Parallel processing is a computing technique when multiple streams of calculations or data processing tasks co-occur through numerous central processing units (CPUs) working concurrently.
Parallel processing is a method in computing of running two or more processors (CPUs) to handle separate parts of an overall task. Breaking up different parts of a task among multiple processors will help reduce the amount of time to run a program.
What is an example of a parallel process?
Parallel Processing | Overview, Limits & Examples - Video ...
For example, when a person looks at a firetruck, they will see the red color, fire hose, and logo all at once to quickly recognize it for what it is. Parallel processing allows people to make such observations quickly, rather than analyzing each part of the object or situation separately.
Parallel processing is a computing technique when multiple streams of calculations or data processing tasks co-occur through numerous central processing units (CPUs) working concurrently.
Parallel processing is a method in computing of running two or more processors (CPUs) to handle separate parts of an overall task. Breaking up different parts of a task among multiple processors will help reduce the amount of time to run a program.
What is an example of a parallel process?
Parallel Processing | Overview, Limits & Examples - Video ...
For example, when a person looks at a firetruck, they will see the red color, fire hose, and logo all at once to quickly recognize it for what it is. Parallel processing allows people to make such observations quickly, rather than analyzing each part of the object or situation separately.
UNTUK DOSEN Materi Sosialisasi Pengelolaan Kinerja Akademik DosenAdrianAgoes9
Â
sosialisasi untuk dosen dalam mengisi dan memadankan sister akunnya, sehingga bisa memutakhirkan data di dalam sister tersebut. ini adalah untuk kepentingan jabatan akademik dan jabatan fungsional dosen. penting untuk karir dan jabatan dosen juga untuk kepentingan akademik perguruan tinggi terkait.
1. REKAYASA WEB
TUGAS v
NIM :1512510445
NAMA : Arie Firmandani
FAKULTAS : Fakultas Teknologi Informasi
Prodi : Sistem Informasi
2. DCS
A. PENGERTIAN
Distributed computing System (DCS)merupakan sebuah
proses komputasi tidak terjadi dalam satu komputer saja akan
tetapi didistribusikan atau di-share ke beberapa
komputer. Analogi kelompok-kelompok jaringan LAN lain semisal
Kost-Kostan dan ISP . Intinya proses tersebar dalam kelompok,
namun menghasilkan satu output. Ya, distributed computing
adalah salah satu contoh parallel processing (pemrosesan
paralel)..
3. B. SEJARAH DCS
• 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.
4. • 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.
• 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.
5. CAP
A. PENGERTIAN
Keprihatinan ini Consistency (C), Availability(A), dan
Partition tolerance(P) di sistem terdistribusi membentuk apa
yang Eric Brewer diciptakan sebagai Teorema CAP.
Sederhananya, CAP teorema menunjukkan bahwa setiap sistem
terdistribusi tidak bisa menjamin C, A, dan P secara bersamaan,
bukan, trade-off harus dilakukan pada titik-in-time untuk
mencapai tingkat kinerja dan ketersediaan yang diperlukan
untuk tugas tertentu.
6. MENURUT ERIMENURUT ERIC
BREWERC 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.
7. KONSEP DASAR
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.
8. B. PENJELASAN
[C] Consistency - Semua node melihat data yang sama
pada waktu yang sama.
Sederhananya, melakukan operasi baca akan
mengembalikan nilai terbaru menulis operasi
menyebabkan semua node untuk mengembalikan data
yang sama. Sebuah sistem memiliki konsistensi jika
transaksi dimulai dengan sistem dalam keadaan konsisten,
dan berakhir dengan sistem dalam keadaan konsisten.
Dalam model ini, sistem dapat (dan tidak) bergeser
menjadi negara yang tidak konsisten selama transaksi,
tetapi seluruh transaksi akan digulung kembali jika ada
kesalahan selama setiap tahap dalam proses.
database relasional khas Consistency : SQL Server,
MySQL, dan PostgreSQL.
9. [A] Availability - Setiap permintaan mendapat respon atas
keberhasilan / kegagalan.
