Teks tersebut membahas tentang sistem komputasi terdistribusi, teori CAP, dan framework penemuan layanan. Secara singkat, sistem komputasi terdistribusi terdiri dari beberapa komputer yang berkomunikasi untuk menyelesaikan tugas bersama, teori CAP membahas trade-off antara konsistensi dan ketersediaan data dalam sistem terdistribusi, sedangkan framework penemuan layanan digunakan untuk menemukan lokasi layanan dalam lingkungan cloud. "
1. Tugas 5
Nama : Imelda Felicia
Nim : 1412510545
Mata kuliah : Rekayasa Web
Dosen : Andry sunandar, s.t. m.kom
2. 1. Apa yang anda ketahui tentang Distributed
Computing System.
3. Distributed Computing System
MERUPAKAN BIDANG ILMU KOMPUTER YANG MEMPELAJARI SISTEM
TERDISTRIBUSI.SEBUAH SISTEM TERDISTRIBUSI TERDIRI DARI BEBERAPA
KOMPUTER OTONOM YANG BERKOMUNIKASI MELALUI JARINGAN
KOMPUTER. KOMPUTER YANG SALING BERINTERAKSI UNTUK MENCAPAI
TUJUAN BERSAMA. SUATU PROGRAM KOMPUTER YANG BERJALAN DALAM
SISTEM TERDISTRIBUSI DISEBUT PROGRAM DIDISTRIBUSIKAN, DAN
DIDISTRIBUSIKAN PEMROGRAMAN ADALAH PROSES MENULIS PROGRAM
TERSEBUT. DISTRIBUTED COMPUTING JUGA MENGACU PADA PENGGUNAAN
SISTEM TERDISTRIBUSI UNTUK MEMECAHKAN MASALAH KOMPUTASI. DALAM
DISTRIBUTED COMPUTING, MASALAH DIBAGI MENJADI BANYAK TUGAS,
MASING-MASING YANG DISELESAIKAN OLEH SATU KOMPUTER
4. Sejarah Distributed Computing System
SEJARAH MENCATAT KONFERENSI INTERNASIONAL TENTANG PARCO97 KOMPUTASI PARALEL
(PARALLEL COMPUTING 97) DIADAKAN DI BONN, JERMAN 19-22 SEPTEMBER 1997. KONFERENSI
PERTAMA DALAM SERI INI DUA TAHUNAN DIADAKAN PADA TAHUN 1983 DI BERLIN. SELANJUTNYA
KONFERENSI DIADAKAN DI LEIDEN (BELANDA), LONDON (INGGRIS), GRENOBLE (PRANCIS) DAN GENT
(BELGIA). SEJAK AWAL TUJUAN DENGAN (KOMPUTASI PARALEL) KONFERENSI PARCO ADALAH UNTUK
MEMPROMOSIKAN PENERAPAN KOMPUTER PARALEL UNTUK MEMECAHKAN MASALAH KEHIDUPAN
NYATA. DALAM KASUS PARCO97 TONGGAK BARU DICAPAI DALAM BAHWA LEBIH DARI SETENGAH DARI
MAKALAH DAN POSTER YANG DISAJIKAN PRIHATIN DENGAN ASPEK APLIKASI. FAKTA INI
MENCERMINKAN KEDATANGAN USIA KOMPUTASI PARALEL.
SEKITAR 200 MAKALAH YANG DISAMPAIKAN KEPADA KOMITE PROGRAM OLEH PENULIS DARI SELURUH
DUNIA. PROGRAM AKHIR TERDIRI DARI EMPAT MAKALAH DIUNDANG, 71 KONTRIBUSI ILMIAH /
INDUSTRI KERTAS DAN 45 POSTER. SELAIN DISKUSI PANEL TENTANG KOMPUTASI PARALEL DAN
EVOLUSI CYBERSPACE DIADAKAN. PENEKANAN PRAKTIS KONFERENSI INI DITEKANKAN OLEH PAMERAN
INDUSTRI DI MANA PERUSAHAAN MENUNJUKKAN PERKEMBANGAN TERBARU DALAM PERALATAN
PEMROSESAN PARALEL DAN PERANGKAT LUNAK. PEMBICARA DARI PERUSAHAAN YANG
BERPARTISIPASI MEMPRESENTASIKAN MAKALAH DALAM SESI INDUSTRI DI MANA PERKEMBANGAN
BARU DALAM KOMPUTASI PARALEL DILAPORKAN.
