Prosiding Seminar Nasional Sains Antariksa Homepage: http//www.lapan.go.id PENGOLAHAN INFORMASI DATA MEDAN MAGNET BUMI BERBASIS KLUSTER KOMPUTER DENGAN FRONTEND ROCK (DATA PROCESSING OF INFORMATION OF EARTH MAGNETIC FIELD BASED ON CLUSTER COMPUTING WITH FRONTEND ROCK) Setyanto Cahyo Pranoto, Harry Bangkit, Andi Aris dan Cucu Eman Haryanto Pusat Sains Antariksa, Lembaga Penerbangan dan Antariksa. e-mail: setyanto.cahyo@lapan.go.id Riwayat Artikel: Diterima: 22-11-2016 Direvisi: 15-03-2017 Disetujui: 25-03-2017 Diterbitkan: 22-05-2017 Kata kunci: Komputer kluster, high performance computing, medan magnet bumi. ABSTRAK Saat ini berbagai komunitas di antaranya akademik, peneliti, bisnis dan industri dihadapkan pada pertambahan kebutuhan komputasi yang semakin besar dan komplek. Kebutuhan ini memicu penyediaan sumber daya komputasi dalam jumlah besar. Dikarenakan penyediaan sumber daya tersebut membutuhkan biaya yang tidak sedikit maka pemakaian harus efisien dan efektif. Salah satu teknologi yang dapat mengefisienkan kerja dari sistem pemroses adalah sistem komputasi High Performance Computing (HPC) yang bekerja pada sistem pemroses paralel pada cluster komputer. Dalam makalah ini dilakukan pembangunan sistem pengolah data medan magnet Bumi dengan menggunakan sistem pemroses parallel (cluster) yang berbasis pada frontend Rock. Keywords: Cluster computing, high performance computing, earth magnetic field. ABSTRACT Currently among academic communities, researchers, business and industry are faced with the increase of the computing needs of more large and complex. This triggers the requirement provision computing resources in large quantities. Due to the provision of these resources need most cost so the use must be efficient and effective. One of technology that could streamline the working of the system is High Performance Computing (HPC) with parallel processing system on a computer In this paper we construct of data processing system of the Earth's magnetic field based on parallel computing (cluster) with frontend Rock. 1. Pendahuluan Ketersedian data yang cepat dalam suatu penelitian merupakan suatu hal yang sangat penting, dikarenakan akan mempercepat dalam melakukan kajian, analisis maupun dalam penyampaian informasi. Untuk menunjang hal tersebut tentu perlu didukung oleh pertambahan kebutuhan komputasi yang semakin besar dan komplek. Kebutuhan ini memicu penyediaan sumber daya komputasi dalam jumlah besar. Dikarenakan penyediaan sumber daya tersebut membutuhkan biaya yang tidak sedikit maka pemakaiannya harus efisien dan efektif. Salah satu cara untuk mendapatkan suatu sistem pengolahan data dengan performa yang cepat diantaranya dengan membangun komputasi paralel atau dikenal juga sebagai komputasi Komputasi paralel (cluster) merupakan salah satu teknik melakukan komputasi secara bersamaan dengan memanfaatkan beberapa Seminar Nasional Sains Antariksa Bandung, 22 November 2016 c 2017 Pusat Sains Antariksa LAPAN
