Pertemuan-06 (Manajemen Kapasitas).ppt
PERENCANAAN KAPASITAS INFRASTRUKTUR e-Bisnis
PERENCANAAN INFRASTRUKTUR
Program Magister Ilmu Komputer Universitas Putra Indonesia – YPTK Padang 23-24 Juli 2016
e-Business Definition Definisi dari perspektif TI:
- –Praktek
pengoperasian secara terintegrasi proses-proses bisnis yang terlibat dalam penciptaan nilai tambah dengan memanfaatkan teknologi informasi dan komunikasi (TIK) secara ekstensif.
e-Commerce & e-Business
e-Commerce adalah puncak dari “gunung es” e-bisnis.
e-Commerce tidak mungkin tanpa kemampuan e-bisnis
konsumen e-Bisnis e-Commercee-Commerce Requirement
Akses dari mana saja & kapan saja (24
jam x 7 hari) Layanan multi-channel yang terpadu Respons seketikaStatus transaksi dapat dilacak, diubah,
bahkan dibatalkan Data transaksi yang akurat Self-service dan personalisasie-Business Roles
Proses bisnis yang terpadu (seamless) dengan
- – Integrasi antara aplikasi-aplikasi yang terlibat
- – Manajemen alur-kerja dan proses yang terpadu (layanan satu atap)
- – Kolaborasi antar perusahaan yang menjadi mata rantai
value chain
Capacity Planning
Kriteria mutu layanan online : kinerja (response time), ketersediaan
(prosentase downtime), skalabilitas , dan keamanan- – Situs dengan kinerja rendah - melampaui batas
psikologis 8 detik – akan ditinggalkan pengunjung
- – Situs dengan ketersediaan rendah dapat berakibat:
jatuhnya reputasi/citra dimata publik dan kehilangan peluang bisnis
– Skalabilitas situs dalam melayani banyak pengunjung
sekaligus menentukan kinerja dan ketersediaan situs
- – Teknologi pengamanan yang tidak memadai
menjadikan pengunjung enggan/takut bertransaksi
Architecture Capacity
Elemen-elemen utama QoS dalam perancangan
infrastruktur e-Bisnis Response time < 8 detik Ketersediaan > 99.5%Service Service
Konsumen Konsumen
Level Level
Agreement Agreement
Oracle DBMS,
Pilihan Pilihan SSL, dsb.
Kapasitas Kapasitas
Teknologi Teknologi
Manajemen Manajemen
Memadai Memadai
& Standar & Standar
Plafon Plafon
Biaya Biaya
Instalasi Rp 100 juta
(Anggaran) (Anggaran)
Pemeliharaan < Rp 20 juta/tahun
Quantitative Approach
Misal sasaran 99% availability, berarti hanya boleh down selama 87,6
jam dalam setahun (1% dari 8.760 jam setahun)Pendekatan: merancang arsitektur fisik situs berdasarkan pola penggunaan
- – Menentukan konfigurasi server-server, kapasitas (bandwidth) jaringan, ukuran server-server, skalabilitas, keandalan, jenis software, dsb.
- – Sumber data: log akses server, pengukuran waktu
download (response), statistik jumlah akses per hari, jam-jam tersibuk, dsb.
Quantitative Approach
Tahapan:
– Kategorisasi pengguna berdasarkan perilakunya
- – Karakterisasi beban kerja situs per sesi
- – Pemodelan kinerja situs
- – Hitung parameter-parameter model kinerja
- – Perkirakan trend pertumbuhan/perubahan beban
- – Perkirakan kinerja situs
Performance Modeling Proses umum pemodelan:
e-Site Reference Models Model-model dalam analisa/perencanaan kapasitas:
Model Bisnis Model Bisnis
Karakteristik Bisnis Karakteristik Bisnis
Struktur Navigasi Struktur Navigasi
Model Fungsional Model Fungsional dan Fungsi dan Fungsi
Pola Perilaku Pola Perilaku
Model Pengguna Model Pengguna
Pengguna Pengguna
Arsitektur Situs Arsitektur Situs
Model Sumber Daya Model Sumber Daya dan Beban Layanan dan Beban Layanan
Reference Models
Model Bisnis – Pola B2C, B2B, C2C, dsb.
- – Kategori bisnis online: ritel, lelang, e-market, dsb.
Model Pengguna
- – Pola navigasi pengunjung situs
- – Metrik perilaku
Model Sumber Daya
- – Model kinerja (utilisasi CPU, dsb.)
- – Model beban kerja (rata-rata jumlah request, jumlah akses tertinggi dalam sehari, dsb.)