KOMPUTER PARALEL SECARA KASAR DAPAT DIKLASIFIKASIKAN MENURUT TINGKAT DI MANA
HARDWARE MENDUKUNG PARALELISME, DENGAN KOMPUTER MULTI-CORE DAN MULTI-PROSESOR
YANG MEMILIKI ELEMEN PEMROSESAN GANDA DALAM SATU MESIN, SEDANGKAN CLUSTER, MPP, DAN
GRID MENGGUNAKAN BEBERAPA KOMPUTER UNTUK BEKERJA PADA HAL YANG SAMA TUGAS. KHUSUS
ARSITEKTUR KOMPUTER PARALEL KADANG-KADANG DIGUNAKAN BERSAMA PROSESOR TRADISIONAL,
UNTUK MEMPERCEPAT TUGAS-TUGAS TERTENTU.
5. SUMBER DAYA KOMPUTER (COMPUTER RESOURCE) DAPAT TERDIRI DARI SEBUAH KOMPUTER DENGAN
BEBERAPA PROCESSOR, ATAU BEBERAPA KOMPUTER YANG TERHUBUNG OLEH SEBUAH JARINGAN,
ATAU PUN KOMBINASI ANTARA KEDUANYA. PROCESSOR MENGAKSES DATA MELALUI SHARED
MEMORY. BEBERAPA SUPERCOMPUTER PARALLEL PROCESSING SYSTEM MEMILIKI RATUSAN BAHKAN
RIBUAN MICROPROCESSOR. DENGAN BANTUAN DARI PARALLEL PROCESSING, SEJUMLAH KOMPUTASI
DAPAT DIJALANKAN DALAM SATU WAKTU, MEMANGKAS WAKTU YANG DIBUTUHKAN UNTUK
MENYELESAIKAN SEBUAH PROJECT. PARALLEL PROCESSING SANGAT BERGUNA UNTUK PROJECT YANG
MEMBUTUHKAN KOMPUTASI KOMPLEK, SEPERTI WEATHER MODELLING DAN EFEK DIGITAL SPESIAL
(SPECIAL EFFECT DIGITAL). DENGAN BANTUAN DARI PARALLEL PROCESSING, MASALAH YANG SANGAT
KOMPLEKS DAPAT TERSELESAIKAN DENGAN EFEKTIF DAN LEBIH EFISIEN. PARALLEL COMPUTING DAPAT
SECARA EFEKTIF DIGUNAKAN UNTUK TUGAS-TUGAS (TASK) YANG MELIBATKAN BEGITU BANYAK
KOMPUTASI, UNTUK DAPAT DIBAGI MENJADI TASK-TASK YANG LEBIH KECIL.
CONTOH SISTEM YANG DITERAPKAN PADA OBYEK 3D YANG BESAR DAN RINCI, INTERPRETASI
GEOMETRIK YANG MELEKAT SERI MEMBATASI KECEPATAN GENERASI GAMBAR. UNTUK MEMPERCEPAT
PROSEDUR MENAFSIRKAN, SEBUAH GRAPHIC PROCESSING UNIT (GPU) METODE BERBASIS
MEMANFAATKAN COMPUTE ARSITEKTUR UNIFIED DEVICE (CUDA) YANG DIUSULKAN DALAM TULISAN
INI. PENDEKATAN TERFOKUS MELIBATKAN DUA TAHAP: PERTAMA ADALAH SCAN SEKUENSIAL PADA
STRING YANG DIHASILKAN NEGARA DARI DERIVASI DARI L-SISTEM YANG BERJALAN PADA CPU, YANG
KEDUA ADALAH KOMPUTASI PARALEL PADA GPU DENGAN CUDA. SIMBOL DALAM STRING NEGARA
DIINTERPRETASIKAN SEBAGAI PERINTAH PENYU DAN KURA-KURA PRIMITIF GRAFIS YANG MENYATAKAN
TERGANTUNG PADA OPERASI PERKALIAN MATRIKS DI SCAN SEKUENSIAL. KEMUDIAN DENGAN POSISI
DAN ARAH TERCAKUP DALAM PENYU NEGARA, GARIS (SILINDER) YANG DIHASILKAN DAN PRIMITIF
GRAFIK DIUBAH MENJADI SISTEM KOORDINAT PENYU MENGGUNAKAN RIBUAN BENANG PARALEL
DALAM FASE KOMPUTASI. DIBANDINGKAN DENGAN METODE LAIN, METODE YANG DIUSULKAN LEBIH
EFISIEN.
