PERENCANAAN KAPASITAS UNTUK KINERJA WEB DAN PROXY SERVER IPB MENGGUNAKAN MODEL OPEN QUEUEING NETWORK M/M/2 DAN M/M/1
NANIK QODARSIH G64103014
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2007
Dengan Nama Allah yang Maha Pengasih Lagi Maha Penyayang Aku berlindung pada Engkau dari hal-hal yang akan memalingkan aku dari Engkau dan Dari setiap hambatan yang akan menghalangi Engkau dari aku Ketenangan dan Kebahagiaanku ada dalam khalwatku Kekasihku selalu ada dihadapanku Tak mungkin aku akan dapat pengganti-Nya Cintaku pada-Nya takkan pernah terbagi Dengan benda fana yang selalu mengujiku Cobaan bagiku didunia adalah bukti cinta-Nya kepadaku Dialah tujuan hidupku Kurenungi keindahan-Mu Engkaulah Mihrabku Engkaulah rahasiaku O.. penawar juwaku Dari semua benda fana didunia ini Hasratku adalah bersatu dengan-Mu Melabuhkan rindu Tak senggup ku hitung nikmat-Mu Tak daya jiwaku tanpa ridhaMu Dunia ini hanyalah mainan dan semu Dan Cukuplah Engkau bagiku O.. Hati yang Ikhlas Tumpuan harapan Berikanlah jalan untuk meredam keresahanku Kepada-Mu kuserahkan hidup dan keinginan, demi mencari Ridho-Mu Apakah harapanku akan terwujud ??
Kupersembahkan Mama, Mama, Mama, Ayahanda, Kakanda serta Adindaku tercinta
Terkadang kurasakan perihnya hati ... Karena kerinduan ... Namun tak sedetikpun terlewati ... Selalu kurasakan cinta dan kasih sayangmu Berjuta harapan kau ungkapkan ... Sejuta nasehat kau beri ... Untuk mengingatkan ku akan Cinta dan Kasih sayang-Nya Sejuta kasih dan cinta kau berikan ... Walau tersirat dan tak terungkap Namun selalu terasa di hati ... Sejuta pengetahuan dan pelajaran hidup Yang kau berikan ... Yang akan selalu menjadi inspirasi Dalam perjalanan hidupku ... Sejuta pengalaman hidupmu ... Yang akan mengingatkan ku akan kebesaran-Nya Dan Setiap untaian nasehatmu ... Yang selalu membuat ku berusaha untuk tegar dan tangguh dalam hidup ... Ketika badai menghadang, kuingat senyummu ... Sehingga membuat hatiku tenang dan sabar ... Sejuta kenangan terindah ... Yang sungguh takkan pernah tergantikan di hati ... Maaf atas segala kekhilafanku ... Terimakasih atas semua cinta dan kasih sayangmu Aku tak bisa memberi apapun ... Selain untaian doa padamu wahai Kakanda .... Semoga engkau selalu mendapat ketenangan dan kedamaian ...
Kunci dalam Meraih Ilmu Adalah dengan Tenang dan Sabar (Imam Al-Ghazali)
PERENCANAAN KAPASITAS UNTUK KINERJA WEB DAN PROXY SERVER IPB MENGGUNAKAN MODEL OPEN QUEUEING NETWORK M/M/2 DAN M/M/1
Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer pada Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor
Oleh: NANIK QODARSIH G64103014
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2007
ABSTRAK NANIK QODARSIH. Perencanaan Kapasitas untuk Kinerja Web dan Proxy Server IPB Menggunakan Model Open Queueing Network M/M/2 dan M/M/1. Dibimbing oleh HERU SUKOCO dan FIRMAN ARDIANSYAH. Penelitian ini bertujuan untuk melakukan perencanaan kapasitas terhadap web server dan proxy server yang dimiliki oleh IPB. Dari beberapa web server dan proxy server yang dimiliki oleh IPB, penelitian ini difokuskan pada web server (www.ipb.ac.id) dan proxy server (proxy1.ipb.ac.id atau 172.17.0.11) utama IPB. Kondisi jaringan IPB saat ini menggunakan model jaringan antrian yang bersifat terbuka (open queuing network model) dan heterogen dengan model M/M/2 dan M/M/1 masing-masing untuk web server dan proxy server IPB. Pada penelitian ini dilakukan pengukuran kuantitatif pada web server IPB yang meliputi utilisasi CPU server secara keseluruhan, utilisasi CPU untuk request web, dan rata-rata penggunaan memori. Sedangkan proxy server IPB dilakukan pengukuran kinerja meliputi utilisasi CPU secara keseluruhan, utilisasi CPU untuk Squid, utilisasi CPU untuk request, hit request pengguna ke proxy server. Hasil penelitian menunjukkan bahwa rata-rata utilisasi CPU untuk web server IPB sebesar 1.59% dengan utilisasi CPU terbesar mencapai 19.22%. Rata-rata penggunaan memori untuk web server IPB sebesar 51.42% dengan rata-rata penggunaan memori terbesar mencapai 66.85%. Sedangkan untuk proxy server IPB didapatkan bahwa rata-rata utilisasi CPU secara keseluruhan sebesar 52.64% dengan utilisasi CPU terbesar mencapai 96.08%. Utilisasi CPU untuk Squid didapatkan sebesar 17.53% dengan utilisasi CPU terbesar mencapai 33.12%. Rata-rata utilisasi CPU untuk request pada proxy server IPB sebesar 5.91% dengan hit request sebesar 1.7%, ini artinya hanya sekitar 29.27% request per detik yang dapat dilayani oleh CPU. Rata-rata penggunaan memori proxy server IPB sebesar 76% dengan rata-rata penggunaan memori terbesar mencapai 89.67%. Berdasar hasil penelitian menunjukkan bahwa spesifikasi CPU dan memori dari web server IPB tidak perlu diperbaharui, karena kinerjanya masih tetap stabil dan belum berada pada level kejenuhan. Sehingga sudah dapat dipastikan bahwa seluruh request web dari pengguna ke www.ipb.ac.id dapat dilayani oleh web server. Ini artinya kinerja web IPB juga stabil. Setiap permintaan dari pengguna di jaringan internal IPB ke web server IPB yang melalui proxy server juga menyebabkan kinerja web server IPB jauh dari level kejenuhan. Sedangkan hasil penelitian proxy server menunjukkan bahwa kondisinya pada level kejenuhan, karena penggunaan sumber daya terbesar lebih dari 70%. Sehingga berdasar hasil tersebut spesifikasi CPU dan memori pada proxy server IPB perlu diperbaharui dengan menambah kapasitas pada CPU dan memorinya, sehingga diharapkan dapat meningkatkan kinerja proxy server IPB untuk melayani pengguna di jaringan internal IPB yang mengakses Internet. Kondisi proxy server secara keseluruhan akan mempengaruhi penggunaan CPU untuk request pengguna. Namun hit rate yang rendah pada proxy server tidak sepenuhnya dipengaruhi oleh kinerja CPU. Rendahnya hit rate juga dipengaruhi oleh faktor lain seperti kondisi link jaringan, bandwidth, dan sibuknya trafik jaringan IPB. Kata kunci: Perencanaan Kapasitas, Web Server, Proxy Server, Open Queueing Network Model, M/M/2, M/M/1, Squid, Utilisasi CPU, Penggunaan Memori, Hit request.
ABSTRACT NANIK QODARSIH. The Research of Capacity Planning for Web and Proxy Server Performance IPB Using Model M/M/2 and M/M/1. The research are supervised by HERU SUKOCO and FIRMAN ARDIANSYAH. The objective of this research is to make capacity planning towards web server and proxy server of IPB. This research focuses on web server (www.ipb.ac.id) and main proxy server of IPB (proxy1.ipb.ac.id or 172.17.0.11). The IPB’s network condition at present is using open queueing network model and the users are heterogeneous. IPB’s web server uses M/M/2 model and proxy server of IPB uses M/M/1 model. In this research, quantitative measurement is done to IPB’s web server which covers total CPU utilization, CPU utilization for web request, and the average of memory use. On the other hand, performance measurement is done to IPB’s proxy server which covers total CPU utilization, CPU utilization for Squid, CPU utilization for user’s request, and user’s hit request to the proxy server of IPB. The research shows the average of CPU utilization for IPB’s web server is 1.59% with maximum CPU utilization up to 19.22%. The average of memory use for IPB’s web server is 51.42% with maximum average of memory use up to 66.85%. Meanwhile, for IPB’s proxy server, the total average of CPU utilization is 52.64% with maximum CPU utilization up to 96.08%. CPU utilization for Squid is 17.53% with maximum CPU utilization up to 33.12%. The average of CPU utilization for IPB’s proxy server request is 5.91% with hit request 1.7%, this means that only 29.27% request per second can be served by the CPU. The average of memory use for IPB’s proxy server is 76% with maximum average of memory use is 89.67%. According to the research, the CPU spesification and the memory of IPB web server don’t need to be replaced because the performance are still stable and not in saturated condition. This means that the web request from users to www.ipb.ac.id can be served by the web server. This also means that IPB’s web performance is stable. Every request from users in IPB’s internal network to IPB’s web server performance far from saturated level. Meanwhile, the condition of proxy server is in the saturated level because the maximum usage of resources is more than 70%. This means that CPU spesification and the memory of IPB’s proxy server need to be replaced by increasing the capacity of the CPU and memory, so it can increase the IPB’s proxy server performance in serving the users in the IPB’s internal network in accessing the Internet. The condition of proxy server will affect CPU usage for request, but a low hit rate on the proxy server will not affect the CPU performance entirely. A low hit rate is also affected by other factors such as the condition of network link, bandwidth, and the activity of IPB’s network traffic. Keywords: Capacity Planning, Web Server, Proxy Server, Open Queueing Network Model, M/M/2, M/M/1, Squid, CPU Utilization, Memory Use, Hit Request.
Judul : Perencanaan Kapasitas untuk Kinerja Web dan Proxy Server IPB Menggunakan Model Open Queueing Network M/M/2 dan M/M/1 Nama : Nanik Qodarsih NRP : G64103014
Menyetujui,
Pembimbing I
Pembimbing II
Heru Sukoco, S.Si, M.T. NIP. 132 282 666
Firman Ardiansyah, S.Kom, M.Si. NIP. 132 311 919
Mengetahui: Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor
Prof. Dr. Ir. Yonny Koesmaryono, MS NIP 131473999
Tanggal Lulus:
RIWAYAT HIDUP Penulis dilahirkan di Bogor pada tanggal 10 Juni 1985 dari ayah Suyono dan ibu Sumarni. Penulis merupakan putri kedua dari tiga bersaudara. Tahun 2003 penulis lulus dari SMU Negeri 99 Jakarta. Pada tahun yang sama penulis diterima di Program Studi Ilmu Komputer, Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor melalui Ujian Seleksi Masuk IPB (USMI). Selama mengikuti perkuliahan, penulis aktif dalam berorganisasi, di antaranya menjadi pengurus Badan Eksekutif Mahasiswa Fakultas Matematika dan Ilmu Pengetahuan Alam (BEM FMIPA) tahun kepengurusan 2004/2005, pengurus Himpunan Mahasiswa Ilmu Komputer (Himalkom) tahun kepengurusan 2004/2005, dan pengurus Serambi Ruhiyah Mahasiswa FMIPA (SERUM-G) tahun kepengurusan 2005/2006. Pada bulan Juli sampai Agustus 2006, penulis melakukan Praktik Kerja Lapangan di Bidang Pengembangan Teknologi Penginderaan Jauh Lembaga Penerbangan dan Antariksa Nasional (Bangtekja Lapan), Jakarta Timur. Aktivitas penulis yang lain yaitu sebagai pengajar matematika dan fisika di bimbingan belajar Sentral Edukatif sampai Juni 2007 dan sampai saat ini masih aktif sebagai pengajar matematika di bimbingan belajar Nurul Fikri Bogor.
