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

Halaman
The Role of Grid Computing Technologies In Cloud Computing 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
2.2 Model Lapisan dan Pola Penggunaan Grid Dan Cloud 6
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 Basics of Grid and Cloud Computing

2.1.1 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 peer-
to-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-size-
fits-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.