Makalah Kelompok 7.docx

Mata kuliah

Dosen pembimbing

Cloud Computing

Novriyanto, S.T, M.Sc

The Role of Grid Computing Technologies In Cloud Computing

Disusun oleh: Kelompok 6 Agus Salim (11551101865) Deni Sapri (11551102844) Dekha Mulyaputra (115511) JURUSAN TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU 2018

DAFTAR ISI

The Role of Grid Computing Technologies In Cloud Computing

Halaman 1

DAFTAR ISI

1

BAB I PENDAHULUAN

2

1.1

Latar Belakang

2

1.2

Rumusan Masalah

3

1.3

Tujuan

3

BAB II PEMBAHASAN

4

2.1

Basics of Grid and Cloud Computing

4

2.1.1

Basics of Grid Computing

4

2.1.2

Basics of Cloud Computing

4

2.1.3

Interaction Models of Grid and Cloud Computing

5

2.1.4

Distributed Computing in the Grid and Cloud

6

Model Lapisan dan Pola Penggunaan Grid Dan Cloud

6

2.2

2.2.1

Infrastruktur

7

2.2.2

Platform

7

2.2.3

Application

8

2.3

Techniques

9

2.3.1

Service Oriented and Web Service

10

2.3.2

Data Management

10

2.3.3

Monitoring

10

2.3.4

Autonomic Computing

12

2.3.5

Scheduling, Meta-scheduling, and Resource Provisioning

13

BAB III PENUTUP

14

2.4

Kesimpulan

14

2.5

Saran

14

BAB I PENDAHULUAN 1.1

Latar Belakang Seiring dengan perkembangan zaman, teknologi saat ini mengalami

perkembangan kearah pencapaian kemudahan dan kenyamanan luar biasa, sehingga kegiatan sehari-hari yang di anggap tidak mungkin di kerjakan dalam waktu yang singkat menjadi mungkin untuk dilakukan secara singkat. Pengembangan teknologi computasi berbasis internet saat ini lebih di arahkan pada proses aplikasi sistem yang mudah dan tidak memerlukan banyak waktu dan tenaga. Sekarang sistem teknologi informasi Cloud Computing sedang hangat di bicarakan. Istilah Cloud Computing mulai banyak di dengar dan perkembanganya sangat luar biasa. Disebut-sebut teknologi Cloud Computing dapat menghilangkan permasalahan yang dijelaskan di atas. Perusahaan-perusahaan besar di bidang IT pun sekarang mencurahkan perhatianya kesana. Apa sebenarnya Cloud Computing itu ? Komputasi Cloud merupakan istilah bagi dunia TI yang sistemnya hanya di sewa. Maksudnya, dalam menerapkan metode ini, pelanggan diharuskan menyewa beberapa komponen kerja di TI, seperti server penyimpanan data hingga data center. Cloud computing memanfaatkan kemajuan dalam komputasi hardware dan programming models yang bisa disatukan untuk menyediakan solusi utilitas untuk masalah komputasi berskala besar. Di tingkat perangkat keras, setengah abad terakhir telah melihat kemajuan yang produktif dalam daya komputasi. Ini hasil dari banyak perbaikan di tingkat prosesor, dan baru-baru ini tahun ketersediaan sirkuit multi-core biaya rendah. Kemajuan tambahan dalam kecepatan tinggi, latensi rendah interkoneksi, telah memungkinkan pembangunan lokal berskala besar klaster untuk komputasi terdistribusi, dan ekstensi ke kluster berkolaborasi di area luas dalam Grid. Sekarang, ketersediaan dukungan perangkat keras terbaru untuk virtualisasi platform pada mesin komoditas menyediakan enabler kunci untuk komputasi berbasis Cloud. Software models memindahkan berbaris untuk mencocokkan kemajuan dalam perangkat keras. Ada yang cukup praktis

pengalaman menerapkan komputasi terdistribusi

solusi dan mendukung

pemrograman paralel model pada kluster. Model-model ini sekarang berfungsi memanfaatkan konkurensi yang disediakan oleh multi-core dan multi-sistem. 1.2

Rumusan Masalah Bagaimana peran dari teknologi komputasi Grid dalam komputasi Cloud.

Beserta bagian-bagiannya dalam Cloud. 1.3

Tujuan Tujuan umum dari pembuatan makalah ini adalah untuk pengetahuan

kepada pembaca tentang peran teknologi komputasi grid dalam komputasi Cloud.