PRAKATA Alhamdulillahirabbil ‘alamin, penulis panjatkan puji dan syukur ke hadirat Allah SWT yang telah memberikan rahmat, hidayah, serta karuniaNya sehingga penulis dapat menyelesaikan skripsi yang berjudul Perencanaan Kapasitas untuk Kinerja Web dan Proxy Server IPB Menggunakan Model Open Queueing Network M/M/2 dan M/M/1. Shalawat dan salam semoga senantiasa tercurahkan kepada junjungan kita, Nabi besar Muhammad SAW, keluarganya, para sahabatnya, dan seluruh umat Islam yang mengikuti Sunnahnya. Terima kasih kepada orang tua tercinta, Ayahanda Suyono dan Ibunda Sumarni yang sampai detik ini selalu memberikan kasih sayang tiada terhingga, juga atas setiap dukungan, semangat, dan doa untuk kelancaran dan keberhasilan hidup penulis. Untuk Adinda tersayang, Yunia Permatasari yang selalu setia mendengarkan semua curahan hati penulis dan juga untuk dukungan, doa demi keberhasilan hidup penulis. Kakanda tersayang, Yusuf Andri Admoko, karena setiap ucapan dan gerak langkahmu adalah nasehat yang akan selalu memberikan inspirasi dalam setiap langkah kehidupan, dan terimakasih atas semua cinta dan kasih sayang Kakanda kepada penulis. Penulis mengucapkan terima kasih kepada Bapak Heru Sukoco, S.Si, M.T. selaku pembimbing I dan Bapak Firman Ardiansyah S.Komp, M.Si. selaku pembimbing II. Terimakasih atas saran, bantuan, perhatian, bimbingan, dan masukannya kepada Penulis. Terima kasih juga untuk Ibu Ir. Sri Wahjuni yang telah bersedia menjadi moderator dan dosen penguji, dan juga Pak Hasan sebagai admin di KPSI atas semua bantuan dan kepercayaannya. Terima kasih kepada Bapak Ihsan dan sekeluarga atas doa, nasehat, dan dukungannya yang senantiasa memberikan semangat dalam mencari ridha Allah SWT. Bapak telah mengajarkan penulis untuk memahami arti cinta sesungguhnya. Untuk teman-teman penulis di Lab NCC, Rizal Ansyori, Andi Setiadi (qiwil), dan David Thamrin terima kasih atas kebersamaan, semangat dan bantuannya di lab. Terutama untuk Faiq Al Syawaf, terima kasih atas bantuannya dalam pendaftaran seminar penulis juga untuk semua “pengetahuan” tersirat yang sangat bermanfaat untuk hidup penulis. Kepada saudara dan sahabat penulis di IPB yaitu Mba Dewi, Teh Eneng, Mba Lila, Mba Ryani, Regi Hardelina, Melly, Kokom, Dek Putri, Dek Dwi, Fitri, Mba Liesca, Mba Djuwita, Dek Lina, Uli, Kak Firman, Mba Puspa, Kak Setya dan MKI’erz yaitu Ulis, Rika, Kak Adi, Kak Teguh, Yudhi, terima kasih atas setiap nasehat, doa, semangat, dan bantuannya ketika berjuang bersama di IPB. Dengan mengenal kalian penulis menjadi tahu arti ukhuwah sesungguhnya. Terima kasih juga untuk sahabat penulis di SMUN 99 Jakarta, Churiah Yunissa yang selalu setia mendengarkan curahan hati penulis, juga atas setiap nasehat, doa, dan semangatnya dalam menyelesaikan skripsi. Terimakasih juga kepada Pak Gunawan di Lapan atas nasehat, doa, saran, dan semangatnya untuk penulis. Untuk sahabat, teman juga saudara satu kost penulis di RZ, Vita, Wisyu, Arum, Zizie, Wulan, dan Ike. Terutama untuk Meynar atas semua perhatian dan pengoreksian skripsi penulis. Teman penulis di Pondok Ixora, terutama Wini, Osin, dan Hapsari. Terima kasih atas semangat, nasehat, humor, dan seluruh bantuannya. Untuk Seni, terimakasih atas pinjaman Notebook-nya. Untuk Ilkomer’z 40 atas kebersamaan dan bantuannya terutama Risa, Thessi, Ratih, Hida, Yustin, Amel, Aristi, Rusidi, dan Gallan. Terima kasih juga kepada Pak Wijatmiko, Pak Pendi, Pak Sholeh, Pak Yadi, Pak Fatchur, Mas Irvan, teman-teman Ilkomer’z 39, dan 41, seluruh dosen serta staf Departemen Ilmu Komputer. Pihak-pihak lain yang tidak dapat dituliskan namanya yang telah membantu dalam masa perkuliahan dan pengerjaan skripsi. Penulis merasa tulisan ini masih jauh dari sempurna, sehingga kritik dan saran akan selalu penulis terima dengan terbuka. Semoga tulisan ini bermanfaat. Jazakumullahu khairan katsiira. Bogor, Agustus 2007
Nanik Qodarsih
ix
DAFTAR ISI Halaman DAFTAR ISI .............................................................................................................................................ix DAFTAR TABEL ...................................................................................................................................... x DAFTAR GAMBAR ................................................................................................................................xi DAFTAR LAMPIRAN ........................................................................................................................... xii PENDAHULUAN ..................................................................................................................................... 1 Latar Belakang....................................................................................................................................... 1 Tujuan .................................................................................................................................................... 1 Ruang Lingkup ...................................................................................................................................... 1 Manfaat .................................................................................................................................................. 1 TINJAUAN PUSTAKA ............................................................................................................................ 1 Perencanaan Kapasitas .......................................................................................................................... 1 World Wide Web (WWW atau Web) .................................................................................................... 2 Proxy Server .......................................................................................................................................... 2 Model Server ......................................................................................................................................... 2 Teori Antrian ......................................................................................................................................... 2 Model Antrian M/M/1 ........................................................................................................................... 3 Model Antrian M/M/N .......................................................................................................................... 3 Model Kinerja ....................................................................................................................................... 3 Pengukuran Kinerja Server ................................................................................................................... 4 REKOMENDASI ITU-T E.500 ........................................................................................................... 4 SNMP .................................................................................................................................................... 4 Management Information Base (MIB) ................................................................................................. 5 Object Identifier (OID) ......................................................................................................................... 6 METODOLOGI PENELITIAN ................................................................................................................ 6 Analisis Lingkungan Jaringan IPB ....................................................................................................... 6 Analisis Spesifikasi Komputer yang Digunakan pada Web dan Proxy Server IPB ............................ 7 Pengkarakterisasian Model Beban Kerja .............................................................................................. 7 Pengamatan Trafik pada Web Server dan Proxy Server IPB ............................................................... 7 Perangkat Keras dan Perangkat Lunak yang Digunakan pada NMS ................................................... 8 Mekanisme Pengambilan Data ............................................................................................................. 9 Penentuan Model Server dan Kinerja ................................................................................................... 9 Validasi Model Kinerja ......................................................................................................................... 9 Analisis dan Prediksi Kinerja.............................................................................................................. 10 HASIL DAN PEMBAHASAN ............................................................................................................... 10 Web Server .......................................................................................................................................... 10 Proxy Server ........................................................................................................................................ 15 KESIMPULAN DAN SARAN ............................................................................................................... 19 Kesimpulan .......................................................................................................................................... 19 Saran .................................................................................................................................................... 19 DAFTAR PUSTAKA .............................................................................................................................. 19 LAMPIRAN .............................................................................................................................................21
x
DAFTAR TABEL Halaman 1 Nilai peluang dan utilisasi CPU pada saat 0 ≤ n ≤ 5 .................................................................... 12 2 Hasil rata-rata penghitungan utilisasi CPU web server................................................................. 13 3 Hasil penghitungan memori pada web server .............................................................................. 14 4 Hasil penghitungan utilisasi CPU server dan Squid................................................................... 16 5 Nilai peluang dan utilisasi CPU pada saat 0 ≤ n ≤ 6 .................................................................... 17
6 Hasil penghitungan utilisasi CPU untuk request pengguna ........................................................ 18 7 Hasil penghitungan utilisasi CPU untuk hit request ..................................................................... 18 8 Rata-rata penggunaan memori selama 10 hari pada proxy server ............................................... 19
xi
DAFTAR GAMBAR Halaman 1 Antrian pada proses di jaringan komputer. .......................................................................................... 2 2 Diagram transisi rantai Markov M/M/1 ............................................................................................... 3 3 Diagram transisi rantai Markov M/M/N............................................................................................... 3 4 Client mengakses web server................................................................................................................ 3 5 Antrian client side dengan cache .......................................................................................................... 3 6 Model kinerja server side. .................................................................................................................... 4 7 Model antrian dengan single web server. ............................................................................................. 4 8 Arsitektur pengamatan trafik menggunakan SNMP ............................................................................ 5 9 Hierarki dari MIB tree (Sumber: Cisco 2006) ..................................................................................... 5 10 Metodologi penelitian .......................................................................................................................... 6 11 Lingkungan jaringan IPB (sumber: Sukoco 2006).............................................................................. 6 12 Arsitektur pengambilan data dari NMS ke server melalui SNMP dan cachemgr.cgi ........................ 8 13 Cara untuk melakukan validasi pada model kinerja. ........................................................................ 10 14 Model kinerja server side. ................................................................................................................. 10 15 Model kinerja server side dalam antrian M/M/2............................................................................... 10 16 Arsitektur pengambilan data dari NMS ke server melalui protokol SNMP. .................................... 11 17 Diagram transisi rantai Markov model antrian M/M/2 ..................................................................... 11 18 Grafik rata-rata service rate web server selama 16 hari. .................................................................. 12 19 Grafik rata-rata arrival rate web server selama 16 hari.................................................................... 12 20 Grafik peluang pada saat n proses di mana nilai 0 ≤ n ≤ 12 ............................................................ 12 21 Grafik utilisasi CPU pada saat n proses di mana nilai 0 ≤ n ≤ 12 .................................................... 12 22 Grafik rata-rata utilisasi CPU web server selama 16 hari. ................................................................ 13 23 Grafik hasil validasi pada 5 menit pertama ....................................................................................... 14 24 Grafik hasil validasi utilisasi CPU selama 1 jam per 5 menit sekali. ............................................... 14 25 Grafik rata-rata penggunaan memori web server setiap hari selama 16 hari ................................... 14 26 Grafik validasi rata-rata penggunaan memori web server selama satu jam per lima menit............. 15 27 Grafik penghitungan utilisasi CPU server selama 10 hari ................................................................ 15 28 Grafik hasil rata-rata utilisasi CPU Squid selama 10 hari .............................................................. 16 29 Grafik peluang idle pada saat n proses di mana nilai 0 ≤ n ≤ 12 ..................................................... 17 30 Grafik utilisasi CPU pada saat n proses di mana nilai 0 ≤ n ≤ 12 .................................................... 17 31 Grafik nilai penggunaan memori selama 10 hari pada proxy server IPB ......................................... 18
xii
DAFTAR LAMPIRAN
Halaman 1 Contoh format data log web server .............................................................................................. 22
2 Contoh format data log proxy server ........................................................................................... 23 3 Contoh format data CPU dan memori web server IPB ................................................................. 24 4 Contoh format data CPU dan memori proxy server IPB ............................................................. 26 5 Hasil parsing jam sibuk web IPB berdasar data log web IPB 30 hari ........................................ 27 6 Hasil parsing jam sibuk proxy server IPB berdasar data log proxy server 10 hari .................... 27 7 Penurunan formulasi M/M/2 berdasar model Markov .................................................................. 28 8 Nilai peluang idle dan utilisasi CPU web server IPB selama 16 hari berdasar formulasi M/M/2 30 9 Nilai peluang idle dan utilisasi CPU terbesar web server IPB berdasar formulasi M/M/2 ......... 30 10 Grafik peluang idle dan utilisasi CPU terbesar berdasar formulasi M/M/2 ................................ 31 11 Nilai peluang idle dan utilisasi CPU terkecil web server IPB berdasar formulasi M/M/2 ........ 32 12 Grafik peluang idle dan utilisasi CPU terkecil berdasar formulasi M/M/2 ................................. 33 13 Grafik hasil validasi utilisasi CPU web server IPB pada 5 menit 2 hingga 5 menit ke 3 ........... 34 14 Grafik hasil penggunaan memori web server IPB pada 5 menit 2 hingga 5 menit ke 3 ............. 35 15 Hasil validasi pengukuran CPU web server IPB tanggal 3 Juli 2007 ......................................... 36 16 Hasil validasi penggunaan memori IPB tanggal 3 Juli 2007 ...................................................... 36 17 Utilisasi CPU untuk setiap proses yang didefinisikan oleh sistem operasi proxy server ............ 37 18 Hasil pengukuran service time untuk request pengguna pada proxy server ............................... 37 19 Hasil pengukuran peluang idle dan utilisasi CPU untuk request pengguna terbesar proxy server IPB ................................................................................................................................... 37 20 Grafik hasil pengukuran peluang idle dan utilisasi CPU untuk request pengguna terbesar proxy server IPB ................................................................................................................................... 38 21 Hasil pengukuran peluang idle dan rata-rata utilisasi CPU untuk hit request pengguna proxy server IPB ......................................................................................................................... 39 22 Grafik hasil pengukuran peluang idle dan rata-rata utilisasi CPU untuk hit request pengguna proxy server IPB ......................................................................................................................... 40 23 Hasil pengukuran peluang idle dan utilisasi CPU untuk hit request terbesar pengguna proxy server IPB ......................................................................................................................... 41 24 Grafik hasil pengukuran peluang idle dan utilisasi CPU untuk hit request terbesar pengguna proxy server IPB ........................................................................................................................ 42
1
PENDAHULUAN Ruang Lingkup Latar Belakang Semakin hari banyak website yang berkembang di Internet, hampir 100 website baru setiap harinya bermunculan di Internet (Wiederspan & Shotton 1996). Berdasar data survey dari Netcraft (news.netcraft.com 2006) sampai dengan tahun 2006 terdapat sekitar 80 juta website di seluruh dunia. Namun hanya sekitar 40 juta website yang aktif. Untuk mempertahankan kinerja web tersebut tetap stabil maka diperlukan perencanaan perangkat keras dari server dan koneksi Internet yang baik. Begitu juga dengan proxy server, ketika pengguna mengakses Internet melewati proxy server, dan dengan banyaknya permintaan dari pengguna yang melalui proxy server, maka kinerja proxy server menjadi tidak stabil. Sehingga diperlukan suatu perencanaan kapasitas untuk menjaga kinerja proxy server dan kinerja web server agar tetap stabil.
Untuk membuat rencana kapasitas diperlukan penghitungan kuantitatif dengan melakukan monitoring kinerja dari web server dan proxy server. Hasil penghitungan tersebut dapat digunakan untuk memprediksi kekurangan kinerjanya pada waktu yang akan datang dan menentukan biaya efektif untuk memperbaharui sistem. Institut Pertanian Bogor (IPB) sebagai suatu institusi pendidikan menggunakan web sebagai salah satu sarana sosialisasi kepada masyarakat luas dan mendukung proses pembelajaran (e-learning). Setiap permintaan dari pengguna di jaringan internal IPB, baik ke web server IPB maupun keluar IPB (Internet) harus melewati proxy server. Tujuan
Penelitian ini bertujuan untuk: 1
membuat suatu rencana kapasitas untuk kinerja web dan proxy server IPB.
2
melakukan analisis dari data pengukuran kinerja web server dan proxy server IPB, dengan menganalisis dan memprediksi kinerja CPU dan memori.
3
mengukur parameter-parameter kinerja yang meliputi beban kerja CPU dan penggunaan memori RAM.
Ruang lingkup pada penelitian ini adalah: 1
Penelitian ini dibatasi pada kinerja web server dan proxy server IPB (172.17.0.11). Hasil dari perencanaan kapasitas yaitu prediksi kinerja CPU, memori pada web server dan proxy server IPB.
2
Pada web server IPB dilakukan pengukuran kuantitatif yang meliputi utilisasi server secara keseluruhan, utilisasi CPU untuk request web, dan rata-rata penggunaan memori. Pada proxy server IPB dilakukan pengukuran kinerja utilisasi CPU secara keseluruhan, utilisasi CPU untuk Squid, utilisasi CPU untuk request, hit request pengguna ke proxy server dan rata-rata penggunaan memori. Untuk mengetahui nilai utilisasi CPU diperlukan parameter arrival rate, service rate, dan hit rate pada proxy server.
3
Model kinerja menggunakan server side model dan model server mengunakan open queueing network. Open queueing network meliputi infinite population, infinite queue dengan single server (M/M/1) untuk proxy server IPB, dan dual server (M/M/2) untuk web server IPB.
Manfaat
Manfaat dari penelitian ini adalah: 1
dapat dijadikan sebagai acuan bagi IPB untuk memperbaiki spesifikasi CPU dan memori pada web dan proxy server IPB.
2
memberikan rekomendasi bagi IPB untuk meningkatkan kinerja web server dan proxy server IPB.
TINJAUAN PUSTAKA Perencanaan Kapasitas
Perencanaan kapasitas adalah proses yang digunakan untuk memprediksi level kejenuhan atau saturasi dari suatu sistem ketika beban mencapai level tertinggi. Selain itu perencanaan kapasitas dapat digunakan untuk menentukan biaya efektif pada suatu sistem. Level kejenuhan suatu sistem terjadi ketika pemakaian sumber daya mencapai 70%. Prediksi harus mempertimbangkan perubahan beban kerja, aplikasi yang baru, dan
2
mendefenisikan level service (Menasce & Almeida 1998a). Perencanaan kapasitas untuk kinerja web dapat dijadikan rekomendasi untuk peningkatan kinerja web atau perencanaan pembuatan web baik pada sisi perangkat keras dan perangkat lunaknya dengan memperhatikan biaya yang dikeluarkan.
sehingga puluhan juta client dapat mengakses web server dengan berbagai macam web browser dan platform hardware yang dihubungkan ke Internet dengan kecepatan yang berbeda. Model ini disebut juga sebagai infinite population dan infinite queue. • Closed Queueing Network
World Wide Web (WWW atau Web)
World Wide Web atau lebih sering dikenal sebagai web adalah layanan Internet yang paling banyak memiliki tampilan grafis dan kemampuan link yang sangat bagus. Keistimewaan inilah yang telah menjadikan web sebagai service yang paling cepat pertumbuhannya. Web dapat menghubungkan client dari sembarang tempat dalam sebuah dokumen atau gambar ke sembarang tempat di dokumen lain. Dengan sebuah browser yang memiliki Graphical User Interface (GUI), link dapat dihubungkan ke tujuannya dengan mengklik link tersebut (L & L Laudon 1996). Web Server
Web server diperlukan untuk menangani komunikasi tingkat tinggi antara pengguna yang mengakses web browser dengan berbagai layanan pemetaan yang didukung oleh komputer (Mitchell 2005). Web server merupakan file server yang menghubungkan server dengan client melalui Internet.
Closed queueing network merupakan Model server di mana jumlah client yang mengakses server jumlahnya terbatas dan sudah didefinisikan. Pada model ini diasumsikan server digunakan pada lingkungan jaringan yang homogen. Model ini disebut juga sebagai finite population dan finite queue. Teori Antrian
Teori antrian digunakan untuk melakukan analisis matematika pada beberapa proses yang saling berhubungan. Pada teori antrian terdapat proses kedatangan, menunggu di dalam antrian dan masuk ke dalam proses penyimpanan yang nantinya akan menunggu pelayanan dari server (Daigle 2005). Teori ini dapat digunakan untuk melakukan penurunan dan penghitungan dari pengukuran kinerja suatu sistem. Notasi antrian dapat dilambangkan dengan Notasi Kendall. Antrian pada proses di jaringan komputer dapat dilihat pada Gambar 1.
Proxy Server
Proxy server adalah sebuah komputer yang memberikan pelayanan pada sebuah jaringan komputer, di mana client tidak diizinkan berhubungan langsung dengan server asli. Permintaan file dan sumber daya lain dilakukan melalui proxy server. Sistem administrator dapat mengkonfigurasikan proxy server sehingga dapat digunakan untuk memberikan service seperti FTP, web, dan Telnet. Sistem administrator juga dapat memutuskan service apa saja yang dapat diberikan oleh proxy server (Troller 2007).
Gambar 1 Antrian pada proses di jaringan komputer. Berikut ini penjelasan tentang notasi Kendall yang dideskripsikan sebagai model antrian A/B/m/K. a.
Model Server
Model server terbagi menjadi dua, yaitu open queueing network dan closed queueing network (Slothouber 1996). • Open Queueing Network
Open queueing Network merupakan model server di mana jumlah client yang mengakses server jumlahnya tidak terbatas, misalnya pada web. Web dapat terdiri dari berbagai macam web client,
b.
A adalah tipe dari proses kedatangan. M (Markov) menunjukkan proses kedatangan Poisson, sehingga nilai waktu antar kedatangan tidak tergantung dan menyebar sama, variabel terdistribusi secara eksponensial. B adalah distribusi waktu service. Nilai waktu service dapat berupa: • M (Markov) menunjukkan waktu service terdistribusi secara eksponensial. • D (Deterministic) menunjukkan waktu service konstan • G (General) menunjukkan waktu service mengikuti beberapa distribusi secara umum.
