Analisis Performa Capacity Scheduling Algorithm Pada Sistem Job Scheduling Hadoop

Alfian Dzulfikar Khabibi, Gandeva Bayu Satrya, Anton Herutomo

Abstract

Abstrak

Hadoop merupakan framework software berbasis java dan open-source yang berfungsi untuk mengolah data yang besar secara terdistibusi dan berjalan diatas cluster yag terdiri dari beberapa gabungan komputer. Arsitektur Hadoop terdiri dari 2 layer pokok, yaitu layer MapReduce dan layer Hadoop Distributed File System (HDFS). Map Reduce adalah komponen service kunci yang berfungsi untuk melakukan proses komputasi Big Data secara paralel dan terdistribusi dan (HDFS) berfungsi untuk menyediakan bandwidth sangat tinggi yang di agregasi ke semua cluster (node).

Dalam MapReduce terdapat terdapat job scheduler yang berfungsi untuk memetakan antrian job yang masuk. Job scheduler default dari Hadoop adalah FIFO dan Hadoop mengizinkan penggantian job scheduler default dengan custom job scheduler. Capacity Scheduling merupakan job scheduler pada Hadoop yang berkarakteristik memberikan capacity guarantee kepada antrian yang masuk pada queue yang telah disediakan sehingga bisa ditekannya nilai Fail Rate. Tetapi karena resource harus dibagi menjadi beberapa bagian maka performansi Response Time dan Job Troughput menurun. Pada algoritma FIFO nilai maksimal Job Fail rate yaitu 10%, sedangkan pada Capacity Scheduling nilai Job Troughput maksimal adalah 4,3%.

Kata kunci : Hadoop, data, multi-user, Capacity Scheduling, FIFO

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0