Post on 31-Dec-2016
Teknologi Infrastruktur
1
Pemodelan Kapasitas Infrastruktur
E-Busniess/E-Commerce
Sasaran
2
Memahami teknik pemodelan kapasitas komponen-komponen infrastruktur e-Busniess dengan menggunakan:Konsep pemodelan perilaku pengguna.Konsep pemodelan interaksi antar komponen
infrastruktur.Studi kasus pada situs online.
Perencanaan Kapasitas
3
Kriteria mutu layanan TI: kinerja (response time), ketersediaan (prosentase downtime), skalabilitas, dan keamanan.Situs online dengan kinerja rendah -
melampaui batas psikologis 8 detik – akan ditinggalkan pengunjung.
Situs dengan ketersediaan rendah dapat berakibat: citra buruk & kehilangan peluang bisnis.
Perencanaan Kapasitas
4
… kinerja (response time), ketersediaan (availability), skalabilitas (scalabilty), dan keamanan (security):Skalabilitas situs online dalam melayani
banyak pengunjung sekaligus menentukan kinerja dan ketersediaan situs.
Teknologi pengamanan yang tidak memadai menjadikan pengunjung enggan/takut bertransaksi.
Kapasitas Infrastruktur
5
Elemen-elemen utama QoS dalam perancangan infrastruktur:
Konsumen
Manajemen
ServiceLevel
Agreement
PilihanTeknologi & Standar
PlafonBiaya
(Anggaran)
KapasitasMemadai
Response time < 8 detikKetersediaan > 99.5%
Instalasi Rp 100 jutaPemeliharaan < Rp 20 juta/tahun
Oracle DBMS,SSL, dsb.
Pendekatan
6
Merancang arsitektur teknologi situs online berdasarkan pola penggunaan Sumber data: log akses server web.
Biasa digunakan untuk menghitung jumlah akses rata-rata per hari, jam-jam tersibuk, dsb.
Untuk menentukan konfigurasi server-server, kapasitas (bandwidth) jaringan, ukuran server-server, jenis software, dsb.
Pendekatan
7
Tahapan:Kategorisasi pengguna berdasarkan
perilakunya (use case).Karakterisasi beban kerja situs per sesi per
kategori pengguna.Pembuatan model kapasitas situs.Penghitungan parameter-parameter
model kapasitas situs.Identifikasi titik rawan (bottle neck)Perkirakan dampak peningkatan beban atau
upgrading komponen infrastruktur.
Pemodelan KapasitasPerencanaan berbasis model:
8
Model-model Referensi
9
Model-model dalam analisa/perencanaan kapasitas:
Model Bisnis
Model Fungsional
Model Pengguna
Model Sumber Daya
Karakteristik Bisnis
Struktur Navigasi dan Fungsi
Pola PerilakuPengguna
Arsitektur Fisikdan Beban Layanan
Model-model Referensi
10
Model BisnisPola B2C, B2B, C2C, dsb.
Model FungsionalDekomposisi fungsi-fungsi sistem.
Model PenggunaPola navigasi pengunjung situs.Model probabilistik perilaku pengunjung.
Model Sumber DayaModel beban kerja (utilisasi CPU, dsb.)Model kinerja (maksimum jumlah transaksi per
detik, dsb.)
Model Fungsional
11
Contoh:
LayananKaryawan
LayananPemasok
LayananKeuangan
LayananInventaris
Cari & pilihproduk
OrderProduk
Cek StatusOrder
Ubah/Batal-kan Order
UpdateKatalog
AmbilData Order
Lapor Peneri-maan Produk
Ambil DataTagihan
Login
Logout
LayananUser
PortalE-Procurement
Model Perilaku Pengguna
12
Pola “navigasi” per sesi:Pola urutan aktivasi fungsi-fungsi: login, lihat
katalog, cari produk, pesan, mengecek pesanan, dsb.