BAB II PEMBAHASAN 2.1 2.1.1

Basics of Grid and Cloud Computing Basics of Grid Computing

Grid computing memanfaatkan sumber daya yang didistribusikan dari berbagai lembaga (penyedia sumber daya), untuk memenuhi tuntutan klien yang mengkonsumsinya. Sumber daya dari penyedia yang berbeda cenderung beragam dan heterogen dalam fungsinya (komputasi, Penyimpanan, perangkat lunak, dll.), arsitektur perangkat keras (Intel x86, IBM PowerPC, dll.), Dan kebijakan penggunaan yang ditetapkan oleh lembaga. Dikembangkan di bawah payung Komputasi Grid, layanan informasi, nama layanan, dan layanan perantara sumber daya teknologi penting yang bertanggung jawab atas agregasi informasi dan ketersediaan sumber daya, pemilihan sumber daya untuk memenuhi permintaan klien, persyaratan dan kualitas kriteria layanan harus mematuhi kebijakan penggunaan sumber daya. Figure menunjukkan hubungan sumber daya penyedia dan konsumen untuk Grid kolaboratif skenario komputasi. Klien atau pengguna mengirimkannya Permintaan untuk eksekusi aplikasi bersama persyaratan sumber daya dari domain asal mereka. Broker sumber akan memilih domain dengan tepat sumber daya mereka untuk memperoleh dan untuk mengeksekusi aplikasi atau arahkan aplikasi ke domain dengan hasil dan status kembali ke domain asal.

2.1.2

Basics of Cloud Computing Pusat Data Internet IDC mendefinisikan dua spesifik aspek Cloud: Layanan

Cloud dan Cloud Computing.Cloud Services adalah "konsumen dan produk bisnis, layanan, dan solusi dikirim dan dikonsumsi secara real-time selama terhubung Internet” sementara Cloud Computing adalah “Pengembangan, penyebaran, dan model pengiriman, yang memungkinkan pengiriman secara real-time produk, layanan, dan solusi melalui Internet (mis., mengaktifkan layanan Cloud) ”. Di bab ini, kita akan fokus pada infrastruktur dan platform komputasi aspek Cloud. Komputasi Elastis dari Amazon Cloud2 mempopulerkan model komputasi Cloud dengan menyediakan penyediaan berdasarkan permintaan sumber daya komputasi virtualisasi sebagai ukuran layanan kepada klien atau pengguna. Meskipun tidak dibatasi, sebagian besar klien adalah pengguna individu yang memperoleh sumber

daya yang diperlukan untuk penggunaan mereka sendiri API EC2 tanpa perjanjian lintas organisasi atau kontrak. Figure illustratespossible adalah menggambarkan model penggunaan yang mungkin dari klien C1 dan C2 untuk sumber daya / layanan penyedia cloud. Seiring berkembangnya model Cloud, banyak yang mengembangkan model Cloud hybrid di mana sumber daya perusahaan dapat memperoleh tambahan sumber daya yang diperlukan dari penyedia Cloud eksternal agar memenuhi tuntutan beban kerja perusahaan yang diajukan (E1) dan permintaan kerja klien (E2). Apalagi, domain sumber daya perusahaan dan penyedia Cloud dapat menjadi milik satu perusahaan dan dengan demikian membentuk Private Model Cloud.

2.1.3

Interaction Models of Grid and Cloud Computing

Salah satu model interaksi Grid yang paling skalabel domain adalah peerto-peer, di mana sebagian besar Grid organisasi yang berpartisipasi adalah konsumen dan penyedia layanan. Dalam prakteknya, biasanya ada perjanjian berbagi sumber daya di antara orang-orang. Selanjutnya, klien dari organisasi konsumen dalam penggunaan Grids sumber daya heterogen dari lebih dari satu penyedia sumber daya milik Virtual yang sama Organisasi (VO) untuk mengeksekusi aplikasi mereka. Ini penting untuk penyedia sumber daya yang berpartisipasi dan konsumen memiliki model informasi umum, protokol interaksi, negara eksekusi aplikasi, dll. Organisasi Forum Open Grid (OGF) 3 memiliki tujuan untuk membangun relevansi dan standar yang diperlukan untuk komputasi Grid. Beberapa standar yang diusulkan termasuk Pengajuan Pekerjaan Keterangan Bahasa (JSDL), Eksekusi Dasar Layanan (BES) dan lainnya. Saat ini, sebagian besar Penyedia Cloud menawarkan layanan kepemilikan mereka sendiri protokol dan format informasi. Cloud Komputasi menjadi luas diadopsi, klien dan organisasi

konsumen kemungkinan berinteraksi dengan lebih dari satu penyedia untuk berbagai alasan, termasuk mencari biaya terbanyak solusi efektif atau memperoleh berbagai layanan dari penyedia yang berbeda (mis., penyedia komputasi atau penyedia data). Pelanggan Cloud kemungkinan akan menuntut protokol umum dan standar format informasi untuk kemudahan penggunaan federasi dan interoperabilitas.