278 S.C. Pranoto et al. komputer secara bersama-sama (Baker, 2001). Biasanya diperlukan saat kapasitas yang dibutuhkan sangat besar, baik karena harus mengolah data dalam jumlah besar ataupun karena tuntutan proses komputasi yang banyak. Untuk melakukan aneka jenis komputasi paralel ini diperlukan infrastruktur mesin paralel yang terdiri dari banyak komputer yang dihubungkan dengan jaringan dan mampu bekerja secara paralel untuk menyelesaikan satu masalah. Untuk itu diperlukan aneka perangkat lunak pendukung yang biasa disebut sebagai middleware yang berperan untuk mengatur distribusi pekerjaan antar node dalam satu mesin paralel. Selanjutnya pemakai harus membuat pemrograman paralel untuk merealisasikan komputasi. Dalam makalah ini memaparkan penggunaan cluster dengan frontend Rock untuk pengolahan informasi data medan magnet Bumi. 2. Landasan Teori Cluster merupakan jenis sistem komputer paralel atau terdistribusi, yang terdiri dari kumpulan komputer yang independen yang saling berhubungan dan terintegrasi sebagai sebuah unit komputer tunggal (Buyya, 1999). Komponen utama dari cluster meliputi beberapa komputer standalone (Personal Computer-PC, Workstation, atau Symmetric Multiprocessing- SMP), sistem operasi, interkoneksi kinerja tinggi, middleware, lingkungan pemrograman paralel, dan aplikasi. Proses menghubungkan beberapa komputer agar dapat bekerja seperti itu dinamakan dengan clustering. Komponen cluster biasanya saling terhubung dengan cepat melalui sebuah interkoneksi yang sangat cepat, atau bisa juga melalui jaringan lokal (Local Area Network- LAN). Karena menggunakan lebih dari satu buah server, maka manajemen dan perawatan sebuah cluster jauh lebih rumit dibandingkan dengan manajemen server mainframe tunggal yang memiliki skalabilitas tinggi, meski lebih murah (Pfister, 1998). Terdapat beberapa klasifikasi dalam arsitektur komputer diantaranya taksonomi Flynn (Flynn dan Rudd, 1996). Klasifikasi ini dibuat berdasarkan jumlah instruksi yang berjalan simultan dan konkuren, dan juga aliran data yang diprosesnya. Dalam Taksonomi Flynn, komputer dibagi menjadi empat buah kelas, yaitu: (a) Single Instruction Single Data Stream- SISD, (b) Multiple Instruction, Single Data Sream-MISD, (c) Single Instruction, Multiple Data Stream-SIMD, (d) Multiple Instruction, Multiple Data stream-mimd (Shinde, 2015). Taksonomi Lewis membaginya kedalam dua kelas, berdasarkan ada atau tidak adanya common global clock yaitu synchronous dan asynchronous (Lewis, 1990), sedangkam Quinn membaginya menjadi; Data Parallelism dan Control Parallelism (Quinn, 1994). Gambar 2-1. Arsitektur komputer cluster (Buyya, 1999).
Pengolahan Informasi Data Medan Magnet... 279 Multiprocessing adalah suatu kemampuan sistem operasi dalam menjalankan dua atau lebih instruksi secara serentak dengan menggunakan sejumlah CPU dalam sebuah komputer. Dengan sistem seperti ini sebuah sistem operasi dapat mengatur agar sejumlah CPU menjalankan instruksi-instruksi yang berbeda pada sebuah program dalam waktu yang sama. Kemampuan eksekusi terhadap beberapa proses perangkat lunak dalam sebuah sistem secara serentak, jika dibandingkan dengan sebuah proses dalam satu waktu, meski istilah multiprogramming lebih sesuai untuk konsep ini. Multiprocessing sering diimplementasikan dalam perangkat keras (dengan menggunakan beberapa CPU). Sementara multiprogramming sering digunakan dalam perangkat lunak. Sebuah sistem mungkin dapat memiliki dua kemampuan tersebut, salah satu di antaranya, atau tidak sama sekali. Beberapa klasifikasi pada multiprocessing berdasarkan simetrinya terbagi atas (Grama, 2003); (a) Asymmetric Multiprocessing-AMP, pada metode ini dilakukan penjadwalan prosesor sebagai Master-Slave. (b) Symmetric