Mencapai ketersediaan di sistem terdistribusi mengharuskan
sistem tetap operasional 100% dari waktu. Setiap klien mendapat
respon, terlepas dari keadaan setiap node individu dalam sistem.
Metrik ini sepele untuk mengukur: baik Anda bisa mengirimkan
membaca perintah / tulis, atau Anda tidak bisa.
database relasional khas juga tersedia: SQL Server, MySQL, dan
PostgreSQL. Ini berarti bahwa database relasional ada di ruang CA -
Consistency dan Availability. Namun, CA tidak hanya disediakan
untuk database relasional - beberapa alat berorientasi dokumen
seperti ElasticSearch juga jatuh di bawah payung CA .
10. [P] Partition tolerance - Sistem terus bekerja meskipun
kehilangan pesan atau kegagalan parsial.
Kebanyakan orang berpikir dari menyimpan data mereka sebagai node
tunggal dalam jaringan. “Ini adalah Server misalnya produksi SQL kami”.
Siapapun yang telah menjalankan contoh produksi selama lebih dari empat
menit, dengan cepat menyadari bahwa ini menciptakan satu titik kegagalan.
Sebuah sistem yang partisi-toleran dapat mempertahankan setiap jumlah
kegagalan jaringan yang tidak mengakibatkan kegagalan seluruh jaringan.
catatan data cukup direplikasi di kombinasi node dan jaringan untuk menjaga
sistem melalui pemadaman berselang.
sistem penyimpanan yang jatuh di bawah Partition tolerance dengan
Consistency (CP): MongoDB, Redis, AppFabric Caching, dan MemcacheDB.
sistem CP membuat cache didistribusikan baik karena setiap client mendapat
data yang sama, dan sistem dipartisi melintasi batas-batas jaringan.
sistem penyimpanan yang jatuh di bawah Partition tolerance dengan
Availability (AP) termasuk DynamoDB, CouchDB, dan Cassandra
11. C. KESIMPULAN atau pentingnya
terhadap application web yang akan
kita buat
Kesimpulan sistem terdistribusi memungkinkan kita untuk
mencapai tingkat kekuasaan dan ketersediaan yang cukup tidak
tersedia di yesteryears komputasi. Sistem kami memiliki kinerja
yang lebih tinggi, latency rendah, dan hampir 100% up-waktu di
pusat data yang menjangkau seluruh dunia. Terbaik dari semua,
sistem saat ini dijalankan pada perangkat keras komoditas yang
mudah didapat dan dikonfigurasi dengan biaya mendekati $ 0.
Semua daya komputasi ini dan manfaat datang pada harga,
namun. sistem terdistribusi lebih kompleks daripada rekan-rekan
satu jaringan mereka. Ada banyak alat-alat dan keterampilan yang
perlu diperoleh untuk membuat benar-benar scalable, sistem
kinerja tinggi. Memahami kompleksitas yang timbul dalam sistem
terdistribusi, membuat trade-off yang sesuai untuk tugas di tangan
(CAP), dan memilih alat yang tepat untuk pekerjaan itu semua
keterampilan yang penting di dunia di mana sistem komputasi
bergerak keluar, tidak sampai.
12. Service discovery framework
A. PENGERTIAN
Framework adalah sekumpulan perintah/fungsi dasar
yang dapat membantu dalam menyelesaikan proses-
proses yang lebih kompleks
13. B. JENIS-JENIS FRAMEWORK
1. Bussiness Logic Framework
• JSF JavaServer Faces (JSF) : spesifikasi Java untuk membangun antarmuka
pengguna untuk aplikasi web. menggunakan Facelets sebagai sistem template
defaultnya
• Spring : Frame Work opensource, yang diciptakan oleh Rod Johnson untuk masalah
desain sistem dalam pengembangan aplikasi enterprise. misal: aplikasi perbankan,
pelaporan keuangan skala besar,dsb
• Struts : Framework Open Source yang di pakai untuk membangun aplikasi berbasis
Web yang sudah terinstregasi dengan standard technologi seperti Servlet, Java
Beans dan Java Server Pages
• Seam : Framework yang kuat untuk membangun aplikasi generasi Web berikut
dengan teknologi pemersatu yang mengintegrasikan seperti Asynchronous
JavaScript and XML (AJAX), Java Server Faces (JSF), Enterprise Java Beans (EJB3),
Jawa Portlets dan Manajemen Proses Bisnis (BPM).