Pola navigasi seorang pengguna dapat berbeda antara sesi (kunjungan) satu dengan sesi (kunjungan) berikutnya.
Model-model:Customer Behavior Model Graph (CBMG)Customer Visit Model (CVM)
CBMG
13
Pengumpulan Data CBMG
14
Data diperoleh dari log akses pada server webSesi: urutan akses oleh client (IP address) yang
sama.Batas antar sesi untuk client yang sama:
berdasarkan minimum jarak waktu antar akses, kalau melebihi berarti sudah masuk sesi berikutnya.
Web ServerWeb Browser
(1) HTTP request
(2) HTML file
HTML collection
Access log file
Pembuatan CBMG
Sesi 1 Sesi 2 Sesi 3/index.htm /index.htm /info/index.htm/info/spec.htm /contact.htm/product/manuals.htm
15
100.222.33.52 [10/Nov/2005:10:00:01] “GET /index.htm”146.35.100.24 [10/Nov/2005:10:00:03] “GET /info/spec.htm”100.222.33.52 [10/Nov/2005:10:00:03] “GET /catalog/index.htm”100.222.33.52 [10/Nov/2005:10:00:09] “GET /product/manuals.htm”146.35.100.24 [10/Nov/2005:10:00:10] “GET /info/spec/data.htm”146.35.100.24 [10/Nov/2005:10:05:15] “GET /info/info/order.htm”100.222.33.52 [10/Nov/2005:10:32:23] “GET /index.htm”100.222.33.52 [10/Nov/2005:10:33:01] “GET /contact.htm”100.222.33.52 [10/Nov/2005:11:20:00] “GET /info/index.htm”
Sesi 1
Sesi 2
Sesi 3Threshold: 30 menit
(http://www.piti.com/info/index.htm)Client IP: 100.222.33.52
Pembuatan CBMG
16
Dari data urutan akses setiap sesi dihitung probabilitas transisi dari satu titik navigasi (fungsi) ke titik navigasi (fungsi) lain:
P(i,j) = Ci,j / Σ Ci,k untuk k = 1, …, n.• Ci,j adalah jumlah transisi dari fungsi i ke fungsi j• n adalah jumlah fungsi (titik navigasi).
HTTP logs
Session log Page request log CBMG
Matriks CBMGMatriks CBMG: probabilitas transisi antar titik navigasi
17
CBMG
18
Mengukur tingkat penggunaan fungsi-fungsi.Contoh:
Jumlah baca katalog: 0,5 per sesi.Jumlah search per sesi: (1 x 0,5) + (1 x 0,5 x x
1,0 x 0,6) + (1 x 0,5 x 0,62) + (1x 0,5 x 0,63) + … + (1x 0,5 x 0,6∞) = 1,25 per sesi
Entry Home Search Browse1,0 0,5 1,0
0,6
0,4
CBMG
Catalog Browse0,5 1,0 1,0
Customer Visit ModelCVM: daftar
frekuensi akses untuk setiap fungsi per sesi.
Juga dihitung dari data log akses server Web.
Digunakan untuk membuat model beban kerja.
19
Pembuatan CVM
20
Penentuan jumlah sesi dalam tabel CVM:Berdasarkan kategori pengunjung, atauDengan teknik clustering (pengelompokan
data) sesiSetiap 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
21
1 2
3 4
k = 3
Jarak = √(xi-xj)2 + (yi-yj)2
Centroid: (Σx/n, Σy/n)
CVMNilai dalam tabel CVM adalah nilai rata-rata
tiap cluster atau kategori pengunjung.Contoh CVM dengan jumlah cluster k = 4.
22
Manfaat Model Perilaku
23
Untuk mengetahui, misalnya:Pola navigasi sesi-sesi yang melibatkan
transaksi.Pola navigasi khas tiap kategori user.Rata-rata berapa kali suatu fungsi diakses
per jenis sesi (kategori user).Dsb.