Multiprocessing- SMP, pada metode ini setiap prosesor menjadwalkan dirinya sendiri (self scheduling). Penjadwalan terlaksana dengan menjadwalkan setiap prosesor untuk memeriksa antrian dan memilih suatu proses untuk dieksekusi. (c) Nonuniform Memory Access-NUMA, pada metode ini waktu akses memori tergantung pada lokasi memori relatif terhadap prosesor. Penggunaan utama cluster komputer lebih ditujukan untuk tujuan komputasi, daripada penanganan operasi yang berorientasi inputoutput-io seperti layanan web atau basis data. Terdapat beberapa model desain dari cluster diantaranya untuk komputasi dengan komunikasi data yang sering antar node-node. Cluster ini menggunakan sebuah jaringan terdedikasi yang sama dan mungkin juga merupakan node-node yang bersifat homogen. Desain kluster seperti ini, umumnya disebut juga sebagai Beowulf Cluster (van der Steen, 2003). Ada juga desain yang lain, yakni untuk komputasi yang hanya menggunakan satu atau beberapa node saja dan membutuhkan komunikasi data antar node yang sangat sedikit atau tidak ada sama sekali. Desain kluster ini, sering disebut sebagai Grid. Beberapa komputer cluster yang saling terhubung dan didesain sedemikian rupa, umumnya disebut dengan Supercomputing. Beberapa perangkat lunak Middleware seperti MPI atau Parallel Virtual Machine-PVM mengizinkan program komputasi clustering agar dapat dijalankan di dalam cluster-cluster tersebut. 3. Rock Cluster Dikalangan peneliti High Performance Clusters-HPC telah menjadi pilihan sebagai perangkat komputasi untuk berbagai disiplin ilmu, meskipun kompleksitas dalam melakukan desain dan manajemen cluster masih terasa. Teknik pembuatan cluster saat ini semakin berkembang pesat dengan berbagai macam konsep yang berbeda dalam hal automatic installer yang diterapkan pada node komputer. Instalasi otomatis merupakan sistem instalasi operating systems-os pada server yang juga digunakan untuk konfigurasi kumpulan software pada komputer remote atau node. Instalasi otomatis pada umumnya dibedakan menjadi dua kelompok yaitu image based dan package based. Image based adalah sistem instalasi otomatis yang membuat kumpulan software dalam sistem image sehingga pengguna dapat melakukan mounting pada server. Setiap instalasi dan modifikasi software atau konfigurasi pada client harus dibuat image baru. Contoh distribusi OS cluster ini adalah Oscar. Package based adalah sistem instalasi otomatis yang menggunakan software stack yang memuat daftar beberapa macam paket yang akan diinstal pada komputer node, contohnya adalah Red Hat kickstart, dan Debian FAI. Rolls adalah koleksi paket dan konfigurasi rincian yang modular plug ke distribusi basis Rocks. Sistem ini memiliki kelebihan dalam hal kemudahan instalasi dan modifikasi software komputer client. Gambar 3-1 menunjukkan arsitektur tradisional yang digunakan untuk komputasi High Performance Clusters-HPC. Desain ini Gambar 3-1. Arsitektur komputasi high performance
280 S.C. Pranoto et al. digunakan pada jaringan dari suatu Workstation (Anderson, et al., 1995), dan dipopulerkan pada proyek Beowulf (Sterling et al., 1995). Sebuah node front-end biasanya memiliki dua kartu antarmuka jaringan (NIC). Salah satu NIC terhubung ke eksternal, jaringan publik. NIC lainnya digunakan untuk menghubungkan ke jaringan pribadi dari Dalam metode integrasi; operating systems-os, servis cluster specific, dan tool cluster building dibundel dalam satu distribusi. Semua servis cluster dan tools diinstal dan dikonfigurasi saat instalasi inisial pada node frontend. Pada frontend Rocks bundel ini dijadikan sebagai base/boot Roll. Dengan instalasi node frontend Rocks interaktif memungkinkan administrator untuk mengkonfigurasi jaringan eksternal NIC. Hal ini juga memungkinkan administrator untuk menentukan rincian konfigurasi jaringan (seperti alamat dan subnet IP mask) dari jaringan private NIC, untuk menetapkan alamat IP untuk node client dari cluster di bagian akhir proses instalasi. 4. Metode Pada pengolahan informasi data medan magnet Bumi berbasis komputer cluster ini menggunakan 5 komputer IBM dengan satu komputer sebagai frontend dan software Rocks Cluster dipilih sebagai sistem operasi untuk Perangkat lunak open source ini dirancang untuk memastikan bahwa distribusi disesuaikan untuk setiap node dan bekerja pada sistem operasi Linux. Rocks v.5.3 merupakan sistem instalasi otomatis yang termasuk dalam package based. Rocks yang dikembangkan oleh San Diego Supercomputer Center-SDSC merupakan distribusi OS cluster yang terpopuler di dunia saat ini. Rocks berbasis pada distribusi Linux Red Hat (versi CentOS) dan menggunakan mekanisme kickstart untuk menginstal paket software pada komputer node. Paket software dapat dibuat dalam bentuk rolls dan dikategorikan pada level stack tertentu. Rocks menggunakan pilihan beberapa Job Management Systems diantaranya SGE, OpenPBS, dan Condor. 5. Pembahasan Pengujian yang dilakukan pada aplikasi ini terdiri dari 3 bagian. Pertama pengetesan pada setiap node dari Bagian kedua pada Gambar 5-1. Implementasi komputer komputer frontend untuk Bagian terakhir pengujian sistem secara keseluruhan termasuk didalamnya model pengolahan aktifitas medan magnet Bumi. Gambar 5-1 merupakan implementasi dari pengembangan komputer cluster yang dilakukan serta penggunaannya untuk melakukan perhitungan dari model indek aktivitas geomagnet. Terdapat tiga jenis model indek yang diterapkan dalam aplikasi cluster ini diantaranya; (a) Indek K merupakan indeks aktivitas geomagnet yang biasa digunakan untuk mengkarakterisasi kondisi medan magnet yang bersifat lokal (Juangsih, 2015). (b) Indek pulsa magnet Pc3, karakteristik pulsa magnet Pc3 berdasarkan amplitudo dan spektrum dayanya (Pranoto, 2010). (c) Indeks pulsa magnet Pc5, karakteristik indek dikonstruksi secara logaritmik dengan mengikuti kaidah indeks (Bangkit, 2014). Untuk test performa cluster dengan sebuah node menghasilkan kecepatan sebesar 358 Mflops. Sedangkan untuk 5 node sebesar 1.79 Gflop. Floating point Operations Per Second- FLOPS merupakan satuan untuk jumlah perhitungan yang dapat dilakukan oleh komputer terhadap bilangan pecahan (floating point) per satu satuan waktu. FLOPS merupakan satuan pengukuran kecepatan kinerja suatu mikroprosesor biasanya dalam aplikasi ilmiah. Uji performa benchmark pada komputer cluster yang dibangun dilakukan dengan menjalankan aplikasi black jack pada matlab. Hasil test tersebut seperti ditunjukkan pada Gambar 5-2 sampai Gambar 5-4. Sedangkan Gambar 5-5 sampai Gambar 5-7 merupakan contoh hasil pengolahan dari model indek aktivitas Geomagnet. Pada masing-masing gambar tersebut tertulis lama waktu pemrosesan dari masing-masing pengolahan. Hal ini menunjukkan adanya efisiensi waktu.