6. 2. APA YANG ANDA KETAHUI TENTANG TEORI CAP (CONSISTENCY
AVAILABILITY AND PARTITION TOLERANCE) DAN SEBERAPA PENTING
HAL TERSEBUT TERHADAP WEB APPLICATION YANG AKAN KITA BUAT?
7. Teori CAP
(Consistency Availability and Partition tolerance)
TIDAK ADA SISTEM TERDISTRIBUSI AMAN DARI KEGAGALAN JARINGAN, SEHINGGA PARTISI JARINGAN
UMUMNYA HARUS DITOLERANSI. DI HADAPAN PARTISI, SATU KEMUDIAN DITINGGALKAN DENGAN DUA
PILIHAN: KONSISTENSI ATAU KETERSEDIAAN. KETIKA MEMILIH KONSISTENSI LEBIH KETERSEDIAAN, SISTEM
AKAN KEMBALI KESALAHAN ATAU WAKTU KELUAR JIKA INFORMASI TERTENTU TIDAK DAPAT DIJAMIN AKAN UP
TO DATE KARENA PARTISI JARINGAN. KETIKA MEMILIH KETERSEDIAAN LEBIH KONSISTENSI, SISTEM AKAN
SELALU MEMPROSES QUERY DAN MENCOBA UNTUK KEMBALI VERSI TERBARU YANG TERSEDIA DARI
INFORMASI, BAHKAN JIKA TIDAK DAPAT MENJAMIN ITU UP TO DATE KARENA PARTISI JARINGAN.
DENGAN TIDAK ADANYA KEGAGALAN JARINGAN - YAITU, KETIKA SISTEM TERDISTRIBUSI BERJALAN NORMAL -
BAIK KETERSEDIAAN DAN KONSISTENSI DAPAT DIPENUHI.
CAP SERING DISALAHPAHAMI SEBAGAI JIKA SALAH SATU HARUS MEMILIH UNTUK MENINGGALKAN SALAH
SATU DARI TIGA JAMINAN SETIAP SAAT. BAHKAN, PILIHAN INI BENAR-BENAR ANTARA KONSISTENSI DAN
KETERSEDIAAN KETIKA PARTISI HANYA TERJADI, TIDAK ADA TRADE-OFF HARUS DIBUAT.
SISTEM DATABASE YANG DIRANCANG DENGAN JAMINAN ACID TRADISIONAL DALAM PIKIRAN SEPERTI RDBMS
MEMILIH KONSISTENSI LEBIH, SEDANGKAN SISTEM YANG DIRANCANG DI SEKITAR FILOSOFI BASE, UMUM
DALAM GERAKAN NOSQL MISALNYA, MEMILIH KETERSEDIAAN LEBIH KONSISTENSI.
THE PACELC TEOREMA DIBANGUN DI ATAS CAP DENGAN MENYATAKAN BAHWA BAHKAN DALAM KETIADAAN
PARTISI, TRADE-OFF ANTARA LATENCY DAN KONSISTENSI TERJADI.
8. Menurut Eric Brewer
TEORI TERSEBUT BERSANGKUTAN DENGAN NOSQL,KARENA NOSQL
DIDASARKAN OLEH CONSISTENCY, AVAILABILITY,
PARTITION-TOLERANCE (CAP). CONSISTENCY AVAILABILITY (CA)
BERSEBERANGAN DENGAN
PARTITION-TOLERANCE DAN BERHUBUNGAN DENGAN REPLIKASI.
CONSISTENCY PARTITION-
TOLERANCE (CP) BERSEBERANGAN DENGAN AVAILABILITY DALAM
PENYIMPANAN DATA.
AVAILABILITY PARTITION-TOLERANCE (AP) DIMANA SYSTEM MENCAPAI
KONDISI EVENTUAL
CONSISTENCY MELALUI REPLIKASI DAN VERIFIKASI YANG KONSISTEN DALAM
NODE YANG TELAH
TERBAGI – BAGI. DALAM BASIS DATA NOSQL, PENERAPAN KONSEP TERSEBUT
DITERJEMAHKAN
DALAM EMPAT KONSEP DASAR, YAITU NON-RELATIONAL, MAPREDUCE,
SCHEMA FREE, DAN
HORIZONTAL SCALING.