2.1.4

Distributed Computing in the Grid and Cloud

Grid mencakup dua area terdistribusi aktivitas sistem. Satu operasional dengan tujuan mengadministrasikan dan mengelola interoperable kumpulan kumpulan sumber daya komputasi yang terdistribusi yang mengeksekusi pekerjaan klien, biasanya ilmiah / HPC aplikasi. Prosedur dan protokol yang diperlukan untuk mendukung klien dari layanan kompleks yang dibangun di atas komponen terdistribusi yang menangani pengiriman pekerjaan, keamanan, penyediaan mesin, dan pementasan data. Cloud memiliki persyaratan operasional yang serupa untuk mendukung layanan kompleks untuk menyediakan klien layanan pada berbagai tingkat dukungan seperti aplikasi, platform, dan infrastruktur. Grid juga mewakili sebagai entitas koheren koleksi menghitung sumber daya yang mungkin berbeda domain administratif, seperti universitas, tetapi inter-operate secara transparan untuk membentuk virtual organisasi. Meskipun interoperabilitas tidak dekat prioritas jangka, komersial Cloud bergerak ke arah ini sama seperti caranya utilitas seperti kontrak listrik atau komunikasi dengan pesaing mereka untuk menyediakan kapasitas yang diperlukan. dalam bentuk mesin virtual melalui antarmuka seperti API atau alat baris perintah. Tindakan dari mendefinisikan lingkungan eksekusi dan mengirim permintaan ke sumber daya akhir memiliki banyak kesamaan dengan menjadwalkan pekerjaan di Grid. 2.2

Model Lapisan dan Pola Penggunaan Grid Dan Cloud

Ada banyak kesamaan dalam sistem komputasi Grid dan Cloud. Dapat dibandingkan pendekatan yang membedakan tiga lapisan abstrak pada Grid: Infrastruktur, Platform, dan Aplikasi. Lalu memetakan tiga lapisan ini pada layanan Cloud IaaS, PaaS, dan SaaS.

2.2.1

Infrastruktur

Ini adalah lapisan di mana Clouds berbagi sebagian besar karakteristik dengan tujuan asli dari middleware Grid. Beberapa contoh adalah Eucalyptus (Nurmi et al., 2009), OpenNebula, atau Amazon EC2. Dalam sistem ini pengguna dapat menyediakan lingkungan eksekusi. dalam bentuk mesin virtual melalui antarmuka seperti API atau alat baris perintah. Tindakan mendefinisikan lingkungan eksekusi dan mengirim permintaan ke sumber daya akhir memiliki banyak kesamaan dengan penjadwalan kerja di Grid. 2.2.2

Platform

Lapisan ini dibangun di atas infrastruktur fisik dan memberikan tingkat abstraksi yang lebih tinggi kepada pengguna. Antarmuka yang disediakan oleh solusi PaaS memungkinkan pengembang untuk membangun layanan tambahan tanpa mengenai sumber daya fisik atau virtual yang mendasarinya. Fakta-fakta ini memungkinkan mengimplementasikan fitur tambahan sebagai bagian dari model, seperti menyajikan sumber daya yang tampaknya tak terbatas kepada pengguna atau memungkinkan perilaku Elastis pada saat diminta. Contoh solusi Cloud yang menyajikan fitur ini adalah Google App Engine, 8Salesforce force.com 9 atau Microsoft Azure. a. Abstraksi Dari Sumber Daya Fisik Lapisan Infrastruktur menyediakan kepada pengguna dengan akses langsung ke infrastruktur yang mendasarinya. Sementara ini diperlukan

untuk tingkat interaksi sumber daya yang lebih rendah, yang mana lapisan ini terisolasi atau tidak dapat diakses oleh pengguna. Ini memungkinkan pengembang untuk membuat perangkat lunak baru yang tidak rentan terhadap jumlah mesin yang disediakan atau konfigurasi jaringan mereka.

