Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN: 2548-964X

Vol. 2, No. 8, Agustus 2018, hlm. 2943-2949 http://j-ptiik.ub.ac.id

Perbandingan Performa Database Apache HBase dan Apache Cassandra

Sebagai Media Penyimpanan Data Sensor Internet of Things
Dimas Malik Ibrahim1, Rakhmadhany Primananda2, Mahendra Data3

Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya

Email: 1dimasmalik@student.ub.ac.id, 2rakhmadhany@ub.ac.id, 3mahendra.data@ub.ac.id

Abstrak
Saat ini internet telah menguasai dunia, jutaan data dipertukarkan setiap harinya baik melalui aplikasi
web/mobile maupun penggunaan internet yang melibatkan benda-benda di sekitar kita untuk dapat
saling berkomunikasi satu sama lain (saat ini dikenal dengan sebutan Internet of Things/IoT). IoT
membutuhkan suatu database dengan performa yang baik untuk digunakan sebagai media penyimpanan
datanya. Performa yang baik itu seperti proses penyimpanan data yang cepat dan tingkat availability
yang tinggi. Saat ini terdapat dua jenis database, yaitu Relational Database dan Not Only SQL (NoSQL)
Database. NoSQL Database merupakan jenis yang tepat untuk digunakan sebagai media penyimpanan
data pada sistem IoT karena memiliki tingkat availability yang lebih baik daripada Relational Database.
Dari sekian banyak NoSQL Database, penulis memilih HBase dan Cassandra untuk dibandingkan
performanya dalam penelitian ini, karena keduanya merupakan database terbaik pada model
penyimpanan Column-based. Penulis menguji Throughput, Latency, Runtime, CPU Usage dan Memory
Usage menggunakan JMeter dan YCSB untuk membandingkan performa dari kedua database tersebut.
Hasilnya menunjukkan bahwa Cassandra memiliki nilai Throughput, Latency dan Runtime yang lebih
baik daripada HBase. Sedangkan HBase memiliki nilai CPU Usage, Memory Usage yang lebih baik
daripada Cassandra.
Kata kunci: database, nosql, HBase, Cassandra, YCSB, jmeter
Abstract
Nowadays, internet has dominated the world, millions of data is exchanged daily either through
web/mobile apps or internet use involving the objects around us to be able to communicate each another
(currently known as Internet of Things/IoT). IoT requires a database with a good performance to be
used as its storage media. Good performance it is like fast inserting data process and high level of
availability. There are two types of databases at this time, Relational Database and Not Only SQL
(NoSQL) Database. NoSQL Database is the proper type to be used as data storage media on IoT system
because it has better scalability and availability level than Relational Databases. Of the many NoSQL
Database, the author chooses HBase and Cassandra to compare their performance in this research,
because both are the best in database Column-based storage model. The authors test the Throughput,
Latency, Runtime CPU Usage, and Memory Usage using JMeter and YCSB to compare the performance
of both these databases. The results suggest that Cassandra has Throughput, Latency and Runtime that
is better than HBase. Meanwhile, HBase has CPU Usage and Memory Usage better than Cassandra.
Keywords: database, nosql, HBase, Cassandra, YCSB, jmeter

kita untuk dapat saling berkomunikasi satu sama

1. PENDAHULUAN
Dewasa ini, internet telah menguasai dunia
dengan tanpa ada batasan jarak, waktu bahkan
usia penggunanya. Jutaan data dipertukarkan
setiap harinya baik melalui sosial media, aplikasi
web, aplikasi mobile maupun penggunaan
internet yang melibatkan benda-benda di sekitar
lain, atau pada saat ini lebih sering kita kenal
dengan sebutan Internet of Things (IoT).
Berbicara tentang data, maka tidak akan luput
dari media penyimpanan data itu sendiri, dalam
hal ini sistem basis data (database). Pada IoT,
jumlah data yang dipertukarkan tidak sedikit dan
IoT juga membutuhkan tingkat availability yang
tinggi. Dengan banyaknya baris data yang