9. A) NON-RELATIONAL
KONSEP NON-RELATIONAL DALAM BASIS DATA NOSQL MELIPUTI HIRARKI, GRAF, DAN BASIS DATA
BERORIENTASI OBYEK. PENGGUNAAN BASIS DATA NON-RELASIONAL KEMBALI MEREBAK SEIRING
BERTAMBAHNYA APLIKASI BERBASIS WEB YANG MENUNTUT SKALABILITAS TINGGI.
B) MAPREDUCE
MAPREDUCE MERUPAKAN MODE PEMROGRAMAN YANG DIADAPTASI DARI PEMROGRAMAN FUNGSIONAL
YANG DIIMPLEMENTASIKAN MENGOLAH DATASET YANG BESAR. TUJUAN DARI MAPREDUCE ADALAH
MERANCANG SUATU ABSTRAKSI BARU YANG MEMUNGKINKAN
PENGGUNA UNTUK MEMBUAT ANTARMUKA PEMROGRAMAN SEDERHANA DAN MENYEMBUNYIKAN DETAIL
YANG RUMIT DARI PARALELISASI, FAULT-TOLERANCE, DISTRIBUSI DATA, DAN LOAD-BALANCING DALAM
PUSTAKA PEMROGRAMANNYA.
C) SCHEMA-FREE
NOSQL DAN RDBMS MEMPUNYAI PERBEDAAN DALAM HAL PENERAPAN SKEMA BASIS DATA. DALAM
SEBUAH TABLE DIDESAIN DENGAN PERATURAN SKEMA YANG KETAT, SEDANGKAN PADA NOSQL TIDAK
DIHARUSKAN MEMILIKI TABLE, KOLOM, PRIMARY KEY,
FOREIGN KEY, JOIN, DAN RELASI. DALAM PENGEMBANGAN RDBMS, DEVELOPER/DATABASE ADMINISTRATOR
HARUS BERHATI – HATI DALAM MENENTUKAN BAGAIMANA TABLE SALING BERELASI DAN FIELD YANG ADA
DALAM SETIAP TABEL. MANFAAT LAIN DALAM PENGGUNAAN SCHEMA-FREE ADALAH PENGHEMATAN
MEDIA PENYIMPANAN. MODEL DATA SCHEMA FREE ARTINYA SETIAP BARIS MEMUNGKINKAN MEMILIKI NILAI
SEBANYAK YANG TELAH DIDEFINISIKAN DALAM TIAP FIELDS, DAN TIDAK PERLU
10. MENGGUNAKAN NILAI YANG MEMANG TIDAK DIPERLUKAN. KELEMAHAN DALAM SCHEMAFREE ADALAH
MEMUNCULKAN LEMAHNYA PENDEFINISIAN STRUKTUR YANG MEMUNGKINKAN TERJADINYA PENGGUNAAN
BASIS DATA YANG TIDAK KONSISTEN.
D) HORIZONTAL SCALING
HORIZONTAL SCALING MEMUNGKINKAN BASIS DATA DIJALANKAN PADA BEBERAPA SERVER UNTUK
MENINGKATKAN KEMAMPUAN PERANGKAT PENYIMPANAN DAN MENINGKATKAN EFISIENSI WAKTU. HAL INI
BERARTI MEMUNGKINKAN DILAKUKANNYA PENAMBAHAN SERVER DALAM SATU JARINGAN DAN USER TIDAK
SADAR JIKA TERDAPAT HARDWARE YANG DIGANTI DARI SISI SERVER.
11. 3. JELASKAN MENGENAI SERVICE DISCOVERY
FRAMEWORK, DAN BERIKAN PEMBAHASAN
SINGKAT MENGENAI CONTOH DISCOVERY
FRAMEWORK SEPERTI EUREKA DAN ZOOKEEPER
!
12. Mengapa Gunakan Service Discovery?
MARI KITA BAYANGKAN BAHWA ANDA MENULIS BEBERAPA KODE YANG
MEMANGGIL LAYANAN YANG MEMILIKI API SISA ATAU THRIFT API. DALAM
RANGKA UNTUK MEMBUAT PERMINTAAN, KODE ANDA PERLU MENGETAHUI
LOKASI JARINGAN (ALAMAT IP DAN PORT) DARI CONTOH LAYANAN. DALAM
APLIKASI TRADISIONAL YANG BERJALAN PADA PERANGKAT KERAS FISIK,
LOKASI JARINGAN CONTOH LAYANAN RELATIF STATIS. SEBAGAI CONTOH,
KODE ANDA DAPAT MEMBACA LOKASI JARINGAN DARI FILE KONFIGURASI
YANG KADANG-KADANG DIPERBARUI.