b. Memprogram API untuk Mendukung Layanan - layanan Baru Lapisan Platform yang memungkinkan pengembang untuk membangun perangkat lunak baru yang memanfaatkan sumber daya yang tersedia. Pilihan API secara langsung memengaruhi program yang dapat dibangun di Cloud, oleh karena itu setiap solusi PaaS biasanya dirancang dengan jenis aplikasi. Dengan karakteristik ini, sistem Grid memungkinkan pengembang

untuk

menghasilkan

perangkat

lunak

baru

yang

memanfaatkan sumber daya bersama untuk membandingkannya dengan solusi PaaS. 2.2.3

Application

Tidak ada perbedaan yang jelas antara aplikasi yang dikembangkan di Grids dan mereka yang menggunakan Clouds untuk melakukan eksekusi dan penyimpanan. Platform yang dipilih tidak boleh mempengaruhi hasil akhir, karena perhitungan yang didelegasikan ke sistem yang mendasarinya dapat mengambil bentuk yang berbeda untuk mengakomodasi API dan sumber daya yang tersedia. Di sisi lain, tidak dapat disangkal bahwa sebagian besar aplikasi Grid termasuk di bidang perangkat lunak ilmiah, sementara perangkat lunak yang berjalan di Clouds telah condong ke beban kerja komersial. Di sini akan diidentifikasikan beberapa kemungkinan penyebab untuk berbagai tingkat adopsi teknologi ini untuk pengembangan aplikasi: a. Kurangnya peluang bisnis di grid. Biasanya middleware Grid dipasang hanya di perangkat keras yang ditujukan untuk penggunaan ilmiah. Fenomena ini belum berhasil menghasilkan peluang bisnis yang dapat dimanfaatkan oleh industri.

Sebaliknya, Awan biasanya didukung oleh industri yang memiliki cara yang lebih baik untuk memonetisasi investasi mereka.

b. Kompleksitas peralatan pada grid dikarenakan tujuannya untuk menyediakan solusi standar, solusi one-sizefits-all, middleware Grid dianggap oleh banyak orang sangat kompleks dan sulit untuk diinstal dan dikelola. Di sisi lain, infrastruktur Cloud biasanya dikembangkan oleh penyedia untuk memenuhi kebutuhan organisasi mereka dan dengan tujuan yang jelas, membuat mereka lebih mudah digunakan.

c. Saling keterkaitan dengan software target Sebagian besar perangkat lunak Grid dikembangkan dengan Aplikasi ilmiah, yang tidak berlaku untuk sebagian besar sistem Cloud. Program ilmiah harus mendapatkan kinerja paling banyak dari sumber daya eksekusi dan banyak dari mereka tidak dapat dijalankan di Clouds secara efisien, misalnya karena overhead virtualisasi. cloud lebih ditargetkan ke aplikasi web. Kedekatan yang berbeda untuk paradigma yang berbeda ini membuat kedua solusi tersebut efektif secara khusus untuk aplikasi target mereka. 2.3

Techniques

Kali ini kita akan membahas tentang dampak teknik yang digunakan dalam Grid Computing yang dapat diterapkan dalam Cloud. Sejak konsep Grid diperkenalkan, memungkinkan kita untuk harus menyelesaikan berbagai masalah yang di adobsi secara luas. Beberapa contoh dari masalah ini adalah User Interface, Data Transfer, Resource Monitoring atau Security. Teknik-teknik dasar dari pemberdayaan Grid yakni dirancang untuk memenuhi tujuan utamanya, yaitu untuk memungkinkan berbagi sumber daya heterogen antara individu-individu yang termasuk dalam kendali wilayah administrasi. Tujuan nya menentukan bidang penerapan teknik yang dijelaskan dalam Cloud. Oleh karena itu, kami akan menemukan serangkaian perbaikan yang paling berharga untuk berada di bidang interoperabilitas Cloud.