ρn
3
c. m adalah jumlah dari server. d. K adalah jumlah maksimum dari pengguna.
diagram transisi rantai Markov pada model Antrian M/M/N, infinite population, infinite queue, N CPU. λ
Model Antrian M/M/1
Model antrian M/M/1 merupakan model yang kasusnya infinite population, infinite queue, dan single CPU. Model ini disebut juga sebagai model server open queueing network dengan satu CPU (Menasce & Almeida 1998a). Notasi M/M/1 dapat diartikan seperti pada notasi Kendall. Gambar 2 menunjukkan diagram transisi rantai Markov pada model Antrian M/M/1, infinite population, infinite queue, single CPU. λ
µ
λ
λ
µ
µ
λ
λ
µ
µ
Gambar 2 Diagram transisi rantai Markov model antrian M/M/1. Peluang pada saat proses pertama dan proses ke-n datang, dapat dilihat pada persamaan: p0 =
1
λ
µ
2µ
λ
λ
λ
3µ
Nµ
Nµ
Gambar 3 Diagram transisi rantai Markov model antrian M/M/N. Model Kinerja
Model kinerja yang dapat digunakan pada pengukuran kinerja web terdiri dari dua jenis, yaitu client side model dan server side model (Menasce & Almeida 1998a). •
Client Side Model
Model kinerja dapat dibuat berdasar pertimbangan browser client. Contoh client mengakses web server dengan menggunakan cache proxy server dapat dilihat pada Gambar 4. Kinerja web dipandang berdasar kepuasan client, misalnya pengaruh bandwidth jaringan, dan spesifikasi perangkat keras komputer client.
∞
∑ρ
n
n=0
= 1− ρ
……….. (1)
p n = ρ p0 n
= (1 − ρ ) ρ n ……….. (2) Berdasar persamaan 2 utilisasi CPU dapat dicari menggunakan:
ρ=
λ = 1 − p0 ............. (3) µ
Dengan: ρ = utilisasi server dalam hal ini CPU (%). λ = rata-rata kedatangan proses (request/detik). µ = rata-rata CPU melakukan service (request/detik). P0 = peluang pada saat proses pertama
Gambar 4 Client mengakses web server dengan cache proxy server. Model queue network pada client-side dengan menggunakan proxy server dapat dilihat pada Gambar 5.
dengan arrival rate pertama. Pn = peluang pada saat proses sama dengan
n +1 dengan arrival rate n + 1 . Gambar 5 Antrian client side dengan cache proxy server.
Model Antrian M/M/N
Model antrian M/M/N merupakan model yang kasusnya infinite population, infinite queue, dan N CPU. Model ini disebut juga sebagai model server open queueing network dengan N CPU (Hayes & Babu 2004). Dimana nilai N>1. Gambar 3 menunjukkan
•
Server side Model
Server side model memperlihatkan model kinerja yang dilihat berdasar sisi servernya. Pengukuran kinerja hanya dilakukan pada sisi
4
server, dan tidak mempertimbangkan kepuasan client. Model kinerja client side dapat dilihat pada Gambar 6.
satuan waktu tertentu. Hit diketahui pada flag di data log proxy server. •
Utilisasi CPU, didefinisikan sebagai ratarata penggunaan CPU oleh setiap proses atau kerja tertentu.
•
Rata-rata penggunaan memori, merupakan rata-rata penggunaan memori untuk semua aplikasi yang melakukan proses pada server.
REKOMENDASI ITU-T E.500
Gambar 6 Model kinerja server side. Model server side dengan single web server dapat digambarkan dengan menggunakan diagram queue network dapat dilihat pada Gambar 7.
Gambar 7 Model antrian dengan single web server. Pengukuran Kinerja Server
Kinerja jaringan dapat diukur dengan menggunakan pengukuran kuantitatif. Parameter pengukuran kuantitatif untuk mengetahui kinerja server adalah utilisasi CPU, rata-rata penggunaan memori, dan waktu pencarian di harddisk pada server (Menasce & Almeida 2002). Pada penelitian ini pengukuran yang dilakukan adalah utilisasi CPU dan penggunaan memori. Untuk mengetahui nilai utilisasi CPU diperlukan parameter arrival rate, service rate, dan pengukuran hit rate-nya pada proxy server. •
Arrival rate, didefinisikan sebagai ratarata kedatangan pengguna untuk melakukan transaksi dalam satuan waktu tertentu.
•
Service rate, didefinisikan sebagai ratarata server melakukan service pada satuan waktu tertentu.
•
Hit rate, didefinisikan sebagai rata-rata jumlah request yang dapat diterima dan diberikan respon oleh proxy server pada
ITU (International Telecommunication Union) adalah agen khusus United Nation (PBB) di bidang telekomunikasi. ITU Telecommunication Standardization Sector (ITU-T) adalah bagian permanen dari ITU. ITU-T bertanggung jawab dalam pembelajaran terhadap masalah teknis, pengoperasian, tariff questions dan issuing recommendation di dalamnya. Tujuan ITU-T adalah untuk melakukan standardisasi telekomunikasi di seluruh dunia. Rekomendasi ITU-T E.500 menjelaskan tentang konsep intensitas trafik dan metodologi pengukuran intensitas trafik. Rekomendasi ini memberikan prinsip-prinsip untuk mengukur trafik dari suatu jaringan. Pengukuran yang dilakukan berdasar Rekomendasi ITU-T E.500 adalah daily continuous measurement. Daily continuous measurements direkomendasikan untuk dilakukan secara kontinu selama beberapa hari dengan periode waktu pengukuran tertentu (ITU 2007). SNMP
SNMP adalah protokol pada layer aplikasi yang memfasilitasi pertukaran informasi diantara peralatan jaringan yang merupakan bagian dari rangkaian protokol Transmission Control Protocol/Internet Protocol (TCP/IP) yang telah didefinisikan oleh Internet Engineering Task Force (IETF). SNMP mengizinkan administrator jaringan untuk memonitor kinerja jaringannya, menemukan dan mengatasi masalah yang terjadi sehingga dapat digunakan untuk meningkatkan kinerja jaringan. Port yang digunakan oleh SNMP adalah port 161 atau 162. SNMP terdiri dari tiga komponen utama yaitu peralatan yang dikenai monitoring, agent dan Network Management System (NMS) (Cisco 2006). •
Peralatan yang dikenai monitoring, adalah node jaringan di mana terdapat
5
SNMP agent dan merupakan peralatan jaringan yang dikenai monitoring. Monitoring peralatan jaringan dapat berupa tindakan mengoleksi dan menyimpan informasi sehingga informasi tersebut tersedia bagi sistem manajemen jaringan (komputer yang melakukan monitoring). Peralatan jaringan yang dikenai monitoring dapat berupa router, server, proxy server, switch, bridge, hubs, host computer, dan printer. •
•
Gambar 8 Arsitektur pengamatan trafik menggunakan SNMP.
Agent adalah modul perangkat yang digunakan untuk melakukan monitor peralatan. Agent diinstal pada peralatan yang akan dikenai monitoring. Sebuah agent memiliki pengetahuan lokal dari MIB dan menerjemahkannya sehingga cocok dengan SNMP.
Management Information Base (MIB)
MIB adalah koleksi dari informasi yang diorganisasikan secara hirarki yang diakses menggunakan sebuah protokol manajemen jaringan seperti SNMP. MIB dapat diidentifikasi menggunakan object identifier (Cisco 2006). Gambar 9 menunjukan MIB tree dengan hirarki yang bervariasi pada organisasi yang berbeda.
NMS adalah aplikasi yang melakukan monitor dan mengontrol peralatan jaringan.
Gambar 8 menunjukkan hubungan antara tiga elemen yaitu agent, peralatan yang dikenai monitoring, dan NMS.
iso (1)
ccitt (0)
iso-ccitt (2)
identifiedorganization (3)
memberbody (2)
registrationauthority (1)
standard (0)
dod (6)
internet (1)
direcotry (1)
mgmt (2)
experimental (3)
privat (4)
security (5)
snmpv2 (6)
enterprise (1) cicso (9)
temporary variables (2)
DECnet
XNS (2)
Apple Talk (3)
Novell (3)
VINES (4)
atlinput (1) atlocal (2) atBcastin (3) atForward (4)
Gambar 9 Hirarki dari MIB tree (Sumber: Cisco 2006).
Chassis (5)
6
Object Identifier (OID)
OID adalah identitas unik yang digunakan untuk melakukan monitoring objek dan didefinisikan dalam hirarki MIB (Cisco 2006).
METODOLOGI PENELITIAN Metode penelitian dilakukan berdasar Menasce dan Almeida (1998b) yang dapat dilihat pada Gambar 10.
suatu pengetahuan tentang jaringan IPB yaitu antara lain: • • •
Perangkat keras (client dan server). Perangkat lunak (sistem operasi, aplikasi). Konektivitas dan protokol jaringannya.
Pada penelitian ini akan dibuat rencana kapasitas untuk web dan proxy server IPB. Setiap transaksi Internet ke luar atau ke web server IPB yang dilakukan oleh pengguna di jaringan internal IPB akan melalui proxy server. IPB mempunyai dua proxy server, proxy server dengan IP 172.17.0.11 menangani permintaan pengguna di sekitar rektorat dan KPSI, juga empat fakultas di IPB yaitu Fakultas Peternakan (Fapet), Fakultas Kedokteran Hewan (FKH), Fakultas Kehutanan (Fahutan) dan Fakultas Ekonomi dan Menejemen (FEM). Sedangkan proxy server 172.17.0.18 menangani permintaan pengguna dari seluruh fakultas di IPB selain empat fakultas pada proxy server 172.17.0.11. Pada penelitian ini tidak dilakukan penelitian pada proxy server 172.17.0.18 karena tidak didapatkan data log pada periode yang sama dengan proxy server 172.17.0.11. Gambar 11 menunjukkan lingkungan jaringan IPB.
Gambar 10 Metodologi penelitian. Analisis Lingkungan Jaringan IPB
Untuk mendapatkan rencana kapasitas yang terbaik bagi kinerja web IPB diperlukan
Gambar 11 Lingkungan jaringan IPB (sumber: Sukoco 2006).
7
Analisis Spesifikasi Komputer yang Digunakan pada Web dan Proxy Server IPB
2
Penggambaran beban kerja yang mempengaruhi kinerja. Karakteristik beban kerja dibagi menjadi:
Spesifikasi komputer yang digunakan pada web server dan proxy server IPB yang akan digunakan sebagai dasar untuk pembuatan rencana kapasitas memiliki spesifikasi sebagai berikut: 1
Komputer web (172.17.0.14): •
• • • • •
2
server
• • • •
• Parameter intensitas beban kerja yang menyediakan suatu pengukuran beban kerja pada sistem. Pada penelitian ini parameter intensitas beban kerja meliputi jumlah hit per detik pada proxy server, jumlah transaksi per detik pada web server.
IPB
Sistem Operasi Windows Server 2003, Enterprise Edition (5.2, Build 3790) Service Pack 2 (3790.srv03_sp2_gdr.070304-2240) System Manufacturer: HP System Model: ProLiant ML350 G4p Prosesor: Intel(R) Xeon(TM) CPU 3.40GHz (2 CPU atau dual core) RAM 512 MB Web server Apache 2.0 DBMS Microsoft SQL 2000
Komputer proxy (172.17.0.11):
server
IPB
Sistem Operasi Linux Redhat Enterprise Edition versi 3.0.1 Prosesor: Intel(R) Pentium(R) 4 CPU 1.5 Hz RAM 256 MB Proxy server Squid 2.0
Komputer web server IPB digunakan untuk menangani permintaan pengguna pada web IPB yaitu www.ipb.ac.id. Di sisi lain proxy server IPB (172.17.0.11) digunakan untuk menangani permintaan dari jaringan internal IPB ke web server IPB atau keluar IPB (Internet). Jaringan internal IPB meliputi lingkungan rektorat, LSI, dan juga empat fakultas di IPB yaitu Fapet, FKH, Fahutan, dan FEM.
• Parameter permintaan service pada beban kerja yaitu menspesifikasikan total waktu service yang dibutuhkan oleh komponen utama pada masingmasing sumber daya. Pada penelitian ini parameter permintaan service adalah waktu service CPU untuk melakukan transaksi pada web server dan proxy server.
Untuk mendapatkan parameter-parameter tersebut maka dilakukan pengamatan trafik pada web server dan proxy server IPB. Sehingga data hasil pengamatan trafik dapat digunakan untuk pengkarakterisasian beban kerja, di mana hasil dari pengkarakterisasian beban kerja tersebut akan digunakan untuk membuat model server. Pengamatan Trafik pada Web Server dan Proxy Server IPB
Untuk menentukan model beban kerja maka dilakukan monitoring trafik pada web server dan proxy server IPB. Pada monitoring trafik digunakan teknik pengukuran sebagai berikut: •
Variabel yang akan diukur dispesifikasikan terlebih dahulu. Pada penelitian ini variabel yang akan diukur adalah rata-rata utilisasi CPU dan penggunaan memori yang digunakan. Penentukan nilai utilisasi CPU menggunakan model server M/M/1 dan M/M/2. Variabel yang dibutuhkan meliputi arrival rate, service rate, hit rate pada proxy server IPB.
•
Setelah diketahui variabel yang akan diukur, maka ditentukan perangkat lunak untuk memonitor web server dan proxy server IPB, kemudian dilakukan pengumpulan data. Pada penelitian ini nilai arrival rate pengguna dan hit rate request diperoleh dari data log web server dan data log proxy server. Contoh data
Pengkarakterisasian Model Beban Kerja
Pengkarakterisasian model beban kerja adalah suatu proses penggambaran sistem beban kerja global yang kemudian dibagi dalam beberapa komponen beban kerja. Pembagian komponen beban kerja didasarkan pada beberapa parameter, yaitu: 1
Parameter sumber daya
Penggambaran sumber daya yang mempengaruhi kinerja. Pada penelitian ini parameter sumber daya yaitu waktu penggunaan CPU dan besar penggunaan memori.
Parameter beban kerja
8
log web server dan data log proxy server dapat dilihat pada Lampiran 1 dan Lampiran 2. Pengukuran waktu penggunaan CPU (service rate) dan penggunaan memori didapatkan dengan menggunakan protokol SNMP melalui NMS ke web server IPB dan secara remote ke proxy server IPB melalui komputer lokal. Web server IPB akan dikonfigurasikan sebagai SNMP agent. Contoh format data penggunaan CPU dan memori pada web server IPB dapat dilihat pada Lampiran 3. Pengambilan data penggunaan CPU dan memori pada proxy server dilakukan dengan koneksi Secure Shell (SSH) menggunakan perangkat lunak Putty. Contoh format data penggunaan CPU dan memori pada proxy server IPB dapat dilihat pada Lampiran 4. Gambar 12 menunjukkan arsitektur cara pengambilan data dari NMS ke web server dan proxy server IPB.
untuk mengamati kinerja CPU dan memori pada server (net-snmp 2006).
Getif, merupakan perangkat lunak yang digunakan untuk mendapatkan OID pada suatu MIB. Pada penelitian ini digunakan OID untuk mendapatkan data CPU dan memori dari server (WTCS 1998).
Gawk, merupakan perangkat lunak yang dapat melakukan parsing terhadap suatu file. Fungsi utamanya adalah mencari isi dari sebuah file secara baris-per-baris yang berisikan pola tertentu dan kemudian melakukan seleksi atau pemformatan ulang terhadap file tersebut.
Remote Desktop, adalah multi channel Protocol (RDP) yang mengizinkan pengguna terkoneksi dengan komputer di mana di dalamnya berjalan Microsoft terminal service. Client yang mengakses komputer remote dapat menggunakan sistem operasi apapun termasuk Linux, FreeBSD, Solaris, dan Mac OS X. Server menggunakan TCP port 3389 (Wikipedia 2007a).
gr .c gi
i W
Ca ch em
gi .c gr m he ac
P SC in y W utt P
PC di Lab NCC (172.18.17.129)
C
Pu n SC tty P
NMS
Perangkat lunak yang digunakan untuk melakukan monitoring proxy server IPB adalah sebagai berikut:
OID
Computer Remote Linux
Proxy Server IPB I (172.17.0.18)
SNMP AGENT di Windows
Web Server IPB (172.17.0.14)
Computer Remote Linux
Cache manager.cgi adalah program yang secara default sudah terinstal pada proxy server Squid menggunakan konfigurasi tertentu. Program ini menggunakan tampilan web yang menghasilkan berbagai macam hasil statistik tentang konfigurasi dan kinerja dari proxy server Squid (cachemgr 2007).
PuTTY adalah free software yang menyediakan koneksi teletype network (telnet) dan Secure Shell (SSH) pada platform Win32 dan Unix. Dengan menggunakan tampilan terminal emulator (Wikipedia 2007b).
WinScp adalah sebuah perangkat lunak bagi client File Transfer Protocol (FTP), Secure File Transfer Protocol (SFTP). WinScp berbasis open source pada sistem operasi Windows, yang berfungsi untuk secure file transfer antara komputer remote dan komputer lokal. Selain itu. WinSCP juga mendukung secure shell (SSH) dan protokol SCP (Wikipedia 2007c).
