Farrel, Gabrielle Evan and Widhi Yahya, S.Kom., M.Sc., Ph.D. and Reza Andria Siregar, S.T., M.Kom. (2023) Implementasi Raspberry PI Sebagai Alternatif Server Layanan Web Dengan Metode Scalable Cluster Edge Computing. Sarjana thesis, Universitas Brawijaya.
Abstract
Komputasi tepi (Edge computing) adalah sebuah paradigma komputasi yang membawa pemrosesan data dan aplikasi ke lokasi yang lebih dekat ke sumber data, seperti perangkat Internet of Things (IoT) atau sensor. Tujuan utama dari paradigma ini adalah untuk mengurangi latensi dan beban bandwidth pada jaringan pusat dengan memindahkan pemrosesan ke tepi jaringan, lebih dekat ke sumber data. Komputer papan tunggal kecil seperti Raspberry Pi dapat digunakna sebagai komputasi tepi. Meski memiliki kekuatan komputasi yang rendah, Raspberry Pi dapat menjadi bagian penting dari sistem berkat ukuran, biaya, dan efisiensi energinya yang kecil. Penelitian ini menggunakan Raspberry Pi untuk memanfaatkan daya komputasi tepi ini menjadi sebuah server layanan web. Untuk menghadapi masalah kekuatan komputasi yang kecil dari Raspberry Pi, penelitan ini melakukan penyatuan beberapa unit Raspberry Pi tersebut menjadi satu kelompok (klaster). Node (Raspberry Pi) di dalam klaster ini dikonfigurasikan secara otomatis menggunakan Ansible, dan keseluruhan klaster dikonfigurasi dan di manajemen menggunakan perangkat lunak lightweight Kubernetes (K3s). Klaster ini tidak hanya menawarkan kemampuan server, tetapi juga menunjukkan keserbagunaan dalam menangani aliran data yang masuk dari berbagai sensor dalam ekosistem IoT. Namun, konteks operasional dari klaster komputasi tersebut dapat menimbulkan tantangan. Misalnya, fluktuasi beban dinamis, mulai dari permintaan tinggi hingga rendah, dapat menyebabkan penurunan kinerja layanan atau layanan yang kurang dimanfaatkan. Ini adalah masalah umum dalam lingkungan komputasi terdistribusi, di mana heterogenitas perangkat, kondisi dinamis, dan keandalan koneksi dapat menimbulkan masalah skalabilitas. Penelitian ini membahas tantangan-tantangan tersebut melalui serangkaian perangkat lunak terintegrasi yang terpilih dengan bertujuan untuk menskalakan klaster komputasi tepi secara otomatis. Hasil pengujian menunjukkan bahwa klaster komputasi tepi dapat meningkatkan efisiensi penggunaan sumber daya komputasi ketika komputasi tidak digunakan hingga 45%, kinerja per-Watt hingga 30% lebih baik daripada server tradisional. Ketika digunakaan tiga node Raspberry Pi, klaster komputasi tepi dapat menangani 300 koneksi per detik dengan respon per detik hingga 377. Sehingga, waktu respons rata-rata dari klaster dibawah satu detik.
English Abstract
Edge computing is a computing paradigm that brings data processing and applications to locations closer to the data source, such as Internet of Things (IoT) devices or sensors. The main goal of this paradigm is to reduce latency and bandwidth load on central networks by moving processing to the edge of the network, closer to the data source. Small single-board computers such as the Raspberry Pi can be used for edge computing. Despite its low computing power, Raspberry Pi can be an important part of the system thanks to its small size, cost, and energy efficiency. This research uses Raspberry Pi to utilize this edge computing power into a web service server. To deal with the problem of the small computing power of Raspberry Pi, this research unites several Raspberry Pi units into one group (cluster). The nodes (Raspberry Pi) in this cluster are configured automatically using Ansible, and the entire cluster is configured and managed using lightweight Kubernetes (K3s) software. This cluster not only offers server capabilities, but also demonstrates versatility in handling incoming data streams from various sensors in the IoT ecosystem. However, the operational context of such computing clusters can pose challenges. For example, dynamic load fluctuations, ranging from high to low demand, can lead to service performance degradation or underutilized services. This is a common problem in distributed computing environments, where device heterogeneity, dynamic conditions, and connection reliability can pose scalability issues. This research addresses these challenges through a selected set of integrated software with the aim of automatically scaling an edge computing cluster. Test results show that the edge computing cluster can improve the efficiency of computing resource usage when computing is not in use by up to 45%, per-Watt performance is up to 30% better than traditional servers. When three Raspberry Pi nodes are used, the edge computing cluster can handle 300 connections per second with up to 377 responses per second. Thus, the average response time of the cluster is under one second.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 052315 |
| Uncontrolled Keywords: | Kubernetes, Raspberry Pi, K3s, Ansible, otomatisasi, klaster-Kubernetes, Raspberry Pi, K3s, Ansible, automation, cluster. |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | soegeng sugeng |
| Date Deposited: | 21 Feb 2024 01:55 |
| Last Modified: | 21 Feb 2024 01:55 |
| URI: | http://repository.ub.ac.id/id/eprint/215597 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA EMBARGO)
Gabrielle Evan Farrel.pdf Restricted to Registered users only Download (4MB) |
Actions (login required)
 |
View Item |