Ringkasan tentang service discovery framework: - Service discovery framework digunakan untuk menemukan lokasi jaringan dari instance layanan yang berjalan secara dinamis dalam lingkungan cloud atau microservices. - Terdapat dua pola utama: client-side discovery dan server-side discovery. Client-side discovery mendelegasikan penemuan layanan ke klien, sedangkan server-side discovery mendelegasikan penemuan layanan ke router/proxy. - Komponen inti adalah service registry yang menyimpan daftar instance layanan beserta lokasi jaring

3. 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 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. 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. 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 RDBMS, 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 di dalam setiap tabel. Manfaat lain dalam
penggunaan schema-free adalah penghematan dalam media penyimpanan. Model data schema free artinya setiap
baris memungkinkan memiliki nilai sebanyak yang telah didefinisikan dalam tiap fields, dan tidak perlu
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.

10. 3. Jelaskan mengenai service discovery framework,
dan berikan pembahasan singkat mengenai contoh
discovery framework seperti Eureka dan
ZooKeeper !

11. 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.

12. 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.

13. 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. 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.

16. Server-Side Penemuan Pola
Klien membuat permintaan ke layanan melalui penyeimbang beban. Penyeimbang beban query registri
layanan 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

17. 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.