2.3.1

Service Oriented and Web Service

Cloud merupakan penyedia layanan (termasuk IaaS, PaaS, dan SaaS) dan tempat layanan hosting atas nama Client. Untuk menerapkan aspek-aspek operasional sebelumnya dengan menjaga fleksibilitas dan fungsi-fungsi administrasi dari Cloud tersebut harus dibangun dari komponen-komponen perangkat lunak. Grid juga menghadapi tantangan yang serupa dalam membangun sebuah infrastruktur terdistribusi untuk mendukung dan mengembangkan fungsi-fungsi administratifnya seperti security, job submission, dan penciptaan Virtual Organization. Prinsip arsitektur yang diadopsi oleh Grid adlah Service Orientation (SO) dengan komponen perangkat lunak yang dihubungkan dengan Web Services (WS). Bagian ini merangkum kontribusi dari Open Grid Forum (OGF) untuk Service Orientation dalam komputasi terdistribusi dan bagaimana mereka berlaku untuk Cloud. Service Orientation sebagai arsitektur, dan Layanan Web sebagai mekanisme komunikasi antar-komponen dieksplorasi dalam konteks kesamaan antara persyaratan Grid dan Cloud. 2.3.2

Data Management

Dalam Grid Computing, aplikasi data-intensif seperti perangkat lunak ilmiah dalam domain seperti fisika energi tinggi, bio-informatika, astronomi atau ilmu bumi melibatkan sejumlah data yang besar, terkadang dalam skala PetaBytes (PB) dan seterusnya ( Moore, Prince, & Ellisman, 1998). Teknik manajemen data digunakan untuk menemukan dan mengakses informasi sangat penting untuk aplikasi semacam ini. Bandwidth jaringan, latensi transfer, dan sumber daya penyimpanan sama pentingnya dengan sumber daya komputasi untuk menentukan latensi dan kinerja tugas. Sebagai contoh, aplikasi data-intensif sebaiknya dijalankan di situs yang memiliki saluran jaringan yang cukup dan cepat untuk dataset-nya sehingga overhead jaringan dapat dikurangi. 2.3.3

Monitoring

Meskipun beberapa alat pemantauan Cloud telah dikembangkan, mereka menyediakan informasi tingkat tinggi. Dalam banyak kasus, fungsi pemantauan tertanam dalam sistem VM management mengikuti mekanisme dan model khusus. Tantangan saat ini untuk alat pemantau Cloud adalah memberikan informasi dari Cloud dan permintaan aplikasi / layanan dengan tingkat detail yang memadai secara realtime untuk mengambil keputusan yang efektif daripada memberikan representasi sederhana dan grafis dari status Cloud. Untuk melakukan hal ini, teknologi pemantauan Grid yang berbeda dapat diterapkan pada Cloud, terutama mereka yang mampu memberikan data pemantauan dalam bentuk agregat karena skala besar dan perilaku dinamis dari Cloud.

Beberapa pusat data yang menyediakan sumber daya untuk sistem Cloud telah mengadopsi Ganglia sebagai alat monitoring. Namun, lingkungan virtualisasi memiliki kebutuhan yang lebih spesifik yang telah memotivasi penyedia teknologi komputasi Cloud untuk mengembangkan sistem pemantauan mereka sendiri. Beberapa di antaranya dirangkum sebagai berikut: 1) Amazon Cloud Watch Amazon Cloud Watch merupakan layanan web yang menyediakan monitoring sumber daya untuk Amazon Web Services Cloud seperti Amazon EC2. AWC ini mengumpulkan data mentah dari Amazon Web Services, kemudian memproses informasi ke dalam metrik yang dapat dibaca yang dicatat untuk jangka waktu dua minggu. Ini memberikan pengguna dengan visibilitas ke dalam pemanfaatan sumber daya, kinerja operasional, dan pola permintaan keseluruhan - termasuk metrik seperti pemanfaatan CPU, membaca dan menulis disk, dan lalu lintas jaringan. 2) Windows Azure Diagnostic Monitor Windows Azure Diagnostic Monitor mengumpulkan data dalam penyimpanan lokal untuk setiap jenis diagnostik yang diaktifkan dan dapat mentransfer data yang dikumpulkannya ke akun Azure Storage untuk penyimpanan permanen. Hal ini dapat dijadwalkan untuk mendorong data yang dikumpulkan ke penyimpanan secara berkala atau dapat meminta transfer sesuai permintaan kapanpun informasi ini diperlukan. The OpenNebula Information Manager (IM) bertanggung jawab untuk memantau berbagai node di Cloud. Muncul dengan berbagai sensor, masing-masing bertanggung jawab untuk aspek yang berbeda dari sumber daya komputasi yang akan dimonitor (CPU, memori, hostname). Juga, ada sensor yang disiapkan untuk mengumpulkan informasi dari hypervisor yang berbeda. Fungsi pemantauan dari Aneka dilaksanakan oleh middleware inti, yang menyediakan serangkaian layanan yang luas termasuk juga negosiasi kualitas layanan, kontrol penerimaan, manajemen eksekusi, akuntansi dan penagihan. Untuk membantu administrator menyetel keseluruhan kinerja Cloud, Studio Manajemen menyediakan statistik dinamis gabungan. 3) Nimsoft Monitoring Solution (NMS) Nimsoft Monitoring Solution (NMS), yang dibangun di atas Nimsoft Unified Monitoring Architecture, memberikan fungsi pemantauan untuk setiap kombinasi dari pusat data tervirtualisasi, pada infrastruktur yang dihosting atau dikelola, dalam Cloud pada IaaS atau PaaS atau dikirimkan sebagai layanan SaaS. Secara khusus,