Proxy Server IPB II (172.17.0.11)
Gambar 12 Arsitektur pengambilan data dari NMS ke server melalui SNMP dan cachemgr.cgi. Perangkat Keras dan Perangkat Lunak yang Digunakan pada NMS
Spesifikasi komputer yang digunakan sebagai NMS dan komputer lokal adalah komputer personal (PC) dengan spesifikasi prosesor Intel Pentium IV 2,4 GHz, memori 256 MB, Harddisk 80 GB dan sistem operasi Windows XP Professional Edition. Perangkat lunak yang digunakan untuk melakukan monitoring web server IPB adalah sebagai berikut:
Net-SNMP, merupakan perangkat lunak berbasis SNMP yang digunakan untuk mengamati trafik jaringan. Dalam penelitian ini Net-SNMP diinstal pada komputer NMS. Net-SNMP digunakan
9
Data Parsing
Setelah dilakukan pengambilan data dari server dan proxy server, kemudian akan dilakukan data parsing dengan menggunakan Gawk. Data yang diambil yaitu data log request pengguna, data waktu penggunaan CPU, dan data penggunaan memori. Hal ini dilakukan untuk mendapatkan hasil parsing yang akan digunakan untuk menghitung arrival rate, service rate, utilisasi CPU, dan rata-rata penggunaan memori. Hasil pengamatan trafik web server dan proxy server IPB yaitu data log dan data penggunaan CPU, dan memori, digunakan untuk menentukan model kinerja dan server. Mekanisme Pengambilan Data
Dasar mekanisme pengambilan data CPU dan memori pada server dan proxy server IPB yang digunakan dalam penelitian ini adalah ITU-T E.500. Pengukuran dilakukan selama 10 hari atau lebih, di mana dalam 1 hari dilakukan pengukuran selama 1 jam dan dilakukan pada saat jam sibuk. Jam sibuk merupakan waktu di mana permintaan client terhadap web server atau proxy server paling banyak. Dalam penelitian ini pengambilan data CPU di web server IPB dilakukan pada periode waktu dari jam 13.00 hingga jam 14.00, sedangkan pada proxy server IPB didapatkan jam sibuk pada periode waktu dari jam 08.00 hingga jam 09.00. Periode waktu tersebut diperoleh berdasar parsing data log web server pada periode 30 hari bulan Januari, sedangkan data log proxy server IPB pada periode 10 hari bulan Januari. Berdasar ITU-T E.500, dalam kurun waktu 1 jam tersebut, pengukuran dilakukan per 5-15 menit. Pengukuran web server IPB dilakukan per 5 menit sehingga dalam 1 jam terdapat 12 hasil pengukuran. Sedangkan pada proxy server dilakukan per 10 menit sehingga terdapat 6 hasil pengukuran. Hasil parsing jam sibuk web server dan proxy server IPB dapat dilihat pada Lampiran 5 dan Lampiran 6. Dalam penelitian ini, hasil pengukuran tersebut disimpan dalam bentuk file teks, yang sebelumnya telah dilakukan parsing dari file mentah hingga data trafik hanya terdiri dari service rate dan penggunaan memori. Data log web server digunakan untuk menghitung arrival rate pada web server dan hit rate pada proxy server. Parameter tersebut kemudian digunakan untuk menghitung utilisasi CPU, sedangkan data penggunaan memori
digunakan untuk menghitung penggunaan memori.
rata-rata
Format data utilisasi CPU proxy server secara keseluruhan dan Squid sudah berupa persentase nilai utilisasi CPU. Penentuan Model Server dan Kinerja
Parameter pada karakterisasi beban kerja digunakan untuk membuat model server. Model server dapat dinotasikan dengan notasi Kendall. Pada penelitian ini model kinerja yang digunakan adalah model server side, dengan model server open queueing network yaitu infinite population dan infinite queue. Jumlah orang yang mengakses web server dan proxy server IPB sangat banyak dan tak terhingga sehingga digunakan model antrian infinite population. Selain itu karena setiap permintaan dari pengguna tidak pernah ditolak oleh server, maka model antrian diasumsikan sebagai infinite queue. Proxy server menggunakan satu CPU saja untuk memproses permintaan pengguna sehingga digunakan model antrian M/M/1. Di sisi lain, web server IPB menggunakan dua CPU sehingga menggunakan model antrian M/M/2. Validasi Model Kinerja
Validasi model kinerja dilakukan dengan pengukuran secara langsung pada web server IPB. Pada proxy server tidak dilakukan validasi karena pengukuran kinerja pada proxy server dilakukan secara remote dari komputer lokal sehingga pengukuran sudah pasti valid. Model kinerja dinyatakan valid jika kesalahan pengukuran yang terjadi hanya 1-30%. Jika kesalahan lebih dari 30%, maka perlu dilakukan proses kalibrasi. Gambar 13 menunjukkan cara untuk melakukan validasi pada model kinerja.
10
tersebut. Sehingga data penggunaan CPU dan memori yang digunakan adalah data untuk setiap proses yang terjadi pada sistem operasi tersebut. Data tersebut dapat digunakan untuk mengetahui utilisasi CPU dan penggunaan memori dari web server.
Real System
Performance Model
Pengukuran
Kalkulasi
Mangukur Utilisasi CPU dan Penggunaan memori
Menghitung Utilisasi CPU dan Penggunaan memori
Tidak Diterima?
Web Server
Kalibrasi Model
Ya
Gambar 13 Cara untuk melakukan validasi pada model kinerja. Analisis dan Prediksi Kinerja
Pengukuran kinerja web server meliputi utilisasi CPU dan rata-rata penggunaan memori. a. Utilisasi CPU
Dalam penelitian ini dilakukan pengukuran terhadap utilisasi CPU pada web server dengan model kinerja server side dan model server open queueing network menggunakan antrian M/M/2. Model kinerja server side dapat terlihat pada Gambar 14.
Berdasar hasil model kinerja, validasi kinerja, dan peramalan kinerja maka akan dilakukan analisis kinerja web server dan proxy server IPB. Analisis kinerja dilakukan untuk megetahui apakah kinerja server masih stabil untuk menangani request dari pengguna, bagaimana kinerja di masa yang akan datang, dan apakah perlu dilakukan penggantian spesifikasi perangkat keras pada dan proxy server IPB. Kinerja server dapat dilihat dari utilisasi CPU dan penggunaan memori. Jika utilisasi CPU tinggi, maka CPU melakukan proses yang sangat besar dan kinerja server pada level kejenuhan. Kondisi yang seperti ini menyebabkan CPU dan memori perlu diperbaharui. Sebaliknya, jika utilisasi CPU dan penggunaan memori masih stabil atau belum pada level kejenuhan maka CPU dan memori tidak perlu diperbaharui.
HASIL DAN PEMBAHASAN
Gambar 14 Model kinerja server side. Arsitektur model server open queueing network dengan menggunakan model antrian M/M/2 dapat dilihat pada Gambar 15. Incoming Link LAN
Router 1
2
3
Web server 6
CPU 1
CPU
outgoing Link
Pengambilan data penggunaan CPU (service time) dan data penggunaan memori untuk setiap request web IPB (172.17.0.14) dari pengguna tidak dapat dilakukan. Data tersebut seharusnya bisa didapatkan melalui protokol SNMP, namun pada sistem operasi Windows tidak ditemukan OID penggunaan CPU (service time) dan memori untuk setiap permintaan web dalam MIBnya. Hal tersebut diketahui melalui program getif yang dapat mendeteksi OID komputer dengan sistem operasi Windows. Namun OID penggunaan CPU dan memori untuk setiap permintaan web tidak ditemukan melalui program getif
CPU 2
Gambar 15 Model kinerja server side dalam antrian M/M/2. Berdasar Gambar 15 model server terdiri dari dua CPU di mana penghitungan utilisasi CPU dan penggunaan memori hanya dilakukan pada web server saja dengan mengabaikan kinerja LAN, router, incoming link dan outgoing link. Pengambilan data waktu penggunaan CPU dan penggunaan memori dilakukan dengan menggunakan protokol SNMP melalui PC yang berada di lab NCC (172.18.17.129)
11
ke web server IPB (172.17.0.14) yang berada di rektorat. PC di lab NCC dikonfigurasikan sebagai NMS dan web server IPB akan dikonfigurasikan sebagai SNMP agent. Pengambilan data dilakukan pada jam sibuk web IPB yaitu pada jam 13.00 hingga jam 14.00 WIB. Gambar 16 menunjukkan arsitektur cara pengambilan data dari NMS ke web server IPB.
CPU. Nilai arrival rate dan service rate dikonversi ke proses per milli second (ms). Penghitungan utilisasi CPU dihitung dengan menggunakan model M/M/2 karena web server IPB menggunakan dua CPU untuk menangani proses. Formulasi M/M/2 dengan diagram transisi rantai Markov infinite population, infinite queue, dual CPU dapat dilihat pada Gambar 17. λ
λ
λ
λ
λ
µ
2µ
2µ
2µ
2µ
Gambar 17 Diagram transisi rantai Markov model antrian M/M/2. Gambar 16 Arsitektur pengambilan data dari NMS ke server melalui protokol SNMP. Berdasar Gambar 16, pengambilan data menggunakan protokol SNMP dilakukan dengan program netsnmp berdasar OID yang telah didefinisikan oleh MIB yang terdapat pada SNMP Agent. Nilai OID server dapat diketahui dengan menggunakan program getif. Nilai OID untuk mengetahui proses yang dijalankan oleh CPU adalah 1.3.6.1.2.1.25.4.2 sedangkan nilai OID untuk mengetahui nilai service rate dan penggunaan memori adalah 1.3.6.1.2.1.25.5.1. Pengambilan data dilakukan pada tanggal 25 April hingga 16 Mei 2007. Data trafik yang digunakan merupakan hasil pengukuran selama 16 hari dari 20 hari pengambilan data. Hal ini dilakukan karena pada periode pengambilan data terdapat beberapa kesalahan yang menyebabkan hasil pengambilan data tidak dapat digunakan untuk proses berikutnya. Proses berikutnya adalah penghitungan utilisasi CPU dan penggunaan memori sebagai parameter kinerja web server. Namun hal tersebut tidak terlalu berpengaruh terhadap hasil yang akan didapat. Hasil pengambilan data terdiri dari 12 file setiap harinya. Setiap file mengandung data penggunaan CPU yaitu service rate dalam proses per senti detik, nama proses, pid dari proses yang terjadi. Pengambilan data dilakukan per 5 menit dalam periode waktu satu jam, sehingga terdapat 192 file data. Kemudian data dikenai parsing menggunakan program gawk, sehingga data hanya mengandung informasi mengenai jumlah proses yang terjadi per 5 menit dan service rate pada setiap proses. Selanjutnya data tersebut akan diolah untuk mengukur utilisasi
Nilai peluang idle didapatkan dengan cara menurunkan persamaan pada local balance dan global balance, sehingga akan didapatkan nilai p0 dan pn sebagai:
λ µ p0 = λ 2+ µ 2−
............(4) n −1
⎛1⎞ pn = ρ n 2⎜ ⎟ p0 ..........(5) ⎝2⎠ Utilisasi CPU dapat dicari menggunakan: ⎛ 1 − p0 ⎞ ⎟⎟ ρ = 2⎜⎜ ...........(6) ⎝ 1 + p0 ⎠
Dengan menurunkan persaman pn maka utilisasi CPU pada saat n > 0 didapatkan dengan mengunakan persamaan:
ρ=
pn − 1 ………..(7) pn + 1
Penurunan formulasi M/M/2 dapat dilihat pada Lampiran 7. Berdasar persamaan 4 dan 6 maka untuk menghitung utilisasi CPU diperlukan parameter arrival rate dan service rate. Arrival rate pada web server diperoleh dari rata-rata jumlah kedatangan proses yang terjadi pada web server. Sedangkan service rate didapatkan berdasar pengambilan data waktu penggunaan CPU oleh setiap proses dalam proses per ms. Seluruh nilai service rate pada setiap proses dari 192 file tersebut dirata-ratakan. Hasil pengukuran rata-rata service rate dan arrival rate untuk setiap harinya selama 16 hari dapat dilihat pada Gambar 18 dan 19.
12
Service rate
Service rate 16 Hari 1000 900 800 700 600 500 400 300 200 100 0 1
2
3
4
5
6
7
8
9
10 11 12 13 14 15 16
pengukuran hari ke-
Gambar 18 Grafik rata-rata service rate proses web server selama 16 hari. Arrival rate 16 Hari
melakukan proses, sehingga ketika proses kedua datang, bisa langsung diproses oleh CPU. Namun dalam kenyataannya nilai utilisasi CPU sangat tinggi tidak pernah terjadi pada web server IPB, sehingga dapat disimpulkan bahwa hanya satu proses yang terjadi di sistem, karena nilai service time yang rendah mengakibatkan sebelum proses berikutnya datang ke server, CPU telah selesai melakukan proses. Sehingga kinerja CPU selalu stabil. Berikut ini grafik peluang pada saat n proses di mana nilai 0 ≤ n ≤ 12 dapat dilihat pada Gambar 20.
8
Peluang Idle CPU web server
7 Arrival rate
6 5
1.5
4
1
3
Pn
2 1
0 -0.5 0
0 1
2
3
4
5
6
7
8
9
10
11 12 13 14
0.5
15 16
pengukuran hari ke-
1
2
3
4
5
6
7
8
9 10 11 12
n
Hasil penghitungan rata-rata keseluruhan selama 16 hari untuk setiap proses didapatkan bahwa rata-rata arrival rate adalah sebesar 5.5 proses per ms, sedangkan rata-rata service rate adalah sebesar 688.064 proses per ms, atau setiap proses dijalankan oleh CPU dalam waktu 0.0015 ms. CPU akan tetap stabil jika utilisasi CPU lebih dari 0 dan kurang dari 1 atau 0 ≤ ρ < 1 . Sehingga berdasar persamaan formulasi M/M/2, didapatkan nilai hasil penghitungan p0 atau peluang idle pada saat proses pertama datang ke CPU adalah sebesar 0.984. Berdasar formulasi M/M/2 didapatkan utilisasi CPU dari web server adalah sebesar 0.0159 atau 1.59%. Berdasar hasil tersebut diketahui bahwa utilisasi CPU tidak berada pada level kejenuhan dan CPU mengalami idle yaitu sebesar 98.4%. Dari hasil tersebut terlihat bahwa kinerja CPU web server IPB masih tetap stabil karena nilai arrival rate jauh lebih kecil dari service rate, sehingga didapatkan utilisasi CPU juga sangat rendah. Berdasar formulasi M/M/2, nilai peluang idle pada saat proses kedua datang ke server adalah sebesar 0.016, sehingga didapatkan nilai utilisasi CPU 96.90%. Berdasar hasil terlihat bahwa nilai utilisasi CPU mendekati satu. Hal ini dapat diartikan bahwa sistem masih berpeluang idle sebesar 0.016 dan penggunaan CPU pada saat proses kedua adalah sebesar 96.90%. Hal ini dapat terjadi karena sistem mempunyai dua CPU untuk
Gambar 20 Grafik peluang pada saat n proses di mana nilai 0 ≤ n ≤ 12 . Sedangkan grafik nilai utilisasi CPU pada saat 0 ≤ n ≤ 12 dapat dilihat pada Gambar 21. Utilisasi CPU web server IPB Utlisasi CPU (%)
Gambar 19 Grafik rata-rata arrival rate proses web server selama 16 hari.
150 100 50 0 0 1 2 3 4 5 6 7 8 9 10 11 12 n
Gambar 21 Grafik utilisasi CPU pada saat n proses di mana nilai 0 ≤ n ≤ 12 . Tabel 1 memperlihatkan nilai peluang dan utilisasi CPU pada saat 0 ≤ n ≤ 5 . Tabel 1 Nilai peluang dan utilisasi CPU pada saat 0 ≤ n ≤ 5 .