Pemodelan Beban dengan CSID
24
Pemodelan beban berdasarkan komponen infrastruktur dimana fungsi-fungsi dijalankan dan CVM/CBMG.
Contoh:
Web Server
SecureWeb Server
PaymentServer
ApplicationServer
DatabaseServer
ClientBrowser
e-Commerce Site
Contoh CVM & CBMGContoh CVM sederhana:
Tipe Sesi: Baca daftar iklan properti
Pasang iklan properti
Cari iklan properti
Prosentase: 5% 19% 76%
25
Entry
Showlist
Submitform
Searchkeyword
Getstatus
0.05
0.190. 76
1.0
1.0 1.0
Showresults
1.0 1.0
CBMG:
CBMG & Physical DFD → CSID
26
C
WS
AS
C
WS
DBAS
C
WS
Entry
Showlist
Submitform
Searchkeyword
Getstatus
0.05
0.190. 76
1.0
1.0 1.0
Showresults
1.0 1.0list
form entry
status status
request
form keyword query
list list result
C : clientWS : web serverAS : application serverDB : database server
Client Server Interaction DiagramModel CSID:
27[p,m] p: probabilitas dalam satu sesi. m: ukuran data dalam kilo bytes.
CSID
28
Dari CSID dapat dihitungProbabilitas DB server (DB) akan digunakan
dalam suatu sesi: 1,0 x 0,95 x 0,8 = 0,76Berapa kali rata-rata server aplikasi (AS)
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)
Analisa Kapasitas Sumberdaya
Perkiraan kapasitas berdasarkan CSIDJumlah 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.
29
internetrouter
Web server
Appli-cation server
DB server
LAN100Mbps
Analisa Kapasitas Sumberdaya
30
Perkiraan kapasitas berdasarkan CSIDKapasitas 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).
Penentuan Parameter ModelBenchmarking pada tingkat sistem secara
keseluruhan perlu dilakukan untuk mengukur parameter-parameter model kinerja (CPU utilization, dsb.)
Dengan mengukur response time atau transaction rate (TPS) pada berbagai titik pengukuran.
31
databaseaplikasimiddlewareServer Webintranet
client
Perencanaan Kapasitas
32
Perencanaan kapasitas infrastruktur TI:Memahami/memodelkan karakteristik beban
sistem untuk mengetahui tingkat saturasi layanan sistem.
Mengantisipasi peningkatan beban dengan memperlambat tercapainya saturasi layanan. Pengambilan keputusan: Scaling Up
Penggantian dengan mesin berkapasitas lebih besar.
Scaling Out Penambahan mesin dengan kapasitas yang
sama (mirroring, replikasi, mesin paralel, dsb.)
Proyeksi Kapasitas
33
Penyebab peningkatan beban kerja:Perubahan/perkembangan model bisnis.Perubahan/penambahan fungsi layanan.Perubahan perilaku konsumen (trend, promosi,
dsb.)Perombakan infrastruktur TI.
Proyeksi Kapasitas
34
Rencana kapasitas infrastruktur e-Bisnis disesuaikan dengan rencana pengembangan lanjut sistem e-Bisnis
Rencanaevolusi
model bisnis
Rencanaevolusi
fungsi layanan
Perkiraan evolusiperilaku
konsumen
Rencanaevolusi
infrastruktur
Perencanaanmodel bisnis &fungsi layanan
Perencanaanperilaku
konsumen
Perencanaansumber daya
TI
Tiga proses
perenca-naan
utama
Proyeksi Kapasitas
35
Karakterisasi Bisnis
Model BisnisRencana
PengembanganBisnis
RencanaPenambahanFungsi-fungsi
Model Fungsional
AnalisisFungsional
Hasil analisisUse Case
Struktur danfitur situs
Hasil analisis strategi
Karakterisasi PerilakuKonsumen
CBMGRencana PengubahanPerilaku Konsumen
Hasil analisisstatistik