Pengujian dan Pengukuran
3.4 Pengujian dan Pengukuran
Pengujian yang dijalankan pada sistem cloud terdiri dari beberapa bagian skenario yang dijalankan pada server virtualisasi. Skenario pengujian dijalankan pada native server dan cloud server yang diimplementasikan pada server yang identik. Analisa virtualisasi server menggunakan pengukuran metrik skalabilitas yaitu menggunakan metode overhead dan liniearitas.
3.4.1 Topologi yang diusulkan
Dari desain topologi yang sudah berjalan diusulkan desain untuk mendukung cloud computing sehingga penggunaan jumlah server menjadi lebih sedikit dan jumlah layanan meningkat. Dalam konsep usulan tersebut Dari desain topologi yang sudah berjalan diusulkan desain untuk mendukung cloud computing sehingga penggunaan jumlah server menjadi lebih sedikit dan jumlah layanan meningkat. Dalam konsep usulan tersebut
Gambar 3.5 Topologi logic yang diusulkan
3.4.2 Pengamatan Langsung pada Server UPT
Pengamatan langsung pada server UPT dilakukan untuk mendapatkan nilai dasar dari performa server yang sudah berjalan di lingkungan laboratorium komputer STMIK AMIKOM Yogyakarta.
1. Penggunaan sumber daya pada server UPT Pada pengamatan penggunaan sumber daya server, tahap pertama
dilakukan pengamatan langsung pada semua server dalam kondisi idle atau laboratorium sedang tidak digunakan untuk proses belajar mengajar. Dari hasil ini didapatkan hasil penggunaan utilitas cpu seperti pada Tabel 3.8.
Tabel 3.8 Utilitas CPU pada server UPT dalam kondisi idle
Native
Utilitas cpu (%)
Server Hari
Pengamatan berikut dilakukan pada saat server digunakan ketika praktikum berjalan. Dari hasil pengamatan ini didapatkan hasil penggunaan utilitas cpu seperti pada Tabel 3.9.
Tabel 3.9 Utilitas CPU pada server UPT dalam kondisi kelas digunakan
Utilitas cpu (%)
Native Server
Rata- Hari
1 2 3 4 5 6 7 8 9 10 rata
Dari hasil pengamatan yang dilakukan pada server UPT terdapat peningkatan utilitas cpu. Hal ini disebabkan karena komputer client pada lab komputer melakukan unduh maupun unggah file ke server. Pada Tabel 3.9 terdapat penggunaan utilitas cpu yang fluktuatif naik dan turun.
Dari pengamatan yang dilakukan sesuai pada Tabel 3.9 jika dilakukan pengamatan pada server monitoring didapatkan hasil sesuai pada Gambar 3.6 sampai dengan Gambar 3.15.
Gambar 3.6 Grafik Monitoring Utilitas CPU Server 1
Gambar 3.7 Grafik Monitoring Utilitas CPU Server 2
Gambar 3.8 Grafik Monitoring Utilitas CPU Server 3
Gambar 3.9 Grafik Monitoring Utilitas CPU Server 4
Gambar 3.10 Grafik Monitoring Utilitas CPU Server 5
Gambar 3.11 Grafik Monitoring Utilitas CPU Server 6
Gambar 3.12 Grafik Monitoring Utilitas CPU Server 7
Gambar 3.13 Grafik Monitoring Utilitas CPU Server 8
Gambar 3.14 Grafik Monitoring Utilitas CPU Server 9
Gambar 3.15 Grafik Monitoring Utilitas CPU Server 10
2. Durasi waktu transfer file pada server UPT Pengamatan ini dilakukan dengan melakukan unggah file avi sebesar 62
MB dengan satu buah komputer client. Hasil yang diamati adalah durasi waktu transfer file dari komputer client ke server menggunakan aplikasi easy file MB dengan satu buah komputer client. Hasil yang diamati adalah durasi waktu transfer file dari komputer client ke server menggunakan aplikasi easy file
Tabel 3.10 Waktu transfer file pada native server
Native Waktu transfer file (detik) Server
Uji 5 Rata-rata
3.4.3 Pengujian Server Cloud
1. Analisa Overhead
a. Analisa overhead pada skenario pengujian pertama Pada tahap ini pengujian dilakukan perbandingan durasi waktu upload file ke server menggunakan aplikasi easy file sharing. Pada pengujian yang dilakukan dengan skenario pertama didapatkan hasil sesuai dengan Tabel 3.11.
Tabel 3.11 Evaluasi overhead pada pengujian skenario pertama
cloud server beban
jumlah proses
server native
cloud active waktu (sec) 1 15.0 2 13.5 3 13.2 4 13.6 5 13.2
Upload File 62 MB
9 - 10 -
Dari hasil pengujian pada skenario pertama didapatkan hasil bahwa durasi waktu transfer native server lebih cepat dibandingkan dengan cloud server. Pengamatan lain adalah dilakukan pada server utama yang dijadikan sebagai server cloud. Penggunaan utilitas server sebesar 9.19% yang dijelaskan pada Gambar 3.16.
