Desain dan lmplementasi Penskala Otomatis AWS EC2 Instance berbasis Weighted Moving Average dan Metrik Kustom untuk Aplikasl Kiosdeliv Kiosbeliv

Faruqi, Ibrahim Zhilal and Reza Andria Slregar, S.T., M.Kom and Wldhi Yahya, S.Kom., M.T.,M.Sc.,Ph.D (2024) Desain dan lmplementasi Penskala Otomatis AWS EC2 Instance berbasis Weighted Moving Average dan Metrik Kustom untuk Aplikasl Kiosdeliv Kiosbeliv. Sarjana thesis, Universitas Brawijaya.

Abstract

Apiikasi PPOB KiosDeliv memiliki beban kerja yang variatif untuk tiap fiturnya. Hal ini menimbulkan kekhawatiran bahwa penskala otomatis AWS (Amazon Web Services) yang hanya melihat penggunaan sumber daya VM tidakdapat melakukan aktivitas penskalaan yang optimal. Maka dari itu, penelitian ini meneliti tentang perancangan, implementasi, dan pengujian penskala otomatis AWS EC2 (Elastic Compute Cloud) instance berbasis weighted moving average dan metrik kustom yang diharapkan dapat melakukan aktivitas penskalaan yang lebih efektif. Metodologi dari penelitian ini adalah dengan melakukan perancangan pseudocode alur kerja, diagram basis data, juga deployment untuk penskala otomatis yang dibuat dan aplikasi dummy. Selanjutnya dilakukan pengkodean dan deployment berdasarkan rancangan tersebut. Selain itu, terdapat 3 jenis pengujian yang dilakukan, yaitu pengujian fungsional untuk menguji fungsionalitas aplikasi, pengujian performa untuk mengukur performa sewer dan pengujian utilisasi untuk mengukur utilisasi sumber daya sewer. Hasil yang didapatkan dari penelitian ini cukup memuaskan. Dari 4 kasus pengujian, 2 kasus terberatnya menimbulkan aktivitas penskalaan. Pada 2 kasus tersebut, penskala otomatis yang dibuat menunjukkan keunggulan pesat dibandingkan penskala otomatis AWS, dengan perbedaan performa pada pengujian 100 RPS sekitar 100ms dibandingkan 5200ms pada lebih dari 95% permintaan. Pada pengujian 200 RPS, penskala otomatis yang dibuat juga menunjukkan keungguian, yaitu dengan waktu respons 90% permintaan sekitar 200ms dibandingkan dengan 5000ms. Pada kasus 200 RPS dan 100 RPS, penskala otomatis yang dibuat menyebabkan utilisasi CPU dan memori yang lebih rendah ketimbang penskala otomatis AWS. Hasil ini disebabkan cepatnya dan besarnya nominal inkremen penskalaan pada penskala otomatis yang dibuat dibandingkan dengan AWS. Berdasarkan hasil pengujian diatas, dapat disimpulkan bahwa penskala otomatis yang dibuat berhasil meraih peningkatan performa dibandingkan dengan penskala otomatis AWS. Secara utilisasi sumber daya VM, penskala otomatis yang dibuat juga memiliki utilisasi yang lebih rendah dibandingkan dengan AWS.

English Abstract

The KiosDeliv application has a varied workload for each of its features. This raise concerns that the auto-scaling solution provided by AWS (Amazon Web Services), which only considers the usage of VM resources, may not be able to perform optimal scaling activities. Therefore, this research investigates the design, implementation, and testing of auto-scaling for AWS EC2 (Elastic Compute Cloud) instances based on weighted moving average and custom metrics, with the expectation of achieving more effective scaling activities. The methodology of this research involves designing pseudocode of workflows, database schema diagrams, as well as deployment for the created auto-scaling and dummy application. Subsequently, coding and deployment are carried out based on the design. Additionally, three types of tests are conducted: functional testing to assess application functionality, performance testing to measure server performance, and utilization testing to measure server resource utilization. The results obtained from this research are quite satisfactory. Out of the four test cases, the two most challenging cases resulted in scaling activities. In these two cases, the created BUIO-SC3|iflg solution demonstrated rapid superiority compared to AWS auto-scaling, with a performance difference in the 100 RPS test being around 100ms compared to 5200ms for over 95% of requests. In the 200 RPS test, the created auto~scaling solution also showed superiority, with a 90% request response time of around 200ms compared to 5000ms. In the cases of 200 RPS and 100 RPS, the created auto-scaling solution led to lower CPU and memory utilization compared to AWS auto-scaling. These results are attributed to the speed and magnitude of the incremental scaling nominal in the created auto- scaling solution compared to AWS. Based on the above test results, it can be concluded that the created auto-scaling solution successfully achieved performance improvement compared to AWS auto-scaling. in terms of VM resource utilization, the created auto—scaling solution also has lower utilization compared to AWS

Item Type:	Thesis (Sarjana)
Identification Number:	0524150222
Uncontrolled Keywords:	penskala otomatis, metrik kustom, prediksi, weighted moving average,auto-scaling, custom metrics, prediction, weighted moving average, AWS, VM AWS, VM
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	soegeng sugeng
Date Deposited:	03 Apr 2024 06:32
Last Modified:	03 Apr 2024 06:32
URI:	http://repository.ub.ac.id/id/eprint/216301

Text (DALAM MASA EMBARGO) Ibrahim Zhilal Faruqi.pdf Restricted to Registered users only Download (11MB)

Actions (login required)

View Item