• Tapestry : framework berbasis komponen yang digunakan untuk membuat aplikasi
berbasis web dengan bahasa pemrograman Java. dibangun berdasarkan standar
API Java Servlet, sehingga dapat bekerja dengan berbagai macam servlet container
atau application server seperti misalnya Tomcat, Jetty, JBoss, dll.
14. 2. Data Access Framework
• Hibernate : merupakan teknologi object relational persistence mapping
(ORM) dan query service. ditulis dengan menggunakan bahasa
pemrograman java
• iBATIS : merupakan SQL database Mapping untuk pengembangan
perangkat lunak berorientasi objek . SQL Maps dan DAO (Data Access
Objects)
• JDBC Java Database Connectivity : framework yang dibangun dengan
menggunakan
bahasa Java untuk menghubungkan aplikasi dengan database. JDBC adalah
versi ODBC yang dibuat oleh Sun Microsystem.
• JPA Java Persistance API : sebuah framework dalam pemrograman java
menggunakan pendekatan Obejct Relational Maping (ORM) untuk
memanage
atau mengatur relational data menggunakan platform Java Standard
Edition dan Java Enterprise Edition.
15. 3. View/Front End Framework
• PrimeFace
• iText
• JaspertReport : Framework untuk membuat
laporan di Java/ library untuk pencetakan
laporan.
• Velocity
16. eureka
PENJELASAN
• 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.
17. zookeeper
A. PENGERTIAN
Zookeeper adalah layanan terpusat untuk menjaga
informasi konfigurasi, penamaan, menyediakan
sinkronisasi didistribusikan, dan menyediakan layanan
kelompok. Semua jenis layanan yang digunakan dalam
beberapa bentuk atau lain dengan aplikasi terdistribusi.
Setiap kali mereka diimplementasikan ada banyak
pekerjaan yang masuk ke dalam memperbaiki bug dan
kondisi balapan yang tak terelakkan. Karena kesulitan
menerapkan jenis layanan, aplikasi awalnya biasanya
berhemat pada mereka, yang membuat mereka rapuh di
hadapan perubahan dan sulit untuk mengelola. Bahkan
ketika dilakukan dengan benar, implementasi yang
berbeda dari layanan ini menyebabkan kompleksitas
manajemen ketika aplikasi dikerahkan
18. B. Ikhtisar
• Zookeeper adalah didistribusikan layanan koordinasi untuk
mengelola set besar host. Mengkoordinasikan dan mengelola
layanan dalam lingkungan terdistribusi adalah proses yang rumit.
Zookeeper memecahkan masalah ini dengan arsitektur dan API
sederhana. Zookeeper memungkinkan pengembang untuk fokus
pada logika aplikasi inti tanpa khawatir tentang sifat didistribusikan
dari aplikasi.
• Kerangka Zookeeper awalnya dibangun di "Yahoo!" untuk
mengakses aplikasi mereka dengan cara yang mudah dan kuat.
Kemudian, Apache Zookeeper menjadi standar untuk layanan yang
diselenggarakan digunakan oleh Hadoop, HBase, dan kerangka kerja
didistribusikan lainnya. Misalnya, Apache HBase menggunakan
Zookeeper untuk melacak status data terdistribusi.
• Sebelum bergerak lebih jauh, penting bahwa kita tahu satu atau dua
hal tentang aplikasi terdistribusi. Jadi, mari kita mulai diskusi
dengan gambaran singkat dari aplikasi terdistribusi.