ρ
Arival rate (λ )
Service rate ( µ )
n
Proses/ms
Proses/ms
(Peluang idle)
0
5.5
344.031
0.984
1.59
1
5.5
344.031
0.016
96.90
2
5.5
344.031
0.00012
99.97
3
5.5
344.031
1.005E-06
99.99
4
5.5
344.031
8.035E-09
99.99
5
5.5
344.031
6.423E-11
99.99
pn
Utilisa si CPU (%)
13
Berdasar Tabel 1, utilisasi CPU bernilai 1 di mana kondisi server tidak stabil yaitu ketika keempat proses dijalankan secara bersamaan oleh CPU. Namun berdasar hasil penelitian dengan hasil rata-rata utilisasi CPU sebesar 1.59%, kondisi di mana empat proses dijalankan secara bersamaan tidak pernah terjadi pada server, karena dalam kenyataanya CPU hanya melakukan satu proses. Nilai service time yang rendah mengakibatkan sebelum proses berikutnya datang ke server, CPU telah selesai menjalankan proses. Jika CPU belum selesai melakukan proses maka proses selanjutnya akan masuk ke dalam antrian, sehingga kondisi CPU server IPB tetap stabil. Berdasar formulasi M/M/2, juga dilakukan penghitungan rata-rata penggunaan CPU setiap harinya selama 16 hari. Hasil penghitungan rata-rata penggunaan CPU setiap harinya dalam periode waktu satu jam selama 16 hari ditunjukkan pada Gambar 22. Tabel Nilai utilisasi CPU web server IPB setiap hari selama 16 hari dapat dilihat pada Lampiran 8. Utilisasi CPU selama 16 Hari 25
Utilisasi CPU (%)
20 15 10 5 0 1
2
3
4
5
6
7
8
9
10 11 12 13 14 15 16
-5 Pengukuran hari ke-
Gambar 22 Grafik rata-rata utilisasi CPU web server selama 16 hari. Berdasar Gambar 22, rata-rata utilisasi CPU terbesar terjadi pada tanggal 2 Mei 2007, dengan service rate sebesar 37.466 proses per ms dan arrival rate sebesar 6 proses per ms. Sehingga didapatkan utilisasi CPU terbesar mencapai 19.21%. Tabel dan grafik peluang idle dan utilisasi CPU terbesar menggunakan formulasi M/M/2 dapat dilihat pada Lampiran 9 dan Lampiran 10. Utilisasi CPU terendah terjadi pada tanggal 16 mei 2007 dengan service rate sebesar 1135.466 proses per ms dan arrival rate sebesar 4.4 proses per ms. Sehingga didapatkan utilisasi CPU sebesar 0.38%. Tabel dan grafik peluang idle dan utilisasi CPU terkecil menggunakan formulasi M/M/2 dapat dilihat pada Lampiran 11 dan Lampiran 12. Rangkuman hasil penghitungan utilisasi dapat dilihat pada Tabel 2.
Tabel 2 Hasil penghitungan utilisasi CPU web server. Parameter Arival rate (proses/ms) Service rate (proses/ms) Utilisasi idle Utilisasi% idle %
Terbesar
Terendah
ratarata
6
4.4
5.3
37.466
1135.466
344.03
0.097 0.192 19.21 82.47
0.0024 0.0038 0.38 99.61
0.008 0.9841 1.59 98.41
Berdasar Tabel 2 nilai utilisasi CPU terbesar terjadi karena banyak proses yang dijalankan dan nilai service rate yang kecil. Begitu pula sebaliknya, utilisasi terendah terjadi ketika proses yang dijalankan sedikit dan nilai service rate sangat besar. Hasil penghitungan utilisasi CPU kemudian dihubungkan dengan kinerja web server dari web IPB. Berdasar parsing dengan menggunakan perangkat lunak gawk, dari data log web IPB selama 117 hari (5 Januari-2 Mei 2007) didapatkan nilai rata-rata kedatangan request web IPB (arrival rate) sebesar 0.513 request per detik. Walaupun nilai waktu penggunaan CPU (service time) untuk setiap request web tidak didapatkan, namun berdasar data utilisasi CPU secara keseluruhan yaitu sebesar 1.59%, di mana terjadi idle sebesar 98.41 %. Penggunaan CPU untuk seluruh request web sudah tercakup dalam utilisasi secara keseluruhan, sehingga sudah dipastikan utilisasi CPU untuk seluruh request web lebih kecil dari 1.59%. Berdasar data tersebut dapat dipastikan bahwa seluruh request web dapat dilayani oleh CPU web server IPB. Berdasar data penghitungan yang telah didapat, selanjutnya dilakukan validasi langsung pada web server IPB melalui koneksi Remote Desktop dari komputer yang berada di lab NCC. Validasi dilakukan dengan menggunakan program perfmon.exe yang terdapat pada sistem operasi Windows. Hasil validasi berupa ratarata utilisasi CPU dalam persen. Validasi dilakukan pada tanggal 3 Juli 2007 pada jam sibuk web server IPB yaitu pada pukul 13.00 hingga pukul 14.00 per 5 menit. Salah satu hasil validasi, di mana pengukuran dilakukan pada 5 menit pertama dapat dilihat pada Gambar 23.
14
Penggunaan memori
rata-rata penggunaan memori
400000 350000
Gambar 23 Grafik hasil validasi pada 5 menit pertama. Contoh grafik hasil validasi utilisasi CPU web server IPB lainnya dapat dilihat pada Lampiran 13. Berdasar hasil validasi yang terdiri dari 12 file yang telah dirata-ratakan, maka didapatkan nilai rata-rata utilisasi CPU sebesar 3.28%, dengan utilisasi terbesar mencapai 30.99%. Berdasar hasil tersebut diketahui bahwa hasil valid sebesar 97.5%, dengan kesalahan pada pengukuran sebesar 2.25%. Sehingga dapat dikatakan hasil utilisasi CPU pada web server IPB valid dan tidak perlu mengalami kalibrasi. Gambar 24 memperlihatkan hasil validasi selama 12 kali pengukuran per 5 menit, setiap pengukuran merupakan rata-rata utilisasi CPU dalam waktu 1 menit 40 detik.
Rata-rata utilisasi CPU %
Hasil validasi 7 6 5 4
hasil validasi
3 2 1 0 1
2
3
4
5
6
7
8
9
10 11 12
pengukuran 5 menit ke-
Gambar 24 Grafik hasil validasi utilisasi CPU selama 1 jam per 5 menit sekali. b. Memori Web Server
Berdasar hasil pengambilan data selama 16 hari yang dilakukan dari tanggal 25 April sampai dengan 16 Mei 2007, didapatkan ratarata penggunaan memori untuk web server adalah sebesar 263893.19 KB, atau setara dengan 51.42% dari keseluruhan nilai memori yang tersedia (512 MB). Rata-rata hasil penggunaan memori setiap harinya dapat dilihat pada Gambar 25.
300000 250000 200000 150000 100000 50000 0 1
3
5
7
9
11
13
15
Pengukuran hari ke-
Gambar 25 Grafik rata-rata penggunaan memori web server setiap hari selama 16 hari. Berdasar Gambar 25, didapatkan hasil bahwa rata-rata penggunaan memori terbesar terjadi pada tanggal 25 April 2007 sebesar 342275.67 KB, dengan pemakaian sebesar 66.85% dari keseluruhan memori yang tersedia. Penggunaan memori terendah terjadi pada tanggal 3 Mei 2007 sebesar 187320.67 KB, dengan pemakaian sebesar 36.586%. Rangkuman rata-rata hasil penghitungan penggunaan CPU dapat dilihat pada Tabel 3. Tabel 3 Hasil penghitungan penggunaan memori web server. Parameter memory (KB) memory (%)
Terbesar
Terendah
Ratarata
342275.67
187320.67
263893.2
66.850716
36.586068
51.542
Sisa (%)
169724.33
324679.33
248106.8
Sisa (%)
33.149284
63.413932
48.458
Berdasar Gambar 19 dan 25, terlihat bahwa nilai penggunaan CPU dan memori tidak berbanding lurus. Hal ini disebabkan rata-rata penggunaan CPU terbesar dan terkecil pada web server IPB tidak terjadi pada hari yang sama. Dengan demikian dapat disimpulkan bahwa utilisasi CPU besar tidak menjamin penggunaan memori juga besar begitu pula sebaliknya. Setelah diperoleh hasil penghitungan memori, maka akan dilakukan validasi pengukuran. Validasi dilakukan pada tanggal 6 Juli 2007 pada jam 13.00-14.00 langsung pada web server IPB. Hasil validasi berupa persentase penggunaan memori. Contoh grafik hasil validasi penggunaan memori web server IPB lainnya dapat dilihat pada Lampiran 14. Persentase rata-rata penggunaan memori web server adalah 44.96%. Berdasar hasil tersebut diketahui bahwa kesalahan pada pengukuran sebesar 14.624% atau valid sebesar 85.376%, karena hasil validasi lebih dari 70% sehingga dapat dikatakan hasil pengukuran memori pada web server IPB
15
Penggunaan memory (%)
Validasi Penggunaan Memory 46 45.5 Validasi Penggunaan Memory
45 44.5 44 43.5 1
3
5
7
9
11
Validasi ke- (per lima menit)
Gambar 26 Grafik validasi rata-rata penggunaan memori web server selama satu jam per lima menit. Berdasar hasil rata-rata utilisasi CPU dan penggunaan memori, dapat dianalisis bahwa kinerja web server IPB masih stabil dengan rata-rata utilisasi CPU hanya sebesar 0.8% dan rata-rata penggunaan memori sebesar 263893.2 KB (51.542%). Utilisasi CPU terbesar mencapai 9.97%, sedangkan rata-rata penggunaan memori terbesar mencapai 342275.67 KB (66.85%). Sehingga berdasar hasil tersebut walaupun penggunaan CPU dan memori terbesar terjadi, namun kinerja CPU web server IPB tetap stabil. Pada kondisi tersebut CPU idle sebesar 90.08% dan terdapat ketersediaan memori sebesar 33.15%, di mana ketersediaan sumber daya lebih dari 30%. Sehingga CPU dan memori web server tidak berada pada level kejenuhan. Berdasar hasil tersebut spesifikasi CPU dan memori dari web server IPB tidak perlu diperbaharui, karena kinerjanya masih sangat stabil. Tabel hasil validasi pengukuran CPU dan memori web server IPB tanggal 6 Juli 2007 pada jam sibuk IPB dapat dilihat pada Lampiran 15 dan Lampiran 16. Proxy Server 1
Utilisasi CPU
Dalam penelitian ini dilakukan pengukuran utilisasi CPU proxy server IPB, meliputi utilisasi CPU pada Squid, request pada proxy server, hit rate proxy server, dan secara keseluruhan pada proxy server. Utilisasi CPU Proxy Server dan Squid
Pengambilan data untuk menghitung utilisasi CPU Squid dan utilisasi CPU proxy
server secara keseluruhan, dilakukan secara remote melalui komputer lokal (172.17.18.129) di Lab NCC ke proxy server IPB (172.17.0.11) menggunakan perangkat lunak Putty. Data yang diperoleh merupakan nilai persentase utilisasi CPU yaitu meliputi persentase utilisasi untuk Squid saja dan utilisasi CPU pada proxy server secara keseluruhan. Pengambilan data dilakukan selama 10 hari dari tanggal 4 Juni sampai dengan tanggal 23 Juni pada pukul 08.00 hingga 09.00, dilakukan selama satu jam dengan selang waktu per 10 menit, sehingga 1 hari didapatkan 6 file utilisasi CPU. Pada periode tanggal tersebut tidak dilakukan setiap hari karena terdapat hari libur di IPB. Untuk menjaga pengukuran selama jam sibuk. Pengambilan data dilakukan pada periode hari dan jam sibuk IPB. Setiap file terdapat nilai utilisasi CPU server, Squid, dan penggunaan memori. Sehingga terdapat 60 file yang dikenai parsing menggunakan Microsoft Excel, agar dapat dilakukan penghitungan untuk menentukan utilisasi CPU Squid dan server.
Nilai utilisasi CPU merupakan nilai ratarata utilisasi CPU selama 10 hari. Berdasar hasil penghitungan didapatkan bahwa rata-rata nilai utilisasi CPU proxy server adalah sebesar 52.64% dan nilai utilisasi CPU untuk Squid adalah sebesar 17.53%. Hal ini berarti 35.10% CPU digunakan oleh proses yang lain. Berdasar hasil penghitungan tersebut diketahui bahwa 33.3% dari seluruh penggunaan CPU digunakan untuk Squid. Gambar 27 menunjukkan grafik penghitungan utilisasi CPU untuk setiap harinya, selama 10 hari. Utilisasi CPU Proxy Server 120.00% utilisasi CPU (%)
adalah valid dan tidak perlu mengalami kalibrasi. Gambar 26 menunjukkan grafik validasi rata-rata penggunaan memori pada web server IPB.
100.00% 80.00% Utilisasi CPU
60.00% 40.00% 20.00% 0.00% 1
2
3
4
5
6
7
8
9
10
hari ke-
Gambar 27 Grafik penghitungan utilisasi CPU server selama 10 hari. Berdasar Gambar 27, diketahui bahwa rata-rata penggunaan CPU terbesar terjadi pada tanggal 5 Juni 2007, di mana utilisasi CPU mencapai 96.08%, dengan penggunaan CPU oleh pengguna: 58%, sistem: 18.73%, menunggu input atau output pada server: 20.05%, irq: 1.23%, dan softirq: 5.10%.
16
sehingga CPU hanya idle sekitar 3.91%. Sedangkan utilisasi CPU terendah terjadi pada tanggal 18 Juni 2007, yaitu sebesar 24.82% dengan penggunaan CPU oleh pengguna: 05%, sistem: 5.77%, menunggu input atau output pada server: 7.43%, irq: 0.40%, dan softirq: 2.17%, sehingga CPU idle sebesar 66.03%. Tabel utilisasi CPU untuk setiap proses yang didefinisikan oleh sistem operasi dapat dilihat pada Lampiran 17. Penghitungan rata-rata utilisasi CPU untuk Squid selama 10 hari ditunjukkan oleh Gambar 28. Utilisasi Squid
Utilisasi Squid (%)
35.00% 30.00% 25.00% 20.00%
Utilisasi Squid
15.00% 10.00%
utilisasi CPU secara keseluruhan pada proxy server dan utilisasi CPU untuk Squid. Tabel 4 Hasil penghitungan utilisasi CPU server dan Squid. %Utilisasi %Utilisasi Tanggal Squid CPU 4Juni 83.10 29.70 5Juni 96.08 33.12 8Juni 48.22 20.87 12Juni 79.33 21.60 14Juni 33.97 1.10 18Juni 24.82 13.23 19Juni 32.45 12.78 20Juni 52.88 9.98 22Juni 32.35 9.45 23Juni 43.15 23.45 rata-rata 52.64 17.53
5.00% 0.00% 1
2
3
4
5
6
7
8
9
10
hari ke-
Gambar 28 Grafik Hasil rata-rata utilisasi CPU Squid selama 10 hari. Berdasar Gambar 28, diketahui bahwa utilisasi CPU terbesar untuk Squid juga terjadi pada tanggal 5 Juni 2007 yaitu sebesar 33.12%. Hal ini berarti kinerja CPU server secara keseluruhan juga dipengaruhi oleh utilisasi Squid, yaitu sekitar 34.47%. Begitu pula pada utilisasi terendah pada Squid juga terjadi pada tanggal 14 Juni 2007, rata-rata utilisasi CPU untuk Squid hanya sebesar 1.1%. Hal ini dapat terjadi karena pada tanggal tersebut Squid mati, sehingga tidak ada pengguna yang mengakses proxy server IPB, dan mengakibatkan utilisasi CPU untuk Squid sangat rendah. Matinya Squid mempengaruhi kinerja CPU secara keseluruhan di mana pada tanggal 14 Juni hanya sebesar 33.97%, ini artinya CPU idle sebesar 63.03%. Namun matinya Squid tidak dikarenakan oleh kinerja CPU yang buruk, karena berdasar hasil rata-rata penggunaan CPU secara keseluruhan, seharusnya CPU masih dapat melakukan proses yang lain sebesar 63.03%, termasuk Squid. Matinya Squid memproses dipengaruhi oleh perubahan konfigurasi pada Squid.conf yang mengakibatkan pengguna tidak dapat mengakses Internet lewat proxy server 172.17.0.11, sehingga mengakibatkan utilisasi CPU untuk Squid dan server secara keseluruhan pada tanggal tersebut sangat rendah. Tabel 4 menunjukkan rata-rata
Utilisasi CPU untuk Seluruh Request dan Hit Request pada Proxy Server
Penghitungan utilisasi CPU didapatkan dari request pengguna jaringan internal IPB meliputi rektorat, FEM, Fapet, FKH, dan LSI melalui proxy server IPB untuk mengakses Internet dan mengakses web IPB. Penghitungan utilisasi CPU untuk request pengguna dan hit request pada proxy server dilakukan dengan menggunakan model server M/M/1. Nilai arrival rate diperoleh dari data log proxy server IPB periode 30 Desember hingga 2 Februari 2007 dan 13 Mei hingga 27 Juni 2007. Data log tanggal 3 Februari hingga 12 Mei tidak dapat digunakan, karena data log telah terhapus oleh admin IPB. Namun hal tersebut tidak berpengaruh pada hasil yang diperoleh, karena periode data log selama 81 hari sudah cukup untuk mewakili data. Nilai service rate diperoleh dari cachemgr.cgi. Pengambilan data service rate dilakukan selama 10 hari yaitu pada tanggal 12 juni hingga 27 juni, pada jam 08.00 hingga 09.00. CPU proxy server akan tetap stabil jika nilai 0 ≤ ρ < 1 . Berdasar formulasi M/M/1, nilai peluang ketika terdapat satu request di proxy server yaitu sebesar 0.941 sehingga nilai utilisasi CPU sebesar 0.059 atau 5.9%. Nilai rata-rata service rate yang sangat tinggi yaitu sebesar 127.69 request per detik atau satu request dijalankan oleh CPU selama 0.00783 detik, dengan rata-rata utilisasi CPU untuk request pengguna sebesar 5.91%. Hasil pengukuran service time selama satu jam/hari untuk request pengguna dapat dilihat pada Lampiran 18.