DALAM, BERBASIS CLOUD APLIKASI MICROSERVICES MODERN,
BAGAIMANAPUN, INI ADALAH MASALAH YANG JAUH LEBIH SULIT UNTUK
MEMECAHKAN SEPERTI YANG DITUNJUKKAN DALAM DIAGRAM BERIKUT.
13. contoh layanan telah ditetapkan secara dinamis lokasi jaringan. Selain itu, set contoh layanan perubahan
dinamis karena autoscaling, kegagalan, dan upgrade. Akibatnya, kode klien Anda perlu menggunakan
mekanisme penemuan layanan yang lebih rumit.
Ada dua pola penemuan layanan utama: client-side penemuan dan penemuan server-side. Mari kita pertama
melihat penemuan client-side.
14. The Client-Side Discovery Pattern
BILA MENGGUNAKAN PENEMUAN SISI KLIEN, KLIEN BERTANGGUNG JAWAB
UNTUK MENENTUKAN LOKASI JARINGAN CONTOH LAYANAN YANG TERSEDIA
DAN PERMINTAAN LOAD BALANCING DI ANTARA MEREKA. KLIEN QUERY
REGISTRI LAYANAN, YANG MERUPAKAN DATABASE CONTOH LAYANAN YANG
TERSEDIA. KLIEN KEMUDIAN MENGGUNAKAN ALGORITMA LOAD-BALANCING
UNTUK MEMILIH SALAH SATU CONTOH LAYANAN YANG TERSEDIA DAN
MEMBUAT PERMINTAAN.
DIAGRAM BERIKUT MENUNJUKKAN STRUKTUR DARI POLA INI.
15.
16. LOKASI JARINGAN CONTOH LAYANAN TERDAFTAR DENGAN REGISTRI LAYANAN
KETIKA ITU DIMULAI. HAL INI DIHAPUS DARI REGISTRI LAYANAN KETIKA MISALNYA
BERAKHIR. PENDAFTARAN LAYANAN CONTOH INI BIASANYA DI-REFRESH SECARA
BERKALA MENGGUNAKAN MEKANISME DETAK JANTUNG.
NETFLIX OSS MEMBERIKAN CONTOH YANG BAGUS DARI POLA PENEMUAN SISI
KLIEN. NETFLIX EUREKA ADALAH REGISTRI LAYANAN. INI MENYEDIAKAN API REST
UNTUK MENGELOLA PENDAFTARAN LAYANAN-CONTOH DAN UNTUK QUERY CONTOH
YANG TERSEDIA. NETFLIX RIBBON ADALAH KLIEN IPC YANG BEKERJA DENGAN EUREKA
UNTUK MEMUAT PERMINTAAN KESEIMBANGAN DI CONTOH LAYANAN YANG
TERSEDIA. KITA AKAN MEMBAHAS EUREKA SECARA LEBIH MENDALAM NANTI DALAM
ARTIKEL INI.
POLA PENEMUAN SISI KLIEN MEMILIKI BERBAGAI KELEBIHAN DAN
KEKURANGANNYA. POLA INI RELATIF MUDAH DAN, KECUALI UNTUK REGISTRI
LAYANAN, TIDAK ADA BAGIAN YANG BERGERAK LAINNYA. JUGA, KARENA KLIEN TAHU
TENTANG CONTOH LAYANAN YANG TERSEDIA, DAPAT MEMBUAT CERDAS,
KEPUTUSAN LOAD-BALANCING APLIKASI KHUSUS SEPERTI MENGGUNAKAN HASHING
KONSISTEN. SALAH SATU KELEMAHAN SIGNIFIKAN DARI POLA INI ADALAH BAHWA
HAL ITU PASANGAN KLIEN DENGAN REGISTRI LAYANAN. ANDA HARUS MENERAPKAN
SISI KLIEN PENEMUAN LAYANAN LOGIKA UNTUK SETIAP BAHASA PEMROGRAMAN
DAN KERANGKA KERJA YANG DIGUNAKAN OLEH KLIEN LAYANAN ANDA.
SEKARANG KITA TELAH MELIHAT PENEMUAN CLIENT-SIDE, MARI KITA LIHAT
PENEMUAN SERVER-SIDE.
17. Server-Side Penemuan Pola
Klien membuat permintaan ke layanan melalui penyeimbang beban. Penyeimbang beban query registri
dan rute setiap permintaan ke sebuah contoh layanan yang tersedia. Seperti penemuan sisi klien, contoh jasa
didaftarkan dan dideregestrasi dengan registri layanan.
Pendekatan lain untuk penemuan layanan adalah pola penemuan server-side. Diagram berikut menunjukkan
struktur dari pola ini.
Server-Side Penemuan Pola
18. Ringkasan
DALAM APLIKASI MICROSERVICES, SET MENJALANKAN CONTOH LAYANAN BERUBAH SECARA
DINAMIS. CONTOH TELAH DITETAPKAN SECARA DINAMIS LOKASI JARINGAN. AKIBATNYA, DALAM
RANGKA UNTUK KLIEN UNTUK MEMBUAT PERMINTAAN UNTUK LAYANAN ITU HARUS MENGGUNAKAN
MEKANISME PELAYANAN-PENEMUAN.
BAGIAN PENTING DARI PENEMUAN LAYANAN REGISTRI LAYANAN. REGISTRI LAYANAN ADALAH
DATABASE CONTOH LAYANAN YANG TERSEDIA. REGISTRI LAYANAN MENYEDIAKAN API MANAJEMEN
DAN API QUERY. CONTOH LAYANAN TERDAFTAR DENGAN DAN DEREGISTRASI DARI REGISTRI LAYANAN
MENGGUNAKAN API MANAJEMEN. PERMINTAAN API DIGUNAKAN OLEH KOMPONEN SISTEM UNTUK
MENEMUKAN CONTOH LAYANAN YANG TERSEDIA.
ADA DUA POLA LAYANAN-PENEMUAN UTAMA: CLIENT-SIDE PENEMUAN DAN PENEMUAN
LAYANAN-SIDE. DALAM SISTEM YANG MENGGUNAKAN LAYANAN PENEMUAN SISI KLIEN, KLIEN QUERY
REGISTRI LAYANAN, PILIH SEBUAH CONTOH YANG TERSEDIA, DAN MEMBUAT PERMINTAAN. DALAM
SISTEM YANG MENGGUNAKAN PENEMUAN SERVER-SIDE, KLIEN MEMBUAT PERMINTAAN MELALUI
ROUTER, YANG QUERY REGISTRI LAYANAN DAN MENERUSKAN PERMINTAAN KE SEBUAH CONTOH
YANG TERSEDIA.
ADA DUA CARA UTAMA YANG CONTOH LAYANAN TERDAFTAR DENGAN DAN DEREGISTRASI DARI
REGISTRI LAYANAN. SALAH SATU PILIHAN ADALAH UNTUK CONTOH LAYANAN UNTUK MENDAFTARKAN
DIRI DENGAN REGISTRI LAYANAN, POLA PENDAFTARAN MANDIRI. PILIHAN LAINNYA ADALAH UNTUK
BEBERAPA KOMPONEN SISTEM LAINNYA UNTUK MENANGANI PENDAFTARAN DAN DEREGISTRATION
ATAS NAMA LAYANAN, POLA PENDAFTARAN PIHAK KETIGA.
DALAM BEBERAPA LINGKUNGAN DEPLOYMENT ANDA PERLU MENYIAPKAN INFRASTRUKTUR
PELAYANAN-PENEMUAN ANDA SENDIRI MENGGUNAKAN REGISTRI LAYANAN SEPERTI NETFLIX EUREKA,
ETCD, ATAU APACHE ZOOKEEPER. DALAM LINGKUNGAN PENYEBARAN LAINNYA, PENEMUAN LAYANAN
DIBANGUN DI. MISALNYA, KUBERNETES DAN MARATHON MENANGANI LAYANAN MISALNYA
PENDAFTARAN DAN DEREGISTRATION. MEREKA JUGA MENJALANKAN PROXY PADA SETIAP CLUSTER
TUAN RUMAH YANG MEMAINKAN PERAN SERVER-SIDE PENEMUAN ROUTER.