ia menyediakan pemantauan terpadu untuk pusat data, private cloud dan public cloud seperti Amazon WS, termasuk tingkat layanan dan pemantauan waktu respons, visualisasi dan pelaporan. 4) Hyperic Cloud Status Hyperic Cloud Status menyediakan perangkat lunak monitoring dan manajemen sumber terbuka untuk semua jenis aplikasi web, baik yang dihosting di Cloud atau di lokasi, termasuk Amazon Web Services dan Google App Engine. Cloud Status memberikan laporan waktu nyata kepada pengguna dan tren mingguan pada metrik infrastruktur. 2.3.4

Autonomic Computing

Terinspirasi oleh sistem saraf otonom, komputasi otonom bertujuan untuk merancang dan membangun sistem pengelolaan diri dan telah muncul sebagai pendekatan yang menjanjikan untuk mengatasi tantangan karena softwarecomplexity. Sistem otonom mampu membuat keputusan untuk menanggapi perubahan kondisi operasi saat runtime menggunakan kebijakan tingkat tinggi yang biasanya disediakan oleh seorang ahli. Sistem seperti itu secara konstan memantau dan mengoptimalkan operasinya dan secara otomatis menyesuaikan diri dengan kondisi yang berubah sehingga terus mencapai tujuannya. Ada beberapa tonggak penting dan berharga untuk mencapai komputasi otonom sepenuhnya: pertama, fungsi otomatis hanya akan mengumpulkan dan mengumpulkan informasi untuk mendukung keputusan oleh pengguna manusia. Belakangan, mereka akan melayani sebagai penasihat, menyarankan kemungkinan tindakan tindakan bagi manusia untuk dipertimbangkan. Manajemen mandiri adalah inti dari komputasi otonom dan telah didefinisikan dalam empat aspek manajemen diri berikut (Jeffrey & Kephart, 2001). 1) Self configuration : Sistem otonom akan mengkonfigurasi dirinya sendiri secara otomatis sesuai dengan kebijakan tingkat tinggi yang mewakili tujuan tingkat bisnis yang, misalnya, menentukan apa yang diinginkan dan bukan bagaimana hal itu harus diselesaikan. Ketika sebuah komponen diperkenalkan, ia akan menggabungkan dirinya dengan mulus, dan sisa dari sistem akan beradaptasi dengan kehadirannya. 2) Self optimization : Sistem otonom akan terus mencari cara untuk meningkatkan operasi mereka, mengidentifikasi dan memanfaatkan peluang untuk membuat diri mereka lebih efisien dalam kinerja dan / atau biaya. Sistem otonom akan memantau, bereksperimen dengan, dan menyetel parameter mereka sendiri dan akan belajar untuk membuat pilihan yang tepat tentang menjaga fungsi atau mengalihdayakannya.

3) Self healing : Sistem komputasi otonom akan mendeteksi, mendiagnosis, dan memperbaiki masalah yang dilokalkan akibat bug atau kegagalan dalam perangkat lunak dan perangkat keras. 4) Self protection : Sistem otonom akan selfprotecting dalam dua pengertian. Mereka akan mempertahankan sistem secara keseluruhan melawan masalah berskala besar yang berkaitan dengan korelasi yang timbul dari serangan jahat atau kegagalan yang gagal yang tidak dikoreksi oleh tindakan penyembuhan diri. Mereka juga akan mengantisipasi masalah berdasarkan laporan awal dari sensor dan mengambil langkah-langkah untuk menghindari atau memitigasi mereka. 2.3.5