17
Nilai peluang idle ketika terdapat dua proses di server, yaitu sebesar 0.00079 sehingga didapatkan utilisasi CPU sebesar 98.43%. Utilisasi CPU sangat tinggi karena nilai service rate dari CPU sangat tinggi untuk melayani request, sehingga sumber daya CPU dikeluarkan juga sangat tinggi untuk memproses dua request tersebut. Berdasar hasil penelitian, kejadian dimana terdapat dua request dilayani oleh CPU tidak pernah terjadi, karena pada kenyataannya CPU hanya melayani satu request. Hal ini disebabkan nilai service time yang rendah untuk melayani satu request sehingga ketika request berikutnya datang, maka request sebelumnya telah selesai diproses, dan request dapat diproses selanjutnya. Hal ini dapat dilihat pada hasil penelitian bahwa rata-rata utilisasi CPU untuk request ke proxy server IPB tidak pernah mendekati nilai satu. Nilai peluang dan utilisasi CPU pada saat n request di mana nilai 0 ≤ n ≤ 12 dapat dilihat pada Gambar 29 dan 30, sedangkan tabel nilai peluang dan utilisasi CPU pada saat 0 ≤ n ≤ 6 dapat dilihat pada Tabel 5. Peluang idle
1 0.8 Pn
0.6 0.4 0.2 0 -0.2 0
1
2
3
4
5
6 7
8
9 10 11 12
n
Gambar 29 Grafik peluang idle request pengguna pada saat n proses di mana nilai 0 ≤ n ≤ 12 . Utilisasi C PU untuk re que st pada proxy se rve r
120
Utlisasi CPU
100 80 60 40 20 0 1
2
3
4
5
6
7
8
9
10 11 12 13
n
Gambar 30 Grafik utilisasi CPU request pengguna proxy server pada saat n proses di mana nilai 0 ≤ n ≤ 12 .
Tabel 5 Nilai peluang dan utilisasi CPU request pengguna pada saat 0 ≤ n ≤ 6. n
Arrival rate
Service rate
Pn
Utilisasi CPU (%)
0 1 2 3 4 5 6
7.37 7.37 7.37 7.37 7.37 7.37 7.37
124.69 124.69 124.69 124.69 124.69 124.69 124.69
0.94 0.056 0.0033 0.00019 1.1507E-05 6.805E-07 4.0243E-08
5.9 94 99 99 99 99 1
Berdasar formulasi M/M/1 dihitung nilai utilisasi CPU akan bernilai satu atau peluang bernilai nol terjadi ketika di server terdapat 6 request, ini artinya pada saat 6 request di proxy server, proxy server akan drop, hal ini mengakibatkan CPU proxy server tidak dapat bekerja sehingga CPU hang atau mati. Namun berdasar hasil penelitian request yang dilayani oleh CPU pada satu waktu hanya satu request dan karena nilai service time yang rendah untuk melayani satu request sehingga ketika request berikutnya datang, maka request sebelumnya telah selesai diproses, dan request berikutnya dapat diproses selanjutnya. Jika CPU belum selesai melakukan proses maka proses selanjutnya akan masuk ke dalam antrian. Sehingga kondisi di mana 6 request diproses sekaligus tidak dilakukan oleh CPU, oleh karena itu kinerja CPU akan tetap stabil untuk melayani request pengguna. Tabel dan grafik hasil perhitungan peluang idle dan utilisasi CPU terbesar untuk request pada proxy server dapat dilihat pada Lampiran 19 dan Lampiran 20. Berdasar data log proxy server dapat diketahui nilai hit rate dari proxy server yaitu sebesar 2.16 request per detik, hit rate ini mengindikasikan bahwa dari 7.37 request per detik, permintaan yang dapat dilayani oleh proxy server hanya 2.16 request per detik, sehingga hanya sekitar 29.27% request per detik yang dapat dilayani oleh CPU. Tabel dan grafik hasil perhitungan peluang idle dan ratarata utilisasi CPU untuk hit request pada proxy server dapat dilihat pada Lampiran 21 dan Lampiran 22. Rendahnya hit rate tidak sepenuhnya dipengaruhi oleh kinerja dari CPU, tetapi juga dipengaruhi oleh faktor lain. Berdasar hasil yang diperoleh, kinerja CPU masih cukup baik untuk melayani permintaan pengguna pada jaringan internal IPB yang mengakses Internet melalui proxy server, hal ini diketahui dengan
18
Tabel 6 Hasil penghitungan utilisasi CPU untuk request pengguna. Utilisasi CPU Parameter arrival rate (request/s) service rate (request/s) utilisasi CPU %
Terendah
Terbesar
Ratarata
7.37
7.37
7.37
1097.69
40.8
124.69
0.67
18.67
5.91
Memori Proxy Server
Dalam penelitian ini dilakukan pengukuran terhadap rata-rata penggunaan memori oleh proxy server IPB, data yang digunakan hanya data penggunaan memori virtual pada sistem operasi dari proxy server. Data memori yang digunakan merupakan hasil monitoring selama 10 hari, yaitu tanggal 4 Juni, 5 Juni, 8 Juni, 12 Juni, 14 Juni, 18 Juni, 19 Juni, 20 Juni, 22 Juni, dan 23 Juni. Hasil pengukuran rata-rata penggunaan memori dari proxy server IPB pada tanggal 4 Juni hingga 23 Juni dapat dilihat pada Gambar 31. Penggunaan Memori 100 90 80 70 60 50 40 30 20 10 0 1
Tabel 7 Hasil penghitungan utilisasi CPU untuk hit request. Utilisasi CPU Parameter arrival rate (request/s) service rate (request/s) utilisasi CPU %
2
Penggunaan memori (%)
nilai rata-rata service rate yang sangat tinggi sebesar 127.69 request per detik, dengan ratarata utilisasi CPU untuk request pengguna sebesar 5.91%. Berdasar hasil tersebut diketahui bahwa sumber daya CPU yang digunakan untuk melayani request pengguna cukup besar. Namun sebelum permintaan tersebut dapat diproses oleh CPU proxy server, request terhalang oleh faktor lain seperti kondisi link jaringan, bandwidth, dan sibuknya trafik jaringan IPB, sehingga hal ini mengakibatkan rendahnya nilai hit rate proxy server. Rangkuman hasil penghitungan utilisasi CPU untuk request pengguna dan hit request dapat dilihat pada Tabel 6 dan Tabel 7.
Terendah
Terbesar
Ratarata
2.16
2.16
2.16
1097.69
40.8
124.69
0.2
5.29
1.70
Berdasar Tabel 7, diketahui rata-rata utilisasi CPU untuk hit request sebesar 1.7% dan utilisasi CPU terbesar sebesar 5.29% dan terendah sebesar 0.2%. Tabel dan grafik hasil perhitungan peluang idle dan utilisasi CPU terbesar untuk hit request pada proxy server dapat dilihat pada Lampiran 23 dan Lampiran 24. Berdasar hasil tersebut terlihat kinerja CPU untuk melayani request proxy server IPB masih cukup baik. Namun secara keseluruhan pengunaan CPU proxy server IPB sudah pada taraf tertinggi atau level kejenuhan di mana utilisasi CPU terbesar mencapai 96.08%. Sehingga utilisasi secara keseluruhan pada proxy server juga akan mempengaruhi penggunaan CPU untuk request pengguna.
2
3
4
5
6
7
8
9
10
hari ke-
Gambar 31 Grafik nilai penggunaan memori selama 10 hari pada proxy server IPB. Berdasar hasil pengukuran, didapatkan nilai rata-rata penggunaan memori selama 10 hari adalah sebesar 294322.67 KB, dengan total memori yang tersedia adalah sebesar 384268 KB, atau sebesar 76% memori digunakan oleh proxy server. Rata-rata penggunaan memori terbesar terjadi pada tanggal 5 Juni 2007, yaitu sebesar 344586 KB, atau sebesar 89.67% dari keseluruhan memori. Sedangkan rata-rata penggunaan memori terkecil terjadi pada tanggal 14 juni 2007, dengan rata-rata penggunaan memori sebesar 174546 KB, atau sebesar 45.22% dari total keseluruhan memori. Hasil pengukuran rata-rata penggunaan memori dari proxy server IPB pada tanggal 4 Juni hingga 23 Juni dapat dilihat pada Tabel 8.
19
Tabel 8 Rata-rata penggunaan memori selama 10 hari pada proxy server. Tanggal
4Juni 5Juni 8Juni 12Juni 14Juni 18Juni 19Juni 20Juni 22Juni 23Juni rata-rata
Penggunaan memori (KB) 313426 344586 292032.67 334368 174546 305480 314108.67 300642.67 258653.33 305383.33 294322.67
Penggunaan memori (%) 81.56 89.67 75.99 87.01 45.42 79.49 81.74 78.24 67.31 79.47 76.59
Hasil pengukuran baik CPU maupun memori pada proxy server IPB tidak perlu mengalami validasi, karena pengukuran telah dilakukan secara remote langsung dari komputer lokal ke proxy server, dengan demikian hasil pengukuran sudah pasti valid. Berdasar hasil penghitungan rata-rata utilisasi CPU dan penggunaan memori secara keseluruhan pada proxy server IPB dapat diketahui bahwa pada tanggal 5 Juni terjadi utilisasi CPU dan penggunaan memori terbesar, sedangkan utilisasi CPU dan penggunaan memori terendah terjadi pada tanggal 14 Juni 2007, di mana pada tanggal tersebut Squid mati, sehingga nilai utilisasi CPU dan penggunaan memorinya rendah. KESIMPULAN DAN SARAN Kesimpulan
Berdasar hasil penelitian spesifikasi CPU dan memori dari web server IPB tidak perlu diperbaharui, karena kinerjanya masih tetap stabil dan belum berada pada level kejenuhan. Sehingga sudah dapat dipastikan bahwa seluruh request web dari pengguna ke www.ipb.ac.id dapat dilayani oleh web server. Ini artinya kinerja web IPB juga stabil. Setiap permintaan di jaringan internal IPB ke web server IPB dimana harus melalui proxy server juga menyebabkan kinerja web server IPB jauh dari level kejenuhan. Berdasar hasil penelitian diketahui bahwa kondisi proxy server pada level tertinggi, karena penggunaan sumber daya terbesar lebih dari 70%. Sehingga berdasar hasil tersebut spesifikasi CPU dan memori pada proxy server IPB perlu diperbaharui dengan menambah kapasitas pada CPU dan
memorinya, sehingga diharapkan dapat meningkatkan kinerja proxy server IPB untuk melayani pengguna di jaringan internal IPB yang mengakses Internet. Kondisi proxy server secara keseluruhan akan mempengaruhi kinerja CPU dan penggunaan memori untuk request pengguna, namun hit rate yang rendah pada proxy server tidak sepenuhnya dipengaruhi oleh kinerja CPU. Rendahnya hit rate juga dipengaruhi oleh faktor lain seperti kondisi link jaringan, bandwidth, dan sibuknya trafik jaringan IPB. Saran
Dalam penelitian ini hasil perencanaan kapasitas hanya berupa analisis dari kinerja CPU dan memori, oleh karena itu diharapkan dapat dibuat suatu model biaya dan analisis biaya untuk membuat rencana kapasitas web server dan proxy server IPB. Pengukuran service rate dapat dilakukan untuk menghitung utilisasi CPU proxy server secara keseluruhan. Selain pada sisi server yaitu CPU dan memori, rencana kapasitas dapat dibuat dengan mempertimbangkan kondisi link jaringan IPB, seperti trafik, bandwidth jaringan IPB. Rencana kapasitas juga dapat dibuat dengan model kinerja client side, di mana model kinerja dapat dibuat berdasar pertimbangan browser client. Penelitian juga dapat dilakukan pada proxy server IPB dengan IP 172.17.0.18. Parameter kinerja jaringan yang digunakan dapat diperbanyak lagi, sehingga pengukuran kinerja jaringan dapat dilakukan dengan lebih detil dan seksama. Periode pengambilan data trafik juga dapat diperpanjang lagi, sehingga hasil yang didapat akan menjadi lebih baik dari yang sebelumnya. DAFTAR PUSTAKA
[Cachemgr]. http:// www.faqs.org/docs/securing/netproxy server-squid [30 Mei 2007]. Cisco 2006. SNMP. www.cisco.com/univercd/cc/td/doc/cisint wk/ito_doc/snmp.htm [12 Mei 2007]. Daigle JN. 2005. Queuing Theory With Applications To Packet Telecommunication. Springer Science and Business Media: Boston.
20
Hayes JS dan Babu TV. 2004. Modeling and Analysis of Telecommunications Networks. Canada: Wiley Interscience. [ITU]. International Telecommunication Union for Standardization. 1998. Rekomendasi ITU-T E.500. http://eu.sabotage.org/www/ITU/E/E0500 e.pdf [8 Agustus 2007]. Laudon KC dan Laudon JP. 1996. Management Information Systems: Organization and Technology. New Jersey: Prentice-Hall. Menasce D dan Almeida V. 1998a. Capacity Planning for Web Performance. New Jersey: Prentice Hall. Menasce D dan Almeida V. 1998b. Capacity planning Methodology. http://www.cse.msu.edu/~cse807/notes/sli des/part3set1presentation.ppt [19 Oktober 2006]. Menasce D dan Almeida V. 2002. Capacity Planning for Web Service. Prentice Hall: New Jersey. Mitchell T. 2005. Web Mapping Illustrated. Sebastopol Canada: O’Really Media Inc. Netcraft. news.netcraft.com. [18 Januari 2006] [Net-snmp]. 2006. http://www.netsnmp.sourceforge.net [18 Mei 2007]. Slothouber LP. 1996. A Model of Web Server Performance. http://www.geocities.com/Webserverperf ormance/webmodel.pdf [22 November 2006]. Sukoco H. 2006. Lingkungan Jaringan IPB. Diagram jaringan KPSI. Troller M. 2007. How the Internet works. Preston Gralla. Wiederspan J. dan Shotton C. 1996. Planning and Managing Web Sites on the Macintosh. Addison-Wesley. Remote Desktop. Wikipedia 2007a. http://en.wikipedia.org/wiki/Remote_desk top [26 Juni 2007].
Wikipedia 2007b. http://en.wikipedia.org/wiki/Putty Juni 2007].
Putty. [26
Wikipedia 2007c. WinSCP. http://en.wikipedia.org/wiki/WinSCP [26 Juni 2007].
[WTCS]. Williams Technology Consulting Services. 1998. GetIf. www.wtcs.org/snmp4tpc/files/tools/SNMP /getif [13 April 2007].