Fakultas Ilmu Komputer

Universitas Brawijaya 2943
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
dipertukarkan tersebut, maka dibutuhkan suatu
database dengan performa yang sangat
mumpuni. Saat ini terdapat dua jenis database,
yaitu Relational Database serta Not Only SQL
(NoSQL) Database.
NoSQL Database menjadi solusi atas
beberapa masalah yang dimiliki oleh Relational
Database. NoSQL Database menawarkan solusi
atas masalah skalabilitas dan availability yang
biasanya masih menjadi keterbatasan suatu
sistem Relational Database. NoSQL Database
cocok untuk digunakan sebagai media
penyimpanan data sensor IoT mengingat
availability merupakan faktor terpenting agar
sistem IoT dapat berjalan dengan baik secara
realtime. Ada banyak contoh NoSQL Database
yang banyak digunakan saat ini seperti Apache
Cassandra, MongoDB, Neo4J, Apache HBase,
Aerospike, CouchDB dan masih banyak lagi
yang lainnya (Zafar dkk., 2017).
Dari sekian banyak NoSQL Database,
penulis memilih dua sistem database untuk
dibandingkan performanya dalam penelitian ini,
yaitu HBase dan Cassandra. Alasan penulis
memilih kedua database ini karena keduanya
sama-sama merupakan Column-based database
(Zafar dkk., 2017). Selain itu,, juga karena
HBase maupun Cassandra mumpuni dalam
mengolah data yang super besar, terbukti bahwa
HBase telah digunakan oleh perusahaan seperti
Adobe, Facebook dan Twitter (HBase, 2017),
sementara Cassandra telah digunakan oleh
eBay, GitHub dan Instagram sebagai media
penyimpanan datanya (Cassandra, 2017).
Pada penelitian ini, penulis akan menguji
performa antara HBase dan Cassandra
menggunakan beberapa parameter-parameter
uj,i yaitu Throughput, Latency dan Runtime
database dalam melakukan operasi insert, serta
Memory Usage dan CPU Usage dari database
server ketika melakukan operasi insert. Alasan
penulis menggunakan parameter-parameter
tersebut karena menurut penelitian sebelumnya
yang dilakukan oleh Veronika Abramova, Jorge
Bernardino dan Pedro Furtado, menjelaskan
bahwa Latency, Throughput serta Execution
Time (Runtime) merupakan parameter yang
digunakan untuk menilai performa dari suatu
database. Selain itu, penulis juga menambahkan
parameter CPU Usage dan Memory Usage dari
database server agar menambah pertimbangan
dalam penentuan database mana yang lebih baik
di antara HBase dan Cassandra ketika
digunakan sebagai media penyimpanan data
sensor IOT (Abramova, Bernardino and Furtado,
Fakultas Ilmu Komputer, Universitas Brawijaya
2944
2014).
Untuk mengetahui performa yang paling
baik di antara HBase dan Cassandra, penulis
akan menggunakan skenario pengujian dengan
memasukkan data dengan jumlah baris data yang
berbeda-beda pada setiap percobaanya. Selain
itu, berdasarkan kebutuhan akan tingkat
ketersediaan yang baik dan realtime dari suatu
sistem database media penyimpanan data sensor
IoT, maka penulis menggunakan lebih dari satu
node database server, agar nantinya ketika satu
node down/mati, maka node yang lain akan
menjadi backupnya. Oleh karena itu, penulis
juga menggunakan skenario pengujian dengan
mengubah jumlah node database server yang
digunakan pada setiap percobaannya
2. PERANCANGAN
2.1 Perancangan Sistem
Penelitian ini melakukan simulasi
menggunakan 4 virtual machine (VM) yang
sudah terinstal HBase dan Cassandra di
dalamnya. Semua VM dijalankan pada 4 PC
(terdapat 1 VM pada masing-masing PC) yang
semuanya diremote melalui sebuah Laptop.
Semua PC dan Laptop ini dihubungkan oleh
sebuah Switch menggunakan Kabel LAN.
Gambar 1 Topologi Jaringan
Gambar di atas merupakan topologi
jaringan yang diterapkan pada penelitian ini.
Setiap node database server pada gambar di atas
dikonfigurasi IP-nya agar antara node satu
dengan node yang lainnya dapat berkomunikasi
dengan baik. Adapun konfigurasi IP node-node
tersebut terdapat pada tabel di bawah ini.
Tabel 1 Konfigurasi Jaringan
Hostname Konfigurasi
BOOTPROTO=static
node1
IPADDR=192.168.43.31
BOOTPROTO=static
node2
IPADDR=192.168.43.32
node3 BOOTPROTO=static
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2945