Pengolahan Informasi Data Medan Magnet... 281 (a) Gambar 5-2. (a) Simulasi test benchmark dengan aplikasi blackjack untuk 6 worker, (b) Plot Speedup (b) (a) Gambar 5-3. (a) Simulasi test benchmark dengan aplikasi blackjack untuk 16 worker, (b) Plot Speedup (b) (a) Gambar 5-4. (a) Simulasi test benchmark dengan aplikasi blackjack untuk 24 worker, (b) Plot Speedup (b)
282 S.C. Pranoto et al. Gambar 5-5. Pengolahan indek K dengan menggunakan komputer Gambar 5-6. Pengolahan indek Pc3 dengan menggunakan komputer Gambar 5-7. Pengolahan indek Pc5 dengan menggunakan komputer
Pengolahan Informasi Data Medan Magnet... 283 6. Kesimpulan Telah dikembangkan sistem komputer cluster dengan frontend Rocks untuk komputasi pada pengolahan data pengamatan medan magnet Bumi. Hasil perfoma kecepatan dengan menggunakan node tunggal sebesar 358 Mflops, sedangkan sistem komputer cluster dengan 5 node sebesar 1.79 Gflop. Hal ini menjunjukkan bahwa sistem komputer cluster ini dapat mengerjakan berbagai permasalahan kompleks lebih cepat jika dibandingkan dengan menggunakan komputer yang berdiri sendiri. Toolkit frontend Rocks juga dapat membantu mempercepat pembuatan cluster dan instalasi aplikasi pendukungnya seperti aplikasi pengolahan data medan magnet Bumi. Untuk kedepannya masih harus dilakukan kajian lebih lanjut tentang pengaruh jumlah node terhadap hasil yang didapat, juga pembuatan algoritma dari middleware, yang seharusnya dapat lebih mengoptimalkan waktu proses. Rujukan Anderson, T., Culler, D., and Patterson, D. (1995). A Case for NOW (Networks of Workstations). IEEE Micro, 15, 54. Baker, M., Apon. A., Buyya, R., Jin, H. (2001). Cluster Computing and Applications. Encyclopedia of Computer Science and Technology, Vol.45, Marcel Dekker. Bangkit, H. (2014). Penentuan Indeks Pulsa Magnet Pc5Di Indonesia. Master Tesis, Institute Teknologi Bandung. Buyya, R. (1999). High Performance Cluster Computing: Architectures and Systems, vol. 1, Prentice Hall. Flynn, M. J And Rudd, K. W. (1996). Parallel Architectures. ACM Computing Surveys, 28, 1. Grama, A. (2003). An Introduction to Parallel Computing: Design and Analysis of Algorithms, Second Edition. Person, Addison Wesley. Juangsih, M. (2015). Penentuan Indeks K Geomagnet Untuk Daerah Indonesia. Tesis Magister Sains Kebumian ITB. Lewis, T. G. (1990). Scheduling parallel program tasks onto arbitrary target machines. Journal of Parallel and Distributed Computing, 9, 138. Pfister, G. F. (1998). In Search of Clusters, 2nd Edition, Prentice Hall. Pranoto, S. C. (2011). Identifikasi Karakteristik Pulsa Magnet Pc3 Menggunakan Data Magnetometer Landas Bumi Stasiun Biak. Prosiding Seminar Nasional Sains Atmosfer dan Antariksa 2011, Pusat Sains dan Teknologi Atmosfer, Pusat Sains Antariksa. Shinde, N. K. (2015). Architectures of Flynn s taxonomy : A Comparison of Methods. IJISET - International Journal of Innovative Science, Engineering & Technology, 2, 9. Sterling, T., Savarese, D. (1995). BEOWULF: A parallel workstation for scientific computation. In 24th International Conference on Parallel Processing, Oconomowoc, WI. Van der Steen, A. J. (2003). An Evaluation of Some Beowulf Clusters. Cluster Computing, 6, 287. The Beowulf Cluster site, http://www.beowulf.org SETYANTO CAHYO PRANOTO, bekerja sebagai pegawai negeri sipil di lingkungan Lembaga Penerbangan dan Antariksa Nasional (LAPAN) sejak tahun 2008 dan menjadi salah satu Peneliti Fisika Ionosferik dan Magntosferik di satuan kerja Pusat Sains Antariksa di Bandung.