LAMPIRAN
22
Lampiran 1 Format data log web IPB. hostname 222.124.11.126 222.124.11.126 222.124.11.127 222.124.11.127 222.124.11.127 222.124.11.127 222.124.249.89 222.124.11.127 222.124.45.79 222.124.45.79 222.124.81.113 222.124.45.79 222.124.45.79 222.124.81.113 222.124.45.79 222.124.45.79 62.150.130.26 210.123.182.13 222.124.45.79 222.124.45.79 222.124.45.79 222.124.11.127 222.124.11.127 222.124.45.79 222.124.45.79 219.232.9.181 220.76.4.112 202.93.36.11 222.124.11.127 222.124.11.126 222.124.11.126 222.124.11.126 222.124.11.126
waktu [20/Jan/2007:14:47:51 +0700] [20/Jan/2007:14:47:51 +0700] [20/Jan/2007:14:47:51 +0700] [20/Jan/2007:14:47:51 +0700] [20/Jan/2007:14:47:52 +0700] [20/Jan/2007:14:47:52 +0700] [20/Mar/2006:00:54:07 +0700] [20/Jan/2007:14:47:52 +0700] [20/Mar/2006:00:54:20 +0700] [20/Jan/2007:16:48:01 +0700] [20/Jan/2007:16:48:01 +0700] [20/Jan/2007:16:48:01 +0700] [20/Jan/2007:16:48:02 +0700] [20/Jan/2007:16:48:02 +0700] [20/Jan/2007:16:48:01 +0700] [20/Jan/2007:16:48:02 +0700] [20/Jan/2007:16:48:04 +0700] [20/Jan/2007:16:48:04 +0700] [20/Jan/2007:16:48:02 +0700] [20/Jan/2007:16:48:05 +0700] [20/Jan/2007:16:48:02 +0700] [20/Jan/2007:16:48:05 +0700] [20/Jan/2007:16:48:05 +0700] [20/Jan/2007:16:48:05 +0700] [20/Jan/2007:16:48:09 +0700] [20/Jan/2007:16:48:09 +0700] [20/Jan/2007:16:48:09 +0700] [20/Jan/2007:16:48:09 +0700] [20/Jan/2007:16:48:09 +0700] [20/Jan/2007:16:48:11 +0700] [20/Jan/2007:16:48:11 +0700] [20/Jan/2007:16:48:15 +0700] [20/Jan/2007:16:48:16 +0700]
Request
status
size
GET / HTTP/1.0
302
-
GET /ipb-bhmn/ HTTP/1.0
200
20011
GET / HTTP/1.0
302
-
GET /ipb-bhmn/ HTTP/1.0
200
20011
GET /ipb-bhmn/resources/ipb-pop.css HTTP/1.0
200
5389
GET /ipb-bhmn/ HTTP/1.0
200
16789
GET /ipb-bhmn/HTTP/1.0
200
172330
GET /ipb-bhmn/images/body/animasi-ipb.gif HTTP/1.0
200
625079
GET /ipb-bhmn/ HTTP/1.1
200
625079
GET /favicon.ico HTTP/1.1
404
297
GET /ipb-bhmn/ HTTP/1.1
200
20011
304
-
304
-
GET /ipb-bhmn/ HTTP/1.1
200
16789
GET /ipb-bhmn/jadwal/ HTTP/1.1
200
13319
GET /ipb-bhmn/images/body/guestbook.jpg HTTP/1.1
200
4440
GET /~tepfteta/laboratorium.php HTTP/1.1
404
312
GET /jadwaluts/jadwalruang.php?ruang=B023KOMP HTTP/1.1
404
311
GET /ipb-bhmn/jadwal/ HTTP/1.1
200
13319
GET /favicon.ico HTTP/1.1
404
297
GET /ipb-bhmn/images/body/animasi-ipb.gif HTTP/1.1
200
625079
GET / HTTP/1.0
302
-
GET /ipb-bhmn/ HTTP/1.0
200
20011
GET /ipb-bhmn/jadwal/uasmami.php HTTP/1.1
200
13671
GET /ipb-bhmn/jadwal/uasmami.php HTTP/1.1
200
13671
404
318
404
318
404
320
GET /ipb-bhmn/ HTTP/1.0
200
16789
GET / HTTP/1.0
302
-
GET /ipb-bhmn/ HTTP/1.0
200
20011
GET /ipb-bhmn/resources/ipb-pop.css HTTP/1.0
200
5389
GET /ipb-bhmn/ HTTP/1.0
200
9119
GET /ipb-bhmn/resources/ipb-pop.css HTTP/1.1 GET /ipb-bhmn/images/body/head-kiri.jpg HTTP/1.1
GET /layanan/pendaftaran/pasca04.html HTTP/1.1 GET /layanan/pendaftaran/pasca04.html HTTP/1.1 GET /%7Ehsrkom/extmenus/phpBB/posting.php HTTP/1.1
23
Lampiran 2 Format data log proxy server (Squid). Waktu 11693432 95 11693433 01
size
hostname
Flag proxy server TCP_DENI ED/407 TCP_IMS_ HIT/304
Size file get
Status
1875
GET
248
GET
54
172.17.2.4
650
172.17.2.4
11693433 01
585
172.17.2.4
TCP_IMS_ HIT/304
264
GET
11693433 01
2030
172.17.2.4
TCP_MISS/ 200
18727
POST
171
172.17.2.4
250
GET
313
172.17.2.4
250
GET
11693433 02
877
172.17.2.4
TCP_IMS_ HIT/304
249
GET
11693433 02
877
172.17.2.4
TCP_IMS_ HIT/304
250
GET
877
172.17.2.4
250
GET
443
172.17.2.4
251
GET
11693433 03
3205
172.17.2.4
TCP_MISS/ 200
329
GET
11693433 03
1914
172.17.2.4
TCP_MISS/ 404
430
GET
11693433 04
4462
172.17.2.4
TCP_MISS/ 200
329
GET
11693433 05
1151
172.17.2.4
TCP_MISS/ 404
346
GET
11693433 10
1162
172.17.2.4
TCP_MISS/ 200
5413
GET
11693433 10
144
172.17.2.4
TCP_IMS_ HIT/304
248
GET
11693433 10
67
172.17.2.4
TCP_IMS_ HIT/304
264
GET
11693433 11
54
172.17.2.4
TCP_IMS_ HIT/304
250
GET
11693433 11
736
172.17.2.4
TCP_IMS_ HIT/304
249
GET
11693433 11
736
172.17.2.4
TCP_IMS_ HIT/304
249
GET
11693433 12
1254
172.17.2.4
430
GET
49
172.17.2.4
250
GET
848
172.17.2.4
249
GET
11693433 30
773
172.17.2.4
TCP_IMS_ HIT/304
264
GET
11693433 30
5195
172.17.2.4
TCP_MISS/ 200
9595
GET
11693433 31
149
172.17.2.4
TCP_IMS_ HIT/304
249
GET
11693433 02 11693433 02
11693433 02 11693433 03
11693433 13 11693433 30
TCP_IMS_ HIT/304 TCP_IMS_ HIT/304
TCP_IMS_ HIT/304 TCP_IMS_ HIT/304
TCP_CLIE NT_REFRE SH_MISS/4 04 TCP_IMS_ HIT/304 TCP_IMS_ HIT/304
Request http://dl49cg.rapidshare.com/cgibin/uploadjs.cgi? - NONE/- text/html http://images.rapidshare.com/img/st yles.css hsrkom NONE/- text/css http://images.rapidshare.com/img/cs s_dropdown.js hsrkom NONE/application/x-httpjavascript http://ul27.rapidshare.com/files/101 79750/ABGsexy.3gp hsrkom DIRECT/195.122.131.54 text/html //images.rapidshare.com/img/dot.jp g hsrkom NONE/- image/jpeg http://images.rapidshare.com/img/rs logo.jpg hsrkom NONE/- image/jpeg http://images.rapidshare.com/img/te rminator_back.png hsrkom NONE/image/png http://images.rapidshare.com/img/p aypal_buy.gif hsrkom NONE/image/gif http://images.rapidshare.com/img/p hone.gif hsrkom NONE/- image/gif http://images.rapidshare.com/img/wt eng.jpg hsrkom NONE/- image/jpeg http://dl49cg.rapidshare.com/cgibin/uploadjs.cgi? hsrkom DIRECT/82.129.39.99 text/html http://images.rapidshare.com/img/i mg/terminatr_back.png hsrkom DIRECT/195.122.131.251 text/html http://dl49cg.rapidshare.com/cgibin/uploadjs.cgi? hsrkom DIRECT/82.129.39.99 text/html http://ul27.rapidshare.com/favicon.ic o hsrkom DIRECT/195.122.131.54 text/html http://rapidshare.com/files/3660342/ Liana.3gp hsrkom DIRECT/195.122.131.250 text/html http://images.rapidshare.com/img/st yles.css hsrkom NONE/- text/css http://images.rapidshare.com/img/cs s_dropdown.js hsrkom NONE/application/x-javascript http://images.rapidshare.com/img/d ot.jpg hsrkom NONE/- image/jpeg http://images.rapidshare.com/img/te rminator_back.png hsrkom NONE/image/png http://images.rapidshare.com/img/c heckbox.png hsrkom NONE/image/png http://images.rapidshare.com/img/i mg/terminatr_back.png hsrkom DIRECT/195.122.131.251 text/html http://images.rapidshare.com/img/rs logo.jpg hsrkom NONE/- image/jpeg http://images.friendster.com/200701 B/css/interior.css - NONE/- text/css http://images.friendster.com/200701 B/js/friendster_v1.js - NONE/application/x-javascript http://www.friendster.com/message s.php - DIRECT/209.11.168.204 text/html http://images.friendster.com/images /homebg.gif - NONE/- image/gif
24
Lampiran 3 Contoh format data CPU dan memori pada web server IPB melalui protokol SNMP, sudah berupa hasil parsing menggunakan gawk, dan diformat ke Excel. PID
Service rate (proses/senti second)
Penggunaan Memori
0
53406764
16 KBytes
1 4 464 528 584 636 648 852 920 988 996 1048 1060 1144 1184 1484 1524 1712 1732 1760 2264 2280 2324 2364 2396 2416 2520 2560 2720 2864 2948 2996 3008 3264 3272 3356 3540 3576 3716 3724 4612 4788 4824 5440
61206 39 3453 259 760 2215 6 917 14 11521 7 8115 92 28 221 12 0 53 257 150 6 97873 14498 1 389 1 36907 17 10 0 20 129 0 1 112 7 150 0 0 0 178 4 3 4
212 KBytes 248 KBytes 964 KBytes 3264 KBytes 2424 KBytes 3460 KBytes 724 KBytes 1484 KBytes 5396 KBytes 3096 KBytes 1592 KBytes 15696 KBytes 3092 KBytes 388 KBytes 2464 KBytes 492 KBytes 200 KBytes 200 KBytes 1100 KBytes 3136 KBytes 200 KBytes 1704 KBytes 21648 KBytes 200 KBytes 2576 KBytes 200 KBytes 4932 KBytes 200 KBytes 420 KBytes 200 KBytes 1724 KBytes 208 KBytes 200 KBytes 200 KBytes 1780 KBytes 696 KBytes 336 KBytes 200 KBytes 200 KBytes 1208 KBytes 1132 KBytes 280 KBytes 2280 KBytes 952 KBytes
Nama_Proses "System Idle Process" "System" "smss.exe" "csrss.exe" "winlogon.exe" "services.exe" "lsass.exe" "svchost.exe" "svchost.exe" "ccApp.exe" "svchost.exe" "svchost.exe" "svchost.exe" "ccSetMgr.exe" "ccEvtMgr.exe" "spoolsv.exe" "msdtc.exe" "CpqRcmc.exe" "DefWatch.exe" "svchost.exe" "inetinfo.exe" "pds.exe" "sqlservr.exe" "mysqld-nt.exe" "svchost.exe" "snmp.exe" "snmptrap.exe" "Rtvscan.exe" "smhstart.exe" "mssearch.exe" "sysdown.exe" "svchost.exe" "hpsmhd.exe" "rotatelogs.exe" "rotatelogs.exe" "svchost.exe" "alg.exe" "hpsmhd.exe" "rotatelogs.exe" "rotatelogs.exe" "winlogon.exe" "ctfmon.exe" "ctfmon.exe" "sqlmangr.exe" "ApacheMonitor.exe"
Tipe Aplikasi
Aktif
operatingSystem(1)
running(1)
operatingSystem(2) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4)
running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1)
25
Lampiran 3 Lanjutan contoh format data CPU dan memori pada web server IPB melalui protokol SNMP, sudah berupa hasil parsing menggunakan gawk, dan diformat ke Excel.
5448 5588 5772 6404
Service rate (proses/ senti second) 4 45 6 32
676 KBytes 2196 KBytes 200 KBytes 12072 KBytes
6784
5246
35844 KBytes
6984 7076 7444 7500 7520 7560 7680 8076 8736 8828 10328 10476 10484 12344 12640 13008
3 3 3 128 73 3 1 42 3 7 51 1084 12 409 14 6
2256 KBytes 2096 KBytes 3000 KBytes 13032 KBytes 3892 KBytes 252 KBytes 112 KBytes 2924 KBytes 200 KBytes 4488 KBytes 228 KBytes 12740 KBytes 272 KBytes 3632 KBytes 13008 KBytes 5856 KBytes
PID
Penggunaan Memori
Nama_Proses
Tipe Aplikasi
Aktif
"wmiprvse.exe" "logon.scr" "iexplore.exe" "Apache.exe" "ApacheMonitor.e xe" "cpqteam.exe" "rdpclip.exe" "explorer.exe" "winlogon.exe" "svchost.exe" "cpqteam.exe" "scrnsave.scr" "csrss.exe" "w3wp.exe" "rdpclip.exe" "sqlmangr.exe" "csrss.exe" "fp.exe" "ccApp.exe" "explorer.exe" "Apache.exe"
application(4) application(4) application(4) application(4)
running(1) running(1) running(1) running(1)
application(4)
running(1)
application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4) application(4)
running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1) running(1)
26
Lampiran 4 Contoh format data CPU dan memori pada proxy server IPB yang diambil secara remote melalui Putty. usage: top -hvbcisqS -d delay -p pid -n iterations [H [2J [H [1m 08:05:29 up 16 days, 17:47, 3 users, load average: 2.73, 3.22, 3.84 [K 63 processes: 62 sleeping, 1 running, 0 zombie, 0 stopped [K CPU states: cpu user nice system irq softirq iowait idle [K total 18.6% 0.0% 25.4% 2.9% 6.8% 18.6% 27.4% [K Mem: 384268k av, 315156k used, 69112k free, 0k shrd, 25164k buff [K 204072k actv, 64612k in_d, 4928k in_c [K Swap: 779144k av, 153324k used, 625820k free 134372k cached [K [0m [K [7m PID USER PRI NI SIZE RSS SHARE STAT %CPU %MEM TIME CPU COMMAND [K [0m 20666 Squid 18 0 137M 121M 1660 S 25.5 32.2 120:28 0 Squid [K 1963 root 16 0 340 336 260 S 9.8 0.0 404:02 0 syslogd [K 1967 root 16 0 184 172 124 S 7.8 0.0 285:49 0 klogd [K 21597 nanik 20 0 1092 1092 808 R 0.9 0.2 0:00 0 top [K 1 root 15 0 112 80 56 S 0.0 0.0 0:22 0 init [K 2 root 15 0 0 0 0 SW 0.0 0.0 0:10 0 keventd [K 3 root 15 0 0 0 0 SW 0.0 0.0 0:00 0 kapmd [K 4 root 34 19 0 0 0 SWN 0.0 0.0 0:00 0 ksoftirqd/0 [K 7 root 15 0 0 0 0 SW 0.0 0.0 0:00 0 bdflush [K 5 root 15 0 0 0 0 SW 0.0 0.0 4:43 0 kswapd [K 6 root 15 0 0 0 0 SW 0.0 0.0 0:54 0 kscand [K 8 root 15 0 0 0 0 SW 0.0 0.0 0:00 0 kupdated [K 9 root 25 0 0 0 0 SW 0.0 0.0 0:00 0 mdrecoveryd [K 13 root 15 0 0 0 0 SW 0.0 0.0 4:57 0 kjournald [K 72 root 25 0 0 0 0 SW 0.0 0.0 0:00 0 khubd [K [J [8;1H [H [1m 08:00:29 up 16 days, 17:57, 3 users, load average: 2.89, 2.69, 3.14 [K