IPADDR=192.168.43.33 lebih besar daripada Cassandra pada skenario

BOOTPROTO=static menggunakan 1 node. Oleh karena itu, dapat
node4
IPADDR=192.168.43.34 disimpulkan bahwa Cassandra memiliki
performa Throughput yang lebih baik daripada
2.2 Perancangan Skenario Pengujian HBase dalam memasukkan data, karena semakin
Terdapat dua jenis skenario pengujian yang besar nilai Throughput berarti semakin cepat
dilakukan untuk menguji performa sistem pula proses memasukkan data ke dalam suatu
database pada penelitian ini, yaitu berdasarkan sistem database.
banyaknya baris data yang dimasukkan (50.000,
100.000, 250.000 dan 500.000 baris data) dan
berdasarkan jumlah node yang digunakan (1, 2,
3 dan 4 node database server). Adapun
parameter uji yang digunakan antara lain
Throughput, Latency, Runtime, Memory Usage
dan CPU Usage.

3. HASIL DAN PEMBAHASAN

3.1 Hasil Pengujian

Gambar 3 Perbandingan Hasil Pengujian Latency

Gambar 3 di atas merupakan perbandingan

Gambar 2 Perbandingan Hasil Pengujian
Throughput
Gambar 2 di atas merupakan perbandingan
hasil pengujian Throughput antara HBase dan
Cassandra pada saat memasukkan 50.000,
100.000, 250.000 dan 500.000 baris data.
Berdasarkan grafik di atas dapat dilihat
bahwa Cassandra memiliki Throughput yang
lebih besar daripada HBase pada skenario
pengujian menggunakan 2, 3 dan 4 node.
Sedangkan HBase memiliki Throughput yang
hasil pengujian Latency antara HBase dan
Cassandra pada saat memasukkan 50.000,
100.000, 250.000 dan 500.000 baris data.
Berdasarkan grafik di atas dapat dilihat
bahwa Cassandra memiliki Latency yang lebih
kecil daripada HBase pada seluruh skenario
pengujian menggunakan 1, 2, 3 dan 4 node. Oleh
karena itu, dapat disimpulkan bahwa Cassandra
memiliki performa Latency yang lebih baik
daripada HBase dalam memasukkan data,
karena semakin kecil nilai Latency berarti
semakin cepat pula proses memasukkan data ke
dalam suatu sistem database.

