Optimasi Daya Data Center Cloud Computing Pada Workload High Performance Computing (PHC) Dengan Scheduling Preditif Secara Real Time

., 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.

[img]
Preview
Text
5113201011-master theses.pdf - Accepted Version

Download (5MB) | Preview
[img]
Preview
Text
5113201011-paperpdf.pdf - Accepted Version

Download (640kB) | Preview
[img]
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: https://repository.its.ac.id/id/eprint/71893

Actions (login required)

View Item View Item