27
Lampiran 5 Tabel hasil parsing jam sibuk web IPB data log 30 hari. Jam Jumlah akses 00.00-00.59 27421 01.00-01.59 18119 02.00-02.59 14467 03.00-03.59 13965 04.00-04.59 14893 05.00-05.59 17015 06.00-06.59 18414 07.00-07.59 35825 08.00-08.59 86743 09.00-09.59 143371 10.00-10.59 188972 11.00-11.59 195999 12.00-12.59 162380 13.00-13.59 222073 14.00-14.59 221426 15.00-15.59 196454 16.00-16.59 156104 17.00-17.59 121991 18.00-18.59 86970 19.00-19.59 131869 20.00-20.59 132916 21.00-21.59 95324 22.00-22.59 66714 23.00-23.59 41944 Lampiran 6 Tabel hasil parsing jam sibuk proxy server data 10 hari (172.17.0.11) IPB. Jam Jumlah Akses 17.00-18.00 100971 16.00-17.00 60327 15.00-16.00 205042 14.00-15.00 348823 13.00-14.00 303445 12.00-13.00 226661 11.00-12.00 219415 10.00-11.00 426025 09.00-10.00 403144 08.00-09.00 572676 07.00-08.00 493804
28
Lampiran 7 Penurunan formulasi M/M/2 berdasar model Markov. Berdasar rantai Markov, dengan λ0 = λ1 = λ2 = λn = λ dan µ0 = µ1 = µ 2 = µ n = µ , maka dengan menurunkan persamaan global balance: p0 + p1 + p2 + ....... + pn −1 = 1 p0 +
p 0 (1 +
λ λ λ p0 + p1 + ........ + pn = 1 µ 2µ 2λ
λ 1⎛λ + ⎜ µ 2 ⎜⎝ µ
2
⎞ ⎛1⎞ ⎟⎟ + ⎜ ⎟ ⎝2⎠ ⎠
2
n −1
3
⎛λ⎞ ⎛1⎞ ⎜⎜ ⎟⎟ + ....... + ⎜ ⎟ ⎝2⎠ ⎝µ⎠ p0 =
n
⎛λ⎞ ⎜⎜ ⎟⎟ ) = 1 ⎝µ⎠ 1
⎡ ⎛1⎞ ⎢ ⎜ ⎟ ⎢⎣ n = 0 ⎝ 2 ⎠ ∞
∑
n −1
⎛λ⎞ ⎜⎜ ⎟⎟ ⎝µ⎠
n⎤
⎥ −1 ⎥⎦
=
1 ⎡ ∞ ⎛ 1 ⎞ n −1 n ⎤ ⎢ ⎜ ⎟ ρ ⎥ −1 ⎢⎣ n = 0 ⎝ 2 ⎠ ⎥⎦
=
1 ⎡ ∞ ⎛ 1 ⎞n n ⎤ 2⎢ ⎜ ⎟ ρ ⎥ − 1 ⎣⎢ n = 0 ⎝ 2 ⎠ ⎦⎥
∑
∑
=
1 ⎡ ∞ ⎛ 1 ⎞n ⎤ 2⎢ ⎜ ρ ⎟ ⎥ − 1 ⎢⎣ n = 0 ⎝ 2 ⎠ ⎥⎦
∑
⎡∞ ⎤ 1 di mana ⎢ k n ⎥ = maka: ⎢⎣ n = 0 ⎥⎦ 1 − k
∑
1 ⎛ ⎞ ⎜ 1 ⎟ ⎟ −1 2⎜ ⎜ 1− ρ ⎟ ⎜ ⎟ 2⎠ ⎝ 1 sehingga nilai p0 = ⎛ 4 ⎞ ⎜⎜ ⎟⎟ − 1 ⎝2−ρ ⎠
=
2−ρ p0 = 2+ρ
29
Lampiran 7 Lanjutan penurunan formulasi M/M/2 berdasar model Markov. pn didapatkan dengan menurunkan persamaan local balance yaitu:
λp0 = µp1 → p1 =
λ p0 µ
λp1 = 2µp2 → p2 =
λ p1 → 2µ
λp2 = 2µp3 → p3 =
λ ⎛1⎞ p2 → ⎜ ⎟ 2µ ⎝2⎠
2
1⎛λ ⎞ ⎜ ⎟ p0 2 ⎜⎝ µ ⎟⎠ 2
3
⎛λ⎞ ⎜⎜ ⎟⎟ p0 ⎝µ⎠
λ ⎛1⎞ λpn −1 = 2µpn → pn = pn +1 → ⎜ ⎟ 2µ ⎝2⎠
n
n −1
⎛λ ⎞ ⎛1⎞ pn = ⎜⎜ ⎟⎟ ⎜ ⎟ ⎝ µ ⎠ ⎝2⎠
n
⎛λ⎞ ⎜⎜ ⎟⎟ p0 ⎝µ⎠
n −1
p0 dengan
λ = ρ , maka: µ
n
⎛1⎞ pn = ρ n 2⎜ ⎟ p0 ⎝2⎠ 2− ρ , maka utilisasi CPU adalah sebagai berikut: 2+ ρ p0 (2 + ρ ) = 2 − ρ
Berdasar persamaan global balance, p0 =
2 p0 + p0 ρ = 2 − ρ p0 ρ + ρ = 2 − 2 p0
ρ ( p0 + 1) = 2 − 2 p0 ρ=
2 − 2 p0 2(1 − p0 ) = 1 + p0 1 + p0
Dengan menurunkan persamaan pn maka utilisasi CPU pada saat n > 0 dapat didapatkan dengan mengunakan persamaan: p −1 ρ= n pn + 1
30
Lampiran 8 Tabel nilai utilisasi CPU web server IPB setiap hari selama 16 hari dihitung menggunakan formulasi M/M/2. arival_rate service_rate Utilisasi No Tgl n Pn Utilisasi (proses/ms) (proses/ms) (%) 1 25/4/07 0 4.3 65.290 0.936 0.0658 6.586 2 27/4/07 0 5.4 312.5028 0.983 0.0173 1.728 3 28/4/07 0 5.4 490.2686 0.989 0.0110 1.1018 4 29/4/07 0 5.4 652.2828 0.992 0.00827 0.828 5 30/4/07 0 5.3 796.4765 0.993 0.00665 0.666 6 1/5/07 0 6.0 613.3202 0.990 0.00978 0.979 7 2/5/07 0 6.0 60.1505 0.905 0.09974 9.975 8 3/5/07 0 6.8 222.9862 0.9699 0.03049 3.049 9 4/5/07 0 6.9 221.2986 0.9692 0.03117 3.118 10 7/5/07 0 5.9 750.8630 0.992 0.00785 0.786 11 8/5/07 0 5.9 992.1476 0.994 0.00594 0.595 12 9/5/07 0 4.5 1610.5076 0.997 0.00279 0.279 13 10/5/07 0 5.6 113.6586 0.952 0.04927 4.927 14 12/5/07 0 5.4 793.0538 0.993 0.00680 0.680 15 15/5/07 0 4.5 1478.6192 0.9969 0.00304 0.304 16 16/5/07 0 4.4 1835.5915 0.9976 0.00239 0.239 Lampiran 9 Tabel nilai utilisasi CPU web server IPB terbesar menggunakan formulasi M/M/2. arival_rate service_rate Utilisasi Utilisasi n Pn (Proses/ms) (Proses/ms) CPU CPU (%) 0 7.2 37.466 0.824 0.19217 19.21737 1 7.2 37.466 0.158 0.7264 72.63994 2 7.2 37.466 0.0152 0.97 97.0001 3 7.2 37.466 0.00146 0.99708 99.70779 4 7.2 37.466 0.00014 0.99972 99.97189 5 7.2 37.466 1.35093E-05 0.99997 99.9973 6 7.2 37.466 1.29806E-06 1 99.99974 7 7.2 37.466 1.24727E-07 1 99.99998 8 7.2 37.466 1.19846E-08 1 100 9 7.2 37.466 1.15156E-09 1 100 10 7.2 37.466 1.1065E-10 1 100 11 7.2 37.466 1.0632E-11 1 100 12 7.2 37.466 1.0216E-12 1 100
31
Lampiran 10 Grafik hasil pengukuran peluang idle dan utilisasi CPU terbesar pada web server IPB. Utilisasi CPU web server terbesar 120
Utilisasi CPU
100 80 60 40 20 0 0
1
2
3
4
5
6
7
8
9
10
11
12
8
9
10
11
12
n
Peluang idle CPU web server 0.9 0.8 0.7
Pn
0.6 0.5 0.4
.
0.3 0.2 0.1 0 0
1
2
3
4
5
6 n
7
32
Lampiran 11 Tabel nilai utilisasi CPU web server IPB terkecil menggunakan formulasi M/M/2. arival_rate service_rate Utilisasi CPU n Pn Utilisasi CPU (proses/ms) (proses/ms) (%) 0 44 11354.66 0.996132433 0.003875061 0.387 1 44 11354.66 0.003860074 0.992309538 99.23 2 44 11354.66 7.47901E-06 0.999985042 99.99 3 44 11354.66 1.44908E-08 0.999999971 99.9999 4 44 11354.66 2.80764E-11 1 99.9999 5 44 11354.66 5.43989E-14 1 100 6 44 11354.66 1.05399E-16 1 100 7 44 11354.66 2.04215E-19 1 100 8 44 11354.66 3.95672E-22 1 100 9 44 11354.66 7.66627E-25 1 100 10 44 11354.66 1.48536E-27 1 100 11 44 11354.66 2.87794E-30 1 100 12 44 11354.66 5.57609E-33 1 100
33
Lampiran 12 Grafik hasil pengukuran peluang idle dan utilisasi CPU terkecil pada web server IPB. Peluang idle terbesar CPU web server 1.2 1 0.8
Pn
0.6 0.4
.
0.2 0 1
2
3
4
5
6
7
8
9
10
11
12
13
-0.2 n
Utilisasi CPU web server Terkecil 120
Utilisasi CPU
100 80 60 40 20 0 1
2
3
4
5
6
7 n
8
9
10
11
12
13
34
Lampiran 13 Contoh grafik hasil validasi utilisasi CPU web server IPB pada 5 menit ke-2 hingga 5 menit ke-3.
35
Lampiran 14 Contoh grafik hasil validasi penggunaan memori web server IPB pada 5 menit ke-2 dan 5 menit ke-3.
36
Lampiran 15 Tabel hasil validasi pengukuran CPU web server IPB tanggal 3 Juli 2007 pada jam sibuk IPB pukul 13.00 hingga 14.00. Urutan validasi Rata-rata (%) Terbesar (%) Terkecil (%) validasi 1 3.504 28.125 0 validasi 2 4.545 25.781 0 validasi 3 1.026 6.25 0 validasi 4 1.215 7.031 0 validasi 5 2.644 35.156 0 validasi 6 3.378 29.688 0 validasi 7 2.454 26.563 0 validasi 8 6.006 53.906 0 validasi 9 4.009 35.938 0 validasi 10 2.289 41.406 0 validasi 11 4.774 35.938 0 validasi 12 3.52 46.094 0 rata-rata validasi 3.280 30.989 0 hasil pengukuran 0.8 9.97 0.24 VALID (%) 97.5 76.65 99.76
Lampiran 16 Tabel hasil validasi pengukuran memori web server IPB tanggal 6 Juli 2007 pada jam sibuk IPB pukul 13.00 hingga 14.00. Urutan validasi Rata-rata (%) Terbesar (%) Terkecil (%) validasi 1 45.885 46.307 45.837 validasi 2 44.554 44.889 44.504 validasi 3 44.664 45.373 44.524 validasi 4 44.652 45.344 44.433 validasi 5 44.853 44.912 44.829 validasi 6 45.415 45.851 45.345 validasi 7 45.316 45.591 45.288 validasi 8 45.576 46.086 45.258 validasi 9 44.734 45.161 44.693 validasi 10 44.716 45.044 44.691 validasi 11 44.698 44.727 44.685 validasi 12 44.512 45.107 44.483 rata-rata validasi 44.965 45.366 44.880 hasil pengukuran 36.45 47.27 25.87 VALID (%) 76.640 95.972 26.51
37
Lampiran 17 Tabel utilisasi CPU untuk setiap proses yang didefinisikan oleh sistem operasi. Total Tanggal cpu user system irq softirq iowait Squid(%) Use 4Juni 38.67% 19.92% 1.53% 4.52% 18.47% 83.10% 29.70% 5Juni 50.97% 18.73% 1.23% 5.10% 20.05% 96.08% 33.12% 8Juni 28.90% 7.62% 0.85% 2.40% 8.45% 48.22% 20.87% 12Juni 51.13% 14.43% 0.87% 3.65% 9.25% 79.33% 21.60% 14Juni 26.07% 3.93% 0.12% 1.00% 2.85% 33.97% 1.10% 18Juni 9.05% 5.77% 0.40% 2.17% 7.43% 24.82% 13.23% 19Juni 21.28% 5.00% 0.52% 1.70% 3.95% 32.45% 12.78% 20Juni 31.20% 16.85% 1.18% 1.38% 2.27% 52.88% 9.98% 22Juni 20.28% 7.30% 0.30% 1.47% 3.00% 32.35% 9.45% 23Juni 24.52% 12.53% 0.33% 1.65% 4.12% 43.15% 23.45% rata-rata 30.21% 11.21% 0.73% 2.50% 7.98% 52.64% 17.528 Lampiran 18 Hasil pengukuran service time selama satu jam/hari untuk request pengguna pada proxy server IPB. ⎛1⎞ Service Rate Service time ⎜⎜ ⎟⎟ Tanggal ⎝µ⎠ ( µ ) (Request/detik)
12Juni 13Juni 14Juni 18Juni 19Juni 20Juni 26Juni 27Juni Average
(second) 0.000911 0.00598 0 0.0207 0.00102 0.0175 0.0245 0.00964 0.00802
1097.695 167.160 0 48.321 983.284 57.303 40.803 103.772 124.688
Lampiran 19 Tabel hasil pengukuran peluang idle dan rata-rata utilisasi CPU terbesar untuk request pengguna proxy server IPB. n
0 1 2 3 4 5 6 7 8 9 10 11 12
arrival rate (request/second) 7.37 7.37 7.37 7.37 7.37 7.37 7.37 7.37 7.37 7.37 7.37 7.37 7.37
service_rate (request/second) 40.803 40.803 40.803 40.803 40.803 40.803 40.803 40.803 40.803 40.803 40.803 40.803 40.803
Pn
Utilisasi CPU
0.819 0.148 0.026 0.0048 0.00087 0.0001579 2.85361E-05 5.1569E-06 9.31927E-07 1.68413E-07 3.04347E-08 5.49999E-09 9.93929E-10
0.181 0.852 0.973 0.995 0.999 0.9998 0.9999 0.99999 0.999999 0.999999 0.9999999 0.99999999 0.99999999
Utilisasi CPU (%) 18.071 85.194 97.324 99.516 99.912 99.984 99.997 99.999 99.999 99.999 99.999 99.999 99.999
38
Lampiran 20 Grafik hasil pengukuran peluang idle dan rata-rata utilisasi CPU terbesar untuk request pengguna proxy server IPB.
Pn
Peluang idle CPU pada request pengguna terbesar 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 1
2
3
4
5
6
7
8
9
10
11
12
13
11
12
13
n
Utilisasi CPU untuk request pengguna terbesar 1.2 utilisasi CPU (%)
1 0.8 0.6 0.4 0.2 0 1
2
3
4
5
6
7 n
8
9
10
39
Lampiran 21 Tabel hasil pengukuran peluang idle dan rata-rata utilisasi CPU untuk hit request pengguna proxy server IPB. hit_rate service_rate Utilisasi Utilisasi n Pn (request/second) (request/second) CPU CPU (%) 0 2.15 124.688 0.982757 0.01724 1.7243 1 2.15 124.688 0.016945679 0.98305 98.3054321 2 2.15 124.688 0.000292194 0.99971 99.97078057 3 2.15 124.688 5.03831E-06 0.99999 99.99949617 4 2.15 124.688 8.68755E-08 1 99.99999131 5 2.15 124.688 1.49799E-09 1 99.99999985 6 2.15 124.688 2.58299E-11 1 100 7 2.15 124.688 4.45385E-13 1 100 8 2.15 124.688 7.67978E-15 1 100 9 2.15 124.688 1.32422E-16 1 100 10 2.15 124.688 2.28336E-18 1 100 11 2.15 124.688 3.9372E-20 1 100 12 2.15 124.688 6.78891E-22 1 100
40
Lampiran 22 Grafik hasil pengukuran peluang idle dan rata-rata utilisasi CPU untuk hit request pengguna proxy server IPB. Peluang idle rata-rata CPU pada hit request 1.2 1
Pn
0.8 0.6 0.4 0.2 0 -0.2 1
2
3
4
5
6
7
8
9
10
11
12
13
n
Utilisasi CPU rata-rata untuk hit request 120 utilisasi CPU (%)
100 80 60 40 20 0 1
2
3
4
5
6 n
7
8
9
10
11
41
Lampiran 23 Tabel hasil pengukuran peluang idle dan utilisasi CPU terbesar untuk hit request pengguna proxy server IPB. hit_rate service_rate Utilisasi Utilisasi n Pn (request/second) (request/second) CPU CPU (%) 0 2.15 40.803 0.9473 0.05269 5.269 1 2.15 40.803 0.0499 0.95008 95.008 2 2.15 40.803 0.00263 0.997 99.736 3 2.15 40.803 0.000138 0.9998 99.986 4 2.15 40.803 7.30258E-06 0.999 99.999 5 2.15 40.803 3.84789E-07 0.999 99.9999 6 2.15 40.803 2.02754E-08 0.999 99.99999 7 2.15 40.803 1.06835E-09 0.999 99.99999 8 2.15 40.803 5.6294E-11 1 99.99999 9 2.15 40.803 2.96625E-12 1 100 10 2.15 40.803 1.56298E-13 1 100 11 2.15 40.803 8.2357E-15 1 100 12 2.15 40.803 4.33957E-16 1 100
42
Lampiran 24 Grafik hasil pengukuran peluang idle dan utilisasi CPU terbesar untuk hit request pengguna proxy server IPB. Peluang Idle CPU pada hit request terbesar 1 0.8
Pn
0.6 0.4 0.2 0 -0.2 0
1
2
3
4
5
6
7
8
9
10
11
12
9
10
11
12
n
Utilisasi CPU untuk hit request terbesar 120 utilisasi CPU (%)
100 80 60 40 20 0 0
1
2
3
4
5
6 n
7
8