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Gambar 4 Perbandingan Hasil Pengujian Runtime
Dari Gambar 4 di atas dapat dilihat bahwa
Cassandra memiliki Runtime yang lebih kecil
daripada HBase pada seluruh skenario pengujian
menggunakan 1, 2, 3 dan 4 node. Jadi dapat
disimpulkan bahwa Cassandra memiliki
performa Runtime yang lebih baik daripada
HBase dalam memasukkan data.
Fakultas Ilmu Komputer, Universitas Brawijaya
2946
Gambar 5 Perbandingan Hasil Pengujian Memory
Usage
Gambar 5 di atas merupakan perbandingan
hasil pengujian Memory Usage antara HBase
dan Cassandra pada saat memasukkan 50.000,
100.000, 250.000 dan 500.000 baris data.
Berdasarkan grafik di atas dapat dilihat
bahwa HBase memiliki Memory Usage yang
lebih kecil daripada Cassandra pada seluruh
skenario pengujian menggunakan 1, 2, 3 dan 4
node. Jadi dapat disimpulkan bahwa HBase
memiliki performa Memory Usage yang lebih
baik daripada Cassandra dalam memasukkan
data, karena semakin kecil nilai Memory Usage
berarti semakin sedikit resource RAM yang
diigunakan oleh suatu sistem database dalam
proses memasukkan data.
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Gambar 6 Perbandingan Hasil Pengujian CPU
Usage
Gambar 6 di atas merupakan perbandingan
hasil pengujian CPU Usage antara HBase dan
Cassandra pada saat memasukkan 50.000,
100.000, 250.000 dan 500.000 baris data.
Berdasarkan grafik di atas dapat dilihat
bahwa HBase memiliki CPU Usage yang lebih
kecil daripada Cassandra pada seluruh skenario
pengujian menggunakan 1, 2, 3 dan 4 node. Jadi
dapat disimpulkan bahwa HBase memiliki
performa CPU Usage yang lebih baik daripada
Cassandra dalam memasukkan data, karena
semakin kecil nilai CPU Usage berarti semakin
sedikit resource prosesor yang diigunakan oleh
suatu sistem database dalam proses
memasukkan data.
3.2 Pembahasan
• Berdasarkan hasil perbandingan
Throughput antara HBase dan Cassandra,
Cassandra memiliki nilai Throughput yang
lebih besar daripada HBase pada arsitektur
terdistribusi. Sedangkan HBase memiliki
nilai Throughput yang lebih besar daripada
Cassandra pada arsitektur Standalone
mode. Pada HBase, perbedaan antara
arsitektur terdistribusi dengan Standalone
mode terdapat pada penggunaan
Zookeeper-nya. Pada Standalone mode,
Fakultas Ilmu Komputer, Universitas Brawijaya
2947
HBase tidak perlu menggunakan bantuan
aplikasi Apache Zookeeper native untuk
mengkoordinir node-node database server-
nya, melainkan cukup dengan
mengaktifkan fitur
HBASE_MANAGES_ZK pada file hbase-
env.sh dalam direktori konfigurasi HBase.
Maka dari itu, dapat disimpulkan bahwa
penggunaan fitur Zookeeper bawaan dapat
menyebabkan HBase memiliki nilai
Throughput dalam transaksi data yang lebih
besar daripada penggunaan aplikasi Apache
Zookeeper native. Sedangkan apabila
menggunakan aplikasi Apache Zookeeper
native, semakin banyak jumlah node yang
harus dikoordinir, maka nilai Throughput
dalam transaksi data akan semakin kecil.
• Berdasarkan hasil perbandingan Latency
antara HBase dan Cassandra, Cassandra
memiliki nilai Latency yang lebih kecil
dibandingkan dengan HBase, baik pada
arsitektur terdistribusi maupun Standalone
mode. dapat Selain itu, dapaat disimpulkan
bahwa semakin banyak node yang
digunakan pada suatu arsitektur sistem
database, maka nilai Latency akan semakin
besar. Hal ini disebabkan karena delay
distribusi data akan semakin besar pada
suatu arsitektur dengan jumlah node yang
semakin banyak.
• Berdasarkan hasil perbandingan Runtime
antara HBase dan Cassandra, serta
berdasarkan dua parameter yang telah
dibahas sebelumnya (Throughput dan
Latency), Cassandra memiliki performa
yang lebih baik daripada HBase karena
memiliki nilai Runtime yang lebih kecil
pada seluruh skenario pengujian. Oleh
karena itu, dapat disimpulkan bahwa nilai
Throughput yang besar dan nilai Latency
yang kecil akan membuat nilai Runtime
menjadi kecil atau dengan kata lain proses
transaksi data membutuhkan waktu yang
singkat. Selain itu, dapat disimpulkan juga
bahwa semakin banyak node yang
digunakan, maka nilai Runtime akan
semakin besar. Hal ini disebabkan karena
butuh waktu yang semakin lama bagi suatu
data untuk terdistribusi pada suatu
arsitektur dengan jumlah node yang
semakin banyak.
• Berdasarkan hasil perbandingan Memory
Usage antara HBase dan Cassandra, HBase
menggunakan resource yang lebih kecil
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
daripada Cassandra karena memiliki
persentase Memory Usage yang lebih kecil
pada seluruh skenario pengujian. Hal ini
disebabkan karena, meskipun HBase
menjalankan jumlah aplikasi yang lebih
banyak (Hadoop, Zookeeper dan HBase itu
sendiri) tapi aplikasi-aplikasi tersebut
menggunakan resource memori yang lebih
sedikit dibandingkan dengan Cassandra
yang (meskipun hanya menjalankan satu
aplikasi yaitu Cassandra itu sendiri)
menggunakan resource memori yang lebih
banyak.
• Berdasarkan hasil perbandingan CPU
Usage antara HBase dan Cassandra, HBase
menggunakan resource yang lebih kecil
daripada Cassandra pada arsitektur
terdistribusi. Sedangkan Cassandra
menggunakan resource yang lebih kecil
daripada HBase pada arsitektur Standalone
mode. Pada HBase, perbedaan antara
arsitektur terdistribusi dengan Standalone
mode terdapat pada penggunaan
Zookeeper-nya. Pada Standalone mode,
HBase tidak perlu menggunakan bantuan
aplikasi Apache Zookeeper native untuk
mengkoordinir node-node database server-
nya, melainkan cukup dengan
mengaktifkan fitur
HBASE_MANAGES_ZK pada file hbase-
env.sh dalam direktori konfigurasi HBase.
Jadi, dapat disimpulkan bahwa penggunaan
fitur Zookeeper bawaan HBase,
menggunakan resource prosesor yang lebih
banyak daripada penggunaan aplikasi
Apache Zookeeper native.
4. KESIMPULAN
Berdasarkan dari pembahasan hasil
pengujian performