Please enable JavaScript.

Coggle requires JavaScript to display documents.

Cloud Computing - Coggle Diagram

- - - - Permintaan layanan dipetakan ke mesin virtual
    - - Permintaan layanan dipetakan & dijadwalkan ke sumber daya fisik yang sebenarnya
  - - - Tidak mempertimbangkan status beban sistem saat ini dan mengalokasikan beban hanya berdasarkan karakteristik permintaan
    - - Secara aktif memantau tingkat beban sumber daya melalui saluran umpan balik dan menyesuaikan distribusi beban untuk menjaga agar semua sumber daya dimuat secara merata
  - - - Membuat keputusan tanpa mempertimbangkan karakteristik & sumber permintaan yang masuk
    - - Content-aware
        
        Membuat keputusan dengan basis pengetahuan tentang jenis konten permintaan layanan
      - Client-aware
        
        Membuat keputusan dengan basis pengetahuan tentang sumber permintaan layanan
      - Client & Content aware
        
        Gabungan content-aware & client-aware
- - - - Komponen komoditas dalam pool bisa dari standar arsitektur yg beragam
      - Standardisasi dilakukan berdasarkan kriteria umum
    - - Otomatisasi diterapkan untuk deployment sumber daya
      - Otomatisasi bekerja berdasarkan kriteria dalam proses standardisasi
    - - Dilakukan untuk mendapatkan performance sumber daya yang optimal dengan sekumpulan sumber daya yang terbatas
  - - - Under-provisioning
        
        sumber daya yang dipesan tidak mampu memenuhi permintaan, kinerja turun, business loss
      - Over-provisioning
        
        sumber daya yang dipesan tetap tidak digunakan sepanjang waktu, boros sumber daya
    - - Kinerja aplikasi dalam short-term on-demand plan tergantung pada kemampuan penyedia dalam memperkirakan total permintaan sumber daya selama peak hours
      - Kinerja aplikasi dalam long-term reservation plan tergantung pada kemampuan konsumen dalam memperkirakan permintaan sumber daya aplikasinya sendiri pada awal operasi
    - - Static provisioning
        
        Sumber daya dialokasikan sekali saat pembuatan VMs
        
        Ukuran VM ditentukan saat pembuatan VM
      - Dynamic provisioning
        
        Sumber daya dialokasikan per permintaan aplikasi selama run-time
        
        Mengeliminasi persoalan under-provisioning & over-provisioning
        
        Ukuran VM berubah tergantung beban aplikasi
      - Hybrid provisioning
        
        Dimulai dengan teknik static provisioning pada tahap awal pembuatan VM, lalu berubah ke dynamic re-provisioning
    - - Short-term
        
        Dalam rencana waktu terbatas
      - Long-term
        
        Penyedia awan menjaga sejumlah sumber daya komputasi di depan untuk konsumen, sumber daya fisik disediakan secara dinamis
- - - - Solusi basis data umum yang diimplementasi via instalasi database di IaaS
      - Database-as-a-service di mana vendor mengelola semua tugas administrasi backend
  - - - Memproses dataset terstruktur, memiliki keterbatasan, tidak dibuat untuk penyimpanan data tersebar, sulit dalam pemelaran basis data
      - Contoh: Oracle Database, Microsoft SQL Server, MySQL, PostgreSQL
    - - Cocok untuk pemerolehan penyimpanan data tak terstruktur, cocok untuk membangun sistem melar
      - Contoh: Amazon SimpleDB, Google Datastore, Apache Cassandra
  - - - Terstruktur: Amazon RDS, Microsoft SQL Azure
      - Tak terstruktur: Amazon SimpleDB, Google Datastore, Apache Cassandra
  - - - Konsumen layanan IaaS men-deploy basis data relasional ke server awan, dia memiliki tanggung jawab penuh pada instalasi dan pengelolaan basis data, back-up, recovery, men-tune sistem operasi, parameter basis data
        
        Cara a: Instal aplikasi basis data ke awan
        
        Cara b: Gunakan ready-made machine images yang sudah tercakup dalam basis data
      - Menggunakan layanan basis data relasional siap pakai yang ditawarkan oleh penyedia layanan
    - - Amazon Relational Database Service (RDS)
      - Google Cloud SQL
      - Microsoft Azure SQL Database
  - - - CAP
        
        Mustahil memenuhi 3 aspek Consistency, Availability & Partition tolerance of data, dalam sistem komputer tersebar
        
        Consistency
        
        Data dalam basis data tetap konsisten setelah eksekusi operasi
        
        Availability
        
        Menjamin basis data selalu tersedia setiap saat
        
        Partition tolerance
        
        Basis data dipartisi sehingga bila satu bagian tidak tersedia, maka ada bagian lain yang tetap dan bekerja normal untuk menjamin ketersediaan informasi
      - BASE
        
        Untuk memenuhi permintaan kemelaran dan distribusi data di NoSQL, mustahil memenuhi 4 kriteria ACID secara simultan
        
        Basically Available
        
        Data harus tersedia meskipun ada kegagalan beberapa simpul
        
        Soft State
        
        Pasca kembali ke kondisi konsisten, sistem memungkinkan perubahan kondisi setiap saat tanpa masukan apa pun
        
        Eventual consistency
        
        Segera pasca operasi, data tampak inkonsisten namun data harus konvergen ke kondisi konsisten setelahnya
    - - CA
        
        Cocok untuk sistem yang dirancang untuk berjalan di klaster sebuah situs, jadi semua simpul terhubung
        
        RDBMS menganggap penting isu Consistency & Availability & mengikuti aturan ACID
      - CP
        
        Toleran untuk persoalan partisi jaringan, cocok untuk sistem yang tidak harus tersedia 24x7 jam
        
        NoSQL DB Column-Family Category
      - AP
        
        Toleran untuk persoalan partisi jaringan, ketersediaan data dijamin 24×7 jam, namun kadang data kurang akurat
        
        NoSQL DB Document-Oriented & Key-Value Categories
    - - Bebas skema
      - Tidak saling terkait
      - Melar horizontal
      - Tersebar otomatis
      - Replikasi otomatis
      - Integrated caching
    - - Key-Value Database
        
        Paling sederhana, memetakan data dengan sebuah kunci, menjaga basis data seperti hash-table di mana nilai diacu dari kunci
        
        Contoh: Amazon DynamoDB, Azure Table Storage, Google Cloud Datastore
      - Column-Family Database
        
        Data dikelompokkan dalam kolom, tiap kolom berisi 3 elemen (name, value, time-stamp)
        
        Contoh: Hadoop Hbase
      - Graph Database
        
        Data disimpan dalam struktur graf, entitas diwakili simpul, relasi diwakili verteks
        
        Contoh: Neo4J, Info-Grid, Infinite Graph
      - Document Oriented Database
        
        Data disimpan dalam dokumen terstruktur, dokumen diberi alamat dan diperoleh menggunakan kunci berupa path, URI, string
        
        Contoh: MongoDB, Apache CouchDB, Couchbase
      - Hybrid
        
        Contoh: Cassandra (column-oriented & key-value data store)
- - - - Ketersediaan
      - Penyimpanan
      - Backup
      - Recovery
  - - - Support Perangkat Lunak
      - Ketersediaan
      - Agility
      - Skalabilitas
      - Integrasi dengan Sistem Lain
      - Keamanan, Kepatuhan, & Persyaratan Peraturan
      - Ketergantungan Eksternal
- - - - Layanan berupa komponen reusable yang dibangun dan dipublikasikan oleh penyedia
  - - - Pemisahan (decoupling)
        
        Loose Coupling
        
        Komponen-komponen mudah dipasang dan dilepas satu sama lain
      - Pemilahan (composability)
        
        Prinsip perancangan di mana sistem dapat dirancang untuk memenuhi kebutuhan tertentu dengan merakit komponen-komponen dalam beragam kombinasi
        
        Sifat Komponen yang Composable
        
        Modular
        
        Komponennya independen dan mandiri yang kooperatif, reusable, dan mudah ditempatkan
        
        Stateless
        
        Prinsip komunikasi yang memperlakukan tiap transaksi secara terpisah dan bebas dari transaksi lain
    - - Komponen Utama
        
        Contract
        
        Menentukan kebutuhan terprediksi konsumen dari layanan dan rincian layanan yang ditawarkan penyedia
        
        Interface
        
        Mendefiniskan cara akses layanan dan penggunaannya, diregistrasi dalam service registry di mana konsumen dapat mencarinya
        
        Informasi dalam Service Registry
        
        Daftar layanan yang tersedia
        
        Cara penggunaan layanan
        
        Ketergantungan (bila ada)
        
        Informasi pemilik layanan
        
        Kontrak layanan
        
        Implementation
        
        Realisasi aktual layanan, yang tertutup dari konsumen
        
        Approaches
        
        Top-down
        
        Menyamakan antarmuka dan implementasi (contract-first development)
        
        Bottom-up
        
        Implementasi layanan kurang dibatasi dan lebih mudah
        
        Meeting in the Middle
        
        Kendali penuh atas definisi antarmuka layanan, pemetaan implementasi dilakukan ke antarmuka layanan yang sudah ada
      - Atribut
        
        Self-contained
        
        Mengurangi ketergantungan
        
        Coarse-grained
        
        Mengurangi pemanggilan, menyembunyikan detail
        
        Stateless
        
        Tidak simpan status panggilan yang berbeda
        
        Reusable
        
        Mengurangi redundansi
      - Diimplementasikan berdasarkan Standar Terbuka
        
        Standar Terbuka
        
        Mengarahkan aktivitas pertukaran data lintas sistem terpisah dengan cara membangun kerangka kerja komunikasi tanpa terikat vendor
        
        Setiap layanan dengan teknologi yang berbeda dapat bekerja lintas platform karena layanan di bawah paradigma SOA dibangun mengikuti standar terbuka yang sama yaitu "The Open Group"
        
        Panduan
        
        SOA Reference Architecture
        
        Service Integration Maturity Model
        
        Service-Oriented Architecture Ontology
        
        SOA Governance Framework
        
        Service-Oriented Cloud Computing Infrastructure (SOCCI) Framework
        
        Teknologi
        
        XML
        
        WSDL
        
        SOAP
        
        UDDI
  - - - Flexibility, menangani kebutuhan baru
      - Reusability, layanan dapat dipasang-lepas
      - Simpler integration, terutama konektivitas, pertukaran data, dan proses pemaduan
      - Maintainability, pemeliharaan layanan terisolasi, lebih mudah dan murah
    - - Agility, respon cepat perubahan kebutuhan
      - Cost reduction, penggunaan ulang layanan
      - Increase in quality, layanan teruji, memberi Return of Investment (ROI) bagus
      - Quicker release to market, pengembangan singkat
      - Standardization, bebas dari keterikatan vendor
- - - - Sistem berkas dalam awan harus menjamin proses & data penyewa tetap terisolasi satu sama lain
    - - Sistem berkas awan harus melar & susut dengan baik
    - - Perlu dukungan sistem berkas tak terbatas, demi keberhasilan bisnis
    - - Penting untuk mencapai kinerja yang diminta seperti sistem berkas lokal, saat menangani ribuan operasi serentak oleh banyak klien
    - - Backward compatibility pada antarmuka sistem berkas yang ada menjadi penting untuk memfasilitasi migrasi ke awan secara mulus
    - - Karena keterukuran sumber daya menjadi kebutuhan komputasi awan & penyimpanan, maka sistem berkas awan harus mampu & mendukung hal itu
  - - - Definisi
        
        Model pemrograman yang mendukung pengembang untuk menulis aplikasi yang dapat memproses data besar tak terstruktur secara paralel lintas lingkungan pemrosesan tersebar
      - 2 Fungsi
        
        Map
        
        Membagi tugas pemrosesan data dalam lingkungan tersebar & membangkitkan hasil sementara
        
        Reduce
        
        Mereduksi hasil-hasil sementara menjadi hasil final
      - Ide Dasar
        
        Dataset dibagi menjadi blok-blok dan ditugaskan ke instans yang berbeda
        
        Semua instans bekerja serentak memproses potongan dataset
        
        Usai komputasi bekerja, tahap kedua mulai ketika hasil sementara yang dikeluarkan oleh setiap instans digabung untuk mengeluarkan hasil final
    - - Hadoop MapReduce, Pig & Hive diimplementasikan oleh Apache
      - Map-reduce-merge: menambahkan fase ketiga yaitu menggabungkan data setelah proses map-reduce
      - Sphere: framework pemrograman sumber terbuka untuk pemrosesan dataset besar mirip MapReduce
  - - - Bermula sebagai Tiger Shark file system, projek penelitian IBM dan tersedia pada IBM’s AIX pada tahun 1998
    - - GFS memastikan kemelaran sistem, meningkatkan keandalan dengan mekanisme untuk failures and errors
      - Menggunakan MapReduce untuk memecah setiap file besar menjadi chunk-chunk berukuran 64 MB
      - Klaster GFS berupa 2 jenis simpul: master server & chunk servers
    - - Implementasi sumber terbuka arsitektur GFS oleh Apache Software Foundation, berbasis Java, menyediakan penyimpanan data melar dan handal, sangat fault-tolerant, tersedia untuk konsumen platform awan Amazon EC2
      - Klaster HDFS berupa 2 jenis simpul: master disebut NameNode, slave disebut DataNodes
    - - Sistem berkas privat lengkap, murah, melar, dan dirancang dalam akun layanan Amazon web
    - - Sistem berkas tersebar sumber terbuka oleh Gluster, Inc. kemudian Red Hat, Inc., memungkinkan pembuatan volum tunggal penyimpanan yang mencakup beberapa disk, mesin, maupun data center
    - - Implementasi sumber terbuka GFS menggunakan bahasa C++ oleh perusahaan AS Kosmix untuk layanan G-Cloud pemerintah Inggris, kini dikenal sebagai CloudStore
  - - - Consumer enterprise & storage service provider berbeda organisasi
    - - Consumer enterprise & storage service provider terintegrasi pada enterprise’s data center atau provider’s data center
    - - Enterprises menyimpan data kritis & aktif dalam private cloud storage, sedangkan public storage untuk pengarsipan
    - - Perlu menyimpan file dan folder dalam ruang simpan ready-to-use, kebutuhannya dipenuhi via layanan hosting berkas personal
    - - Perlu layanan simpan untuk kendali sistem penyimpanan sendiri, sistem tersebut sering diakses oleh pengguna aplikasi
    - - Menyediakan fasilitas mirip disk, pengguna dapat membagi atau memformat ruang simpan mentah sesuai kebutuhan dan dapat install perangkat lunak
    - - Mirip disk siap pakai, pengguna langsung memperoleh kapasitas simpan untuk digunakan
- - - - Downward Scaling
        
        Meminimalkan pemborosan sumber daya & biaya komputasi
      - Upward Scaling
        
        Membantu bisnis membesar dengan lebih murah
    - - Static
        
        Sistem perlu melakukan restart agar scaling efektif
      - Dynamic
        
        Sistem menjaga performance secara konsisten selama ada permintaan masif dengan cara membesar seiring permintaan meningkat
        
        Cara
        
        Manual
        
        Otomatis
        
        Auto-scaling
        
        Sumber daya dapat disediakan secara otomatis ke dalam sistem komputer selama permintaan naik dan dilepaskan ketika permintaan turun
        
        Cara Implementasi
        
        Proactive Scaling
        
        1 more item...
        
        Reactive Scaling
        
        1 more item...
  - - - Mengganti sebuah komponen dengan komponen lain yang lebih kuat
    - - Menambah jenis sumber daya yang sama ke dalam sistem