19. C. APLIKASI DIDISTRIBUSIKAN
• Sebuah aplikasi terdistribusi dapat berjalan pada beberapa sistem dalam jaringan
pada waktu tertentu (bersamaan) dengan berkoordinasi antara mereka sendiri
untuk menyelesaikan tugas tertentu dengan cara yang cepat dan efisien. Biasanya,
kompleks dan memakan waktu tugas, yang akan mengambil jam untuk
menyelesaikan dengan aplikasi non-didistribusikan (berjalan dalam satu sistem)
dapat dilakukan dalam menit dengan aplikasi terdistribusi dengan menggunakan
kemampuan komputasi dari semua sistem yang terlibat.
• Waktu untuk menyelesaikan tugas dapat lebih dikurangi dengan mengkonfigurasi
aplikasi didistribusikan untuk berjalan pada sistem yang lebih. Sekelompok sistem
di mana aplikasi terdistribusi berjalan disebut Cluster dan setiap mesin berjalan di
sebuah cluster disebut Node a.
• Sebuah aplikasi terdistribusi memiliki dua bagian, Server dan
aplikasi Client. aplikasi server sebenarnya didistribusikan dan memiliki antarmuka
umum sehingga klien dapat terhubung ke server di cluster dan mendapatkan hasil
yang sama. aplikasi client adalah alat untuk berinteraksi dengan aplikasi
terdistribusi.
20. D. MANFAAT DAN TANTANGAN
APLIKASI TERDISTRIBUSI
Manfaat Aplikasi Terdistribusi
• Keandalan - Kegagalan dari satu atau beberapa sistem tidak membuat
seluruh sistem gagal.
• Skalabilitas - Kinerja dapat ditingkatkan sebagai dan bila diperlukan
dengan menambahkan lebih banyak mesin dengan perubahan kecil
dalam konfigurasi aplikasi tanpa downtime.
• Transparansi - Menyembunyikan kompleksitas sistem dan menunjukkan
dirinya sebagai satu kesatuan / aplikasi.
Tantangan Aplikasi Terdistribusi
• Kondisi balapan - Dua atau lebih mesin mencoba untuk melakukan tugas
tertentu, yang sebenarnya perlu dilakukan hanya oleh satu mesin pada
waktu tertentu. Misalnya, sumber daya bersama hanya harus dimodifikasi
oleh sebuah mesin tunggal pada waktu tertentu.
• Kebuntuan - Dua atau lebih operasi menunggu satu sama lain untuk
menyelesaikan tanpa batas.
• Inkonsistensi - kegagalan parsial dari data.
21. E. LAYANAN DARI ZOOKEEPER
• Layanan penamaan - Mengidentifikasi node dalam sebuah cluster
dengan nama. Hal ini mirip dengan DNS, tetapi untuk node.
• Manajemen konfigurasi - up-to-date informasi konfigurasi terbaru
dan sistem untuk node bergabung.
• Manajemen cluster - Bergabung / meninggalkan node dalam
status cluster dan simpul pada real time.
• Pemimpin pemilu - Pemilihan node sebagai pemimpin untuk
tujuan koordinasi.
• Mengunci dan sinkronisasi layanan - Mengunci data sementara
memodifikasi itu. Mekanisme ini membantu Anda dalam otomatis
gagal pemulihan saat menyambung aplikasi terdistribusi lain seperti
Apache HBase.
• Registry data yang sangat handal - Ketersediaan data bahkan
ketika satu atau beberapa node mati.
22. D. MANFAAT ZOOKEEPER
• Berikut adalah manfaat menggunakan Zookeeper -
• Proses koordinasi didistribusikan sederhana
• Sinkronisasi - Mutual exclusion dan kerjasama antara proses
server. Proses ini membantu dalam Apache HBase untuk
manajemen konfigurasi.
• memerintahkan Pesan
• Serialisasi - Encode data sesuai dengan aturan tertentu. Pastikan
aplikasi Anda berjalan secara konsisten. Pendekatan ini dapat
digunakan dalam MapReduce untuk mengkoordinasikan antrian
untuk mengeksekusi benang berjalan.
• Keandalan
• Atomicity - Transfer data baik berhasil atau gagal sama sekali, tapi
tidak ada transaksi parsial.