Functional Model
Sebagai peta untuk analisa struktur navigasi
Model Fungsional Lelang Online Model Fungsional Lelang Online
Pendaftaran Penjual & Pembeli Pendaftaran Penjual & Pembeli
Pembukaan (setup) Lelang Pembukaan (setup) Lelang
Penjadwalan & Pengiklanan Penjadwalan & Pengiklanan
Penawaran Penawaran
Evaluasi Penawaran & Penutupan Lelang
Evaluasi Penawaran & Penutupan Lelang
Transaksi (settlement) Transaksi (settlement)
Customer Behavior Model
Pola navigasi per sesi:
- – Pola urutan akses fungsi-fungsi: login, lihat katalog, cari produk, pesan, mengecek pesanan, dsb.
- – Pola navigasi seorang pengunjung dapat berbeda antara sesi (kunjungan) satu dengan sesi (kunjungan) berikutnya.
Model-model:
- – Customer Behavior Model Graph (CBMG)
- – Customer Visit Model (CVM)
CBMG
CBMG Data Collection
Web Server Web Browser HTTP request HTML file HTML collection Access log file
Data diperoleh dari log akses pada server web
– Sesi: urutan akses oleh client (alamat IP) yang sama
- – Batas antar sesi untuk client yang sama: berdasarkan minimum jarak waktu antar akses, kalau melebihi berarti sudah masuk sesi berikutnya
CBMG Computation
Dari data urutan akses setiap sesi dihitung probabilitas transisi dari
satu titik navigasi (fungsi) ke titik navigasi (fungsi) lain: P(i,j) = C i,j / Σ C i,k untuk k = 1, …, n- C
i,j adalah jumlah transisi dari i ke j dalam data
HTTP logs Page request logs Session log CBMG Program: filter, merge, link
- n adalah jumlah titik navigasi
CBMG Matrix Matriks CBMG: probabilitas transisi antar titik navigasi
Why CBMG?
Mengukur tingkat penggunaan fungsi-fungsi Contoh:
- – Jumlah search per sesi: 1 + 0,6 + 0,6
2
3
- 0,6
- … = 2,5
Entry Home Search Browse
1.0
1.0
1.0
0.6
0.4 CBMG
Customer Visit Model
1.CVM: daftar frekuensi akses untuk setiap fungsi (titik navigasi) per sesi
2.Juga dihitung dari data log akses server Web
3.Digunakan untuk membuat model beban kerja
Zipf’s Law
Frekuensi akses mengikuti hukum distribusi Zipf: berbanding terbalik dengan
ranking popularitas = k/r untuk suatu konstanta kCVM Computation Penentuan jumlah sesi dalam tabel CVM:
- – Berdasarkan kategori pengunjung, atau
– Dengan teknik clustering (pengelompokan data) sesi
- Setiap data sesi direpresentasikan sebagai vektor yang komponennya adalah fungsi-fungsi atau titik navigasi
- Misalnya vektor dengan 6 komponen [ login, registrasi, search,
pesan, cek-pesanan, logout ], contoh datanya: [ 1,1,1,0,0,1 ], [ 0,0,2,0,0,0 ], [ 1,0,0,0,1,1 ], dst.
- – Dapat menggunakan teknik k-means clustering berdasarkan jarak antar vektor
K-means Clustering
CVM
Nilai dalam tabel CVM adalah nilai rata-rata tiap cluster atau kategori
pengunjung.Contoh CVM dengan jumlah cluster k = 4
Why CVM ?
- – Rata-rata berapa kali suatu fungsi diakses per sesi (kunjungan)
- – Berapa probabilitas seorang pengunjung melakukan transaksi pembelian dalam satu kunjungan
- – Berapa jumlah request (dokumen yang diakses) yang diterima server web rata-rata per sesi
- – Berapa rata-rata transaksi yang terjadi per hari
- – Berapa prosentase pengunjung yang meninggalkan situs dalam keadaan keranjang belanjaan (shopping cart) terisi
Workload Model
Pemodelan beban berdasarkan arsitektur fisik dimana fungsi-fungsi
dijalankan dan CVM Contoh:Web Server
Web Server
Application Database
Application Database
Client Client
Server Server
Server Server
Browser Browser
Secure
Secure
Web Server
Web Server
Payment
Payment e-Commerce Site
Server
Server
CVM Example
Contoh CVM sederhana: Tipe Sesi Baca daftar iklan properti Pasang iklan properti Cari iklan properti Prosentase 5% 19% 76%
Entry Show list
Submit form Search keyword
Get status
0.0
5
0.19 0. 7
6
1.0
1.0
1.0 Show
results
1.0
1.0 Melibatkan web server Melibatkan web server dan application server Melibatkan web, application, dan database server
Client Server Interaction Diagram
Contoh CSID sederhana: [p,m] p: probabilitas dalam satu sesi m: ukuran data dalam kilo bytes
CSID
Dari CSID dapat dihitung
