Dosen Pengampu :
Disusun Oleh :
672016116
Salatiga
2019
1. Judul
2. Latar Belakang
Aplikasi web dan jejaring social saat ini melayani miliaran pengguna
di seluruh dunia. Pengguna ini menghasilkan miliaran pencarian kata kunci
dan jutaan pembaruan objek data per detik[1]. Untuk mengurangi beban
backend diperlukan layanan tambahan seperti Redis yang menggunakan
algoritma chaching tidak fleksibel, tetapi kebutuhan setiap aplikasi
bervariasi dan keuntungan kinerja yang signifikan dapat dicapai dengan
strategi yang disesuaikan[2].
Redis mendukung berbagai jenis data dan mudah untuk menerapkan
system penandaan menggunakan SET dan HASH object. Redis juga
mendukung penyimpanan pada disk dan replikasi master / slave. Ini adalah
fitur yang sangat popular. Dengan menyiapkan replikasi, anda dapat
menghindati satu titik kegagalan dan mencapai penyimpanan dengan
ketersediaan yang tinggi.
Redis juga mendukung banyak basis data yang menggunakan
instace server yang sama sehingga dapat menggunakan database yang
berbeda untuk Cache, FPC dan Session tanpa memulai proses Listening
pada port yang berbeda[3][4].
Dari sudut pandang pengguna dalam menyebutkan model data.
Berbeda dengan sistem perusahaan, di mana model data relatif terdefinisi
dengan baik, dalam komputasi awan kami bertemu lebih banyak model data,
mis. untuk data terstruktur dan tidak terstruktur, multimedia dan metadata,
apalagi kita bisa berurusan dengan berbagai model yang berasal dari sumber
data digunakan untuk suatu aplikasi. Arsitektur komputasi awan harus
menyediakan kemungkinan untuk menggabungkan model-model ini.
Masalah terkait pengguna lainnya termasuk keamanan dan enkripsi,
interoperabilitas dan konsistensi dijamin dengan menggunakan transaksi.
Kami akan membahas beberapa dari isu-isu basis data[4][5].
Dalam beberapa tahun terakhir sejumlah sistem baru telah dirancang
untuk memberikan skalabilitas horizontal yang baik untuk operasi database
baca / tulis sederhana yang didistribusikan banyak server[6][7].
Beberapa kelemahan ada saat menggunakan spasial basis data.
Pertama, kecepatan rendah akses disk membatasi kinerja. Satu permintaan
akan menelan biaya sekitar puluhan milidetik dan sulit bagi komputer
pribadi yang normal untuk merespon ratusan permintaan dalam satu detik.
Kedua, untuk mencapai Properti ACID, database tradisional
biasanya menggunakan tabel kunci level, yang menurunkan kinerja ketika
multi pengguna mencoba mengedit fitur dari satu tabel.
Ketiga, SQL singkat Kalimat dapat merangkum banyak pemrosesan
kompleks, yang membuat Query atau memperbarui kalimat menjadi lebih
mudah. Tapi di sisi lain jenis bahasa SQL sederhana ini membuatnya sulit
untuk memperkirakan waktu pelaksanaan Query atau operasi pembaruan,
terutama ketika banyak kali akses disk dimasukkan. Sehingga sulit untuk
menetapkan tugas ke beberapa node dalam distribusi lingkungan Hidup.
Oleh karena itu, dibatasi oleh kinerja rendah, database spasial tidak
cocok untuk akses data berkinerja tinggi, meskipun demikian mendukung
beberapa sifat transaksional. Kita butuh yang lebih tinggi sistem
kinerja[1][8][9].
3. Rumusan Masalah
Rumusan Masalah
1) Bagaimana membuat website yang memiliki system load source
yang efisien?
2) Bagaimana mengimplementasikan redis untuk optimalilasi website?
4. Tujuan Penelitian
1) Mengetahui bagaimana suatu website bisa ringan dalam load source
filenya.
2) Mengetahui bagaimana redis bekerja mempercepat akses sebuah
website.
5. Manfaat Penelitian
1) Memberikan sebuah informasi tentang pembuatan website yang
menerapkan optimalisasi caching source
2) Memberikan sebuah informasi tentang penggunaan redis dalam
optimalisasi website
6. Tinjauan Pustaka
1) Penelitian Terdahulu
Keren Ouaknine dkk (2017). Optimization of RocksDB for Redis
on Flash. Penelitian ini ditujukan untuk menganalisis RockDB
dalam konteks stress testing RocksDB. Pengoptimalan tumpukan
kasus penggunaan penuh pada dunia nyata dengan RocksDB
menjadi salah satu mesin garis bawah. Mirip dengan Redis pada
Flash, beberapa ekstensi Redis lainnya menggunakan flash drive
untuk memperluas kemampuan Redis. Redis Naive-Disk-Store
(NDS) menggunakan LMDB untuk mengelola nilai drive lokal.
Data secara berkala, jadi jika terjadi kerusakan, pengguna hanya
kehilangan pembaruan yang terjadi sejak flush terakhir[10].
E. Wahyu dkk (2017). Optimalisasi Server SIMAK Menggunakan
Memcached dan Mirror Server Untuk Meningkatkan Kecepatan
Akses Layanan Akademik Universitas Siliwangi.Pada penelitian
yang di lakukan Wahyu dkk bertujuan untuk meningkatkan
kecepatan akses pada web SIMAK dengan menggunakan cache
pada server yang dimana lebih cepat load datanya dari pada load
langsung pada database. Dalam teknik seperti ini akses database
dari website yang bersifat dinamis dengan caching data dan objek
dalam memory. Penggunaan cache pada suatu website sangat
berperan pada kecepatan akses suatu website[11].
[6] R. Cattell, “Scalable SQL and NoSQL data stores,” ACM SIGMOD Rec.,
vol. 39, no. 4, p. 12, 2011.
[7] C. Garrod et al., “Scalable query result caching for web applications,”
Proc. VLDB Endow., vol. 1, no. 1, pp. 550–561, 2008.
[8] Y. Mao, E. Kohler, and R. T. Morris, “Cache craftiness for fast multicore
key-value storage,” p. 183, 2012.
[9] H. Yu, Y. Liu, C. Tian, L. Liu, M. Liu, and Y. Gao, “A cache framework
for geographical feature store,” Proc. - 2012 20th Int. Conf.
Geoinformatics, Geoinformatics 2012, no. 20, 2012.
[15] L. Shi, L. Wei, H. Q. Ye, and Y. Shi, “Measurements of web caching and
applications,” Proc. 2006 Int. Conf. Mach. Learn. Cybern., vol. 2006, no.
August, pp. 1587–1591, 2006.
[16] Q. Pu and H. Li, “This paper is included in the Proceedings of the 13th
USENIX Symposium on Networked Systems Design and Implementation
(NSDI ’16). FairRide: Near-Optimal, Fair Cache Sharing FairRide: Near-
Optimal, Fair Cache Sharing,” 2016.
[23] I. D. Andhica Yuli Intan, “Performa kinerja web server berbasis ubuntu
linux dan turnkey linux,” Penelit. Ilmu Komputer, Sist. Embed. Log., vol. 5,
no. 2, pp. 68–78, 2017.