Scheduling, Meta-scheduling, and Resource Provisioning

Dalam beberapa dekade terakhir banyak upaya telah dikhususkan untuk penelitian penjadwalan pekerjaan, terutama di pusat-pusat dengan fasilitas Komputasi Kinerja Tinggi (High Performance Computing - HPC). Masalah penjadwalan umum terdiri dari, diberikan satu set pekerjaan dan persyaratan, seperangkat sumber daya, dan status sistem, memutuskan pekerjaan yang akan mulai dijalankan dan di mana sumber daya. Dalam komputasi Grid, teknik penjadwalan telah berevolusi untuk menggabungkan faktor-faktor lain, seperti heterogenitas sumber daya atau distribusi geografis. Komponen perangkat lunak yang bertanggung jawab untuk menjadwalkan tugas dalam Grids biasanya disebut metascheduler atau pialang sumber daya Grid. Tindakan utama yang dilakukan oleh pialang sumber daya Grid adalah: penemuan dan pemantauan sumber daya, pemilihan sumber daya, pelaksanaan pekerjaan, penanganan dan pemantauan. Namun, mungkin juga bertanggung jawab untuk tugas tambahan lainnya seperti mekanisme keamanan, akuntansi, kualitas layanan (QoS) memastikan, pemesanan muka, negosiasi dengan entitas penjadwalan lainnya, penegakan kebijakan, migrasi, dll. Taksonomi dan survei sistem perantaraan Grid dapat ditemukan di (Krauter, Buyya, & Maheswaran, 2002). Beberapa karakteristik paling umum mereka dibahas sebagai berikut: 

Mereka dapat melibatkan lapisan penjadwalan yang berbeda melalui beberapa komponen perangkat lunak antara pialang sumber daya Grid dan sumber daya tempat aplikasi akan berjalan. Dengan demikian, informasi dan kontrol yang tersedia di tingkat broker sumber daya jauh lebih sedikit daripada yang tersedia di tingkat penjadwalan klaster.



Pialang sumber daya jaringan biasanya tidak memiliki kepemilikan atau kontrol atas sumber daya. Selain itu, sistem penjadwalan klaster dapat memiliki kebijakan lokal mereka sendiri yang dapat bertentangan dengan strategi penjadwalan Grid.



Ada tujuan kinerja yang saling bertentangan antara pengguna dan pemilik sumber daya. Sementara pengguna fokus pada mengoptimalkan kinerja aplikasi tunggal untuk tujuan biaya tertentu, pemilik sumber daya bertujuan untuk memperoleh throughput sistem terbaik atau meminimalkan waktu respon.

BAB III PENUTUP 2.4

Kesimpulan Dalam makalah ini kami telah menyajikan beberapa masalah mengenai

komputasi Grid dalam Cloud computing. Bidang Grid, Utility, dan Cloud Computing memiliki seperangkat tujuan bersama dalam memanfaatkan berbagi sumber daya untuk secara optimal memenuhi berbagai macam tuntutan biaya efektif dan tepat waktu Sejak Grid Komputasi memulai perjalanan teknologinya sekitar satu dekade lebih awal dari Cloud Computing, Cloud dapat memperoleh manfaat dari teknologi dan pengalaman Grid dalam membangun infrastruktur untuk komputasi terdistribusi. Kami perbandingan Grid dan Cloud dimulai dengan karakteristik dasar dan model interaksi mereka dengan klien, sumber daya konsumen dan penyedia. Kemudian persamaan dan perbedaan dalam lapisan arsitektur dan pola penggunaan kunci diperiksa. Ini diikuti oleh pandangan mendalam pada teknologi dan praktik terbaik yang dapat diterapkan Grid ke Cloud computing, termasuk penjadwalan, orientasi layanan, keamanan, manajemen data, pemantauan, interoperabilitas, simulasi dan dukungan otonom. Akhirnya, kami menawarkan

wawasan

tentang

bagaimana

teknik

akan

membantu

menyelesaikannya tantangan saat ini yang dihadapi oleh komputasi Cloud. 2.5

Saran Demikianlah makalah yang penulis buat mengenai The Role of Grid

Computing Technologies In Cloud Computing, dalam mata kuliah cloud computing. semoga makalah ini dapat bermanfaat bagi. Tak lupa kritik dan saran dari pembaca sangat penulis harapkan agar kedepan dalam pembuatan makalah bisa semakin baik.