Gambar 3.16 Utilitas CPU pada server utama
durasi upload file
le fi d 15,00 a
lo 14,50 p
r a si 13,00 d u 12,50
w akt u (sec)
cloud active
Gambar 3.17 Grafik Durasi Upload file per cloud
b. Analisa overhead pada skenario pengujian kedua Pada tahap ini pengujian dilakukan perbandingan durasi waktu upload file ke server menggunakan aplikasi easy file sharing. Pada pengujian yang dilakukan dengan skenario pertama didapatkan hasil sesuai dengan Tabel 3.12.
Tabel 3.12 Evaluasi Overhead pada pengujian skenario kedua
cloud server beban
jumlah proses
server native
cloud active waktu (sec) 1 13.29 2 14.55
Upload File 62 MB
Dari hasil pengujian pada skenario kedua didapatkan durasi waktu transfer lebih tinggi dibanding native server. Pada pengujian kedua juga dilakukan pengamatan pada server utama dan didapatkan penggunaan utilitas cpu sebesar 20.72% pada Gambar 3.18.
Gambar 3.18 Utilitas CPU pada server utama
Durasi Upload File
Cloud Active
D server nat ive
cloud server
Gambar 3.19 Durasi Waktu Upload pada Server Cloud
Dari hasil pengujian menggunakan metode overhead dari skenario pertama dan kedua didapatkan hasil perbandingan pada setiap penambahan virtual machine.
Tabel 3.13 Perbandingan durasi transfer file pada pengujian overhead
Jumlah cloud
Skenario kedua (sec) computing
Skenario pertama (sec)
Dari hasil data diatas, maka dapat dihitung nilai overhead virtualisasi:
T a = 12.9
O v = T av –T a = 13.29 – 12.9 = 0.39 sec = 390 ms
O vn = T anv –T a n = 10 = 16.24 – 12.9 = 3.34 sec = 3340 ms
Maka didapatkan hasil nilai degradasi server ketika menjalankan sepuluh cloud server sebesar:
Pada bagian percobaan ini, pada satu waktu baik server tradisional dan server virtual hanya ada satu proses yang berjalan. Namun pada server cloud jumlah mesin virtual non-aplikasi yang berjalan bersamaan secara bertahap ditingkatkan jumlahnya.
2. Analisa Linearitas
a. Analisa linearitas pada skenario pengujian pertama Pada pengujian linearitas, jumlah proses mewakili jumlah client yang melakukan upload ke server. Hal ini dilakukan karena aplikasi easy file sharing tidak dapat di-install lebih dari satu pada satu workstation. Dari hasil pengujian yang dilakukan didapatkan hasil seperti Tabel
Tabel 3.14 Perbandingan uji linearitas pada skenario pertama
cloud server beban
jumlah process
server native
cloud active waktu (sec) 1 12.9 1 13.29 2 12.9 2 14.55 3 13.1 3 18.20 4 13.2 4 18.62 5 13.5 5 18.67
Upload File 62 MB 6 14.2 6 19.12
Pada pengujian linearitas skenario pertama didapatkan hasil durasi waktu transfer pada server native tidak mengalami kenaikan yang signifikan jika dibandingkan dengan pengujian overhead. Hasil yang berbeda justru didapatkan pada pengujian yang dilakukan pada server Pada pengujian linearitas skenario pertama didapatkan hasil durasi waktu transfer pada server native tidak mengalami kenaikan yang signifikan jika dibandingkan dengan pengujian overhead. Hasil yang berbeda justru didapatkan pada pengujian yang dilakukan pada server
b. Analisa linearitas pada skenario pengujian kedua Pada pengujian linearitas menggunakan skenario kedua, Dari hasil pengujian yang dilakukan didapatkan hasil seperti Tabel 3.15.
Tabel 3.15 Perbandingan uji linearitas pada skenario kedua
cloud server beban
jumlah process
server native
cloud active waktu (sec) 1 12.9 1 13.29 2 12.9 2 14.55 3 13.1 3 18.20 4 13.2 4 18.62 5 13.5 5 18.67
Upload File 62 MB 6 14.2 6 19.12
Pada pengujian linearitas skenario kedua didapatkan hasil durasi waktu transfer yang linier pada server native. Hal ini terlihat pada jumlah client sembilan dan sepuluh memiliki durasi waktu transfer yang sama Pada pengujian yang dilakukan pada cloud server. Grafik dapat diamati pada Gambar 3.20.
Gambar 3.20 Grafik Pengukuran Linearitas pada Cloud Server
Jika virtualisasi adalah konstan (tidak terikat pada jumlah mesin virtual), maka maksimum eksekusi aplikasi harus menjadi fungsi affine dari jumlah mesin virtual yang menjalankan aplikasi. Berdasarkan hasil pengukuran diperoleh linearitas :
= 13.29 sec = 13290 ms
Maka t max = 300 + 13290 x 10 = 135900 ms
3. Analisis Data Skalabilitas Server Virtual
Pada penelitian ini secara tipikal dilakukan penghitungan overhead virtualisasi untuk satu mesin virtual dibandingkan dengan sistem operasi dasar. Disamping itu juga ditampilkan data yang merepresentasikan skalabillitas sistem meliputi linearitas sistem dan degradasi kinerja ketika beberapa mesin virtual dijalankan dengan beban yang sama. Untuk pengukuran yang telah dilakukan diperoleh nilai overhead sebagai
berikut : T a = 12.9
O v = 0.39 sec = 390 ms O vn = 3.34 sec = 3340 ms
Degradasi kinerja server setelah sepuluh cloud server dijalankan : 11,67%. Berdasarkan hasil observasi di atas dapat dilihat ketika satu virtual mesin dijalankan maka overhead virtualisasi setelah dibandingkan dengan eksekusi pada host sistem operasi bisa diabaikan karena nilainya sangat kecil yaitu 390 ms. Jika diamati pada grafik Gambar 3.19 bahwa durasi waktu transfer server cloud mendekati linier dengan durasi waktu transfer pada server native. Hasil yang berbeda justru didapatkan ketika pengujian linearitas. Ketika sepuluh client melakukan transfer bersamaan ke server cloud, justru durasi waktu transfer file mengalami kenaikan yang signifikan jika dibandingkan dengan pengujian overhead dengan satu client yang terhubung. Hal ini Degradasi kinerja server setelah sepuluh cloud server dijalankan : 11,67%. Berdasarkan hasil observasi di atas dapat dilihat ketika satu virtual mesin dijalankan maka overhead virtualisasi setelah dibandingkan dengan eksekusi pada host sistem operasi bisa diabaikan karena nilainya sangat kecil yaitu 390 ms. Jika diamati pada grafik Gambar 3.19 bahwa durasi waktu transfer server cloud mendekati linier dengan durasi waktu transfer pada server native. Hasil yang berbeda justru didapatkan ketika pengujian linearitas. Ketika sepuluh client melakukan transfer bersamaan ke server cloud, justru durasi waktu transfer file mengalami kenaikan yang signifikan jika dibandingkan dengan pengujian overhead dengan satu client yang terhubung. Hal ini
3.4.4 Pengukuran Sumberdaya pada Server Native dan Server Virtual
Pengukuran parameter dilakukan pada masing-masing server native dan server cloud. Pengukuran terhadap penggunaan sumber daya pada dua kondisi yaitu :
1. Pada saat server selesai booting dan user-user sudah login ke jaringan.
2. Pada saat server telah menjalankan aplikasi dan diakses oleh user.
1. Pengukuran Server pada Kondisi Pertama
Pengukuran penggunaan sumber daya perangkat keras dilakukan dengan menggunakan aplikasi MRTG yang terinstal terpisah dari server yang diuji. Data yang diambil adalah penggunaan maksimum sumber daya dalam melakukan sebuah proses.
Hasil pengukuran yang diperoleh ketika user-user telah terhubung ke jaringan namun server belum menjalankan program aplikasi dapat dijelaskan pada Tabel 3.16.
Tabel 3.16 Pengukuran maksimum penggunaan perangkat keras
Cloud Server jumlah
Server Native
process
CPU Memory
CPU
Network Memory
Dari hasil pengamatan yang dilakukan sesuai dengan tabel 3.16 maka dapat digambarkan grafik sesuai dengan Gambar 3.21.
Server Nat ive M em ory
ta
s n 20%
s Server Nat ive CPU e
ro Usage 10%
Server Nat ive
Net w ork 1 2 3 4 5 6 7 8 9 10 Cloud Server M em ory
Jumlah Proses
Gambar 3.21 Penggunaan Maksimum Sumber Daya Perangkat Keras
Untuk pengukuran berikutnya dilakukan upload file sebesar 62 MB ke server yang dilakukan secara bertahap sebanyak sepuluh kali pengambilan data untuk diambil nilai rata-ratanya. Tabel 3.17 menunjukkan hasil rata- Untuk pengukuran berikutnya dilakukan upload file sebesar 62 MB ke server yang dilakukan secara bertahap sebanyak sepuluh kali pengambilan data untuk diambil nilai rata-ratanya. Tabel 3.17 menunjukkan hasil rata-
Tabel 3.17 Pengukuran maksimum penggunaan perangkat keras
Cloud Server jumlah
Server Native
process
CPU Memory
CPU
Network Memory