- – Probabilitas DB server akan digunakan dalam suatu sesi: 1,0 x 0,95 x 0,8 = 0,76
- – Berapa kali rata-rata server apklikasi akan digunakan dalam suatu sesi: 1 x (0,95 x 0,2) + 2 x (0,95 x 0,8) = 1,71 kali
- – Berapa rata-rata jumlah kbytes per sesi yang melalui jaringan lokal (LAN) yang menghubungkan server-server situs: 0,05 x (m1+m2) + 0,19 x (m1+m3+m4+ m5) + 0,76 x (m1+m3+m6+m7+m8+m9)
Performance Analysis
Perkiraan kapasitas berdasarkan CSID
- – Jumlah maksimum sesi paralel yang dapat dilayani tanpa delay untuk LAN dengan bandwidth 100 Mbps ≈ 10.000 kbyte/second (termasuk datagram packet overhead)
- Misalnya rata-rata kbyte persesi adalah 15 kbytes maka kapasitas jaringan adalah 10.000/15 = 666,66 sesi paralel
internet router LAN 100Mbps Appli- DB Web cation server server server Performance Analysis
Perkiraan kapasitas berdasarkan CSID
- –Kapasitas server aplikasi
- Misalnya utilisasi CPU setiap penggunaan adalah 0,5%, maka kapasitas application server adalah: 100 / (1,71 x 0,5) = 116,96 sesi paralel (lebih kecil dari kapasitas network)
Capacity Planning Perencanaan kapasitas infrastruktur e-Bisnis:
1. Memahami/memodelkan karakteristik beban sistem
untuk mengetahui tingkat saturasi layanan sistem
2. Mengantisipasi peningkatan beban dengan
memperlambat tercapainya saturasi layanan3. Penyebab peningkatan beban kerja:
- Perubahan/perkembangan model bisnis
- Perubahan/penambahan fungsi layanan
- Perubahan perilaku konsumen (trend, promosi, dsb.)
- Perombakan infrastruktur TI
e-Business Capacity Plan
Rencana kapasitas infrastruktur e-Bisnis disesuaikan dengan rencana
pengembangan lanjut sistem e-BisnisRencana evolusi model bisnis
Rencana evolusi model bisnis
Rencana evolusi fungsi layanan
Rencana evolusi fungsi layanan Perkiraan evolusi perilaku konsumen
Perkiraan evolusi perilaku konsumen
Rencana evolusi infrastruktur
Rencana evolusi infrastruktur
Perencanaan model bisnis & fungsi layanan
Perencanaan perilaku konsumen
Perencanaan sumber daya TI
Tiga proses perenca- naan utama
Business Aspect
Aspek bisnis perencanaan kapasitas: Hasil analisis strategi
Karakterisasi Bisnis Karakterisasi Bisnis
Business plan Use Case
Rencana Rencana
Analisis Analisis
Pengembangan Model Bisnis Pengembangan Model Bisnis
Fungsional Fungsional
Bisnis Bisnis
Struktur dan fitur situs
Rencana Rencana
Model Model
Penambahan Penambahan
Fungsional Fungsional
Fungsi-fungsi Fungsi-fungsi
Customer Aspect
Analisis aspek konsumen:
2. Memperkirakan/merancang perubahan-perubahan pada CBMG Penambahan/
Karakterisasi Perilaku Karakterisasi Perilaku
Pengubahan
Konsumen Konsumen Trend dan
Fitur statistik
Rencana Rencana
Pengubahan Pengubahan
CBMG CBMG Perilaku
Perilaku Konsumen
Konsumen
Resource-Level Aspect
Rencana Perubahan
Infrastruktur TI Pemodelan Biaya
Model Biaya
Analsis Skenario
Model Kinerja
Pemodelan Kinerja
Model Beban Kerja
Prakiraan Beban Kerja
Deskripsi Beban Kerja
Deskripsi Infrastruktur TI
Kalibrasi dan Validasi
Karakterisasi Lingkungan TI Karakterisasi
Beban Kerja
Aspek infra-struktur:
Workload Forecasting
(time-series analysis)
Survei Pasar, Intuisi, Pertimbangan, Rencana Bisnis, dsb.
Survei Pasar, Intuisi, Pertimbangan, Rencana Bisnis, dsb.
Skenario Bisnis
Skenario Bisnis
Perkiraan Demand dan Beban Kerja
Perkiraan Demand dan Beban Kerja
Prakiraan beban kerja Prakiraan Kuantitatif
Prakiraan Kuantitatif
Teknik-teknik Prakiraan (time-series analysis)
Data Historis: Benchmarking, Log, dsb
Data Historis: Benchmarking, Log, dsb
Pengumpulan Informasi
Pengumpulan Informasi
Prakiraan Kualitatif
Prakiraan Kualitatif
Teknik-teknik Prakiraan
Capacity Planning
1. Membuat rencana modifikasi/upgrading komponen- komponen infrastruktur secara bertahap
Perencanaan kapasitas infrastruktur e-Bisnis
- Menggunakan Model Kinerja sistem untuk mempertimbangkan keputusan:
- Scaling Up
- – Penggantian dengan mesin berkapasitas lebih besar
- Scaling Out
- – Penambahan mesin dengan kapasitas yang sama (mirroring, replikasi, mesin paralel, dsb.)