sebenarnya beberapa server tersebut hanya direncanakan untuk beban
puncak yang jarang atau tidak pernah terjadi. Ketika beban pada titik terendah,
maka server tersebut akan berada dalam kondisi idle.
Optimasi daya menggunakan DNS (Dynamics Shutdown) dengan
memanfaatkan kondisi beban rendah server dapat menjadi solusi yang tepat untuk
mengurangi konsumsi daya pada data center. Namun jika optimasi tersebut
dilakukan dengan konvensional dan hanya berdasarkan data real time, maka
kemungkinan besar akan berpengaruh terhadap performa data center.
Optimasi yang dilakukan pada penelitian ini adalah dengan metode
prediksi menggunakan moving average untuk menentukan penjadwalan DNS.
Hasil pengujian dengan komputer virtual menunjukkan bahwa dengan metode
prediksi dapat mengurangi konsumsi daya sebesar 1,14 Watt dibandingkan dengan
metode konvensional. ========== The biggest challenge that emerged in the data center cloud computing is
increasing costs for power consumption. The higher performance of a data center,
the higher the energy consumption required, this was due to the needs of the number
of servers or hardware in the data centers are growing.
Data center cloud computing-based High Performance Computing (HPC)
is a platform built on very large number of servers to ensure high availability of
cloud services. The workload is likely to be happening at specific periods of time,
instead of all time. Therefore, when the load is at its lowest point, the server will be
in the idle condition.
Implementing DNS (Dynamics Shutdown) at appropriate times could be a
solution for reducting power consumption in the data center. However, if the
optimization is done only on the basis of conventional and real time data, it will
most like-ly affect the performance of the data center.
In this study, optimization is done by conducting prediction using moving
average method to determine the schedule of DNS. Results of testing with virtual
computer shows that the prediction methods can reduce the power consumption of
1.14 Watts compared to conventional methods.
| Item Type: | Thesis (Masters) |
|---|---|
| Additional Information: | RTIf 004.678 2 Ami o-1 3100017069119 |
| Uncontrolled Keywords: | Cloud computing, Data Center, Optimasi Daya, Dynamics Shutdown, Prediksi, Real Time, moving average, penjadwalan, |
| Subjects: | Q Science > QA Mathematics > QA76.585 Cloud computing. Mobile computing. |
| Divisions: | Faculty of Information Technology > Informatics Engineering > 55101-(S2) Master Thesis |
| Depositing User: | - Davi Wah |
| Date Deposited: | 28 Nov 2019 07:40 |
| Last Modified: | 28 Nov 2019 07:40 |
| URI: | http://repository.its.ac.id/id/eprint/71893 |
Actions (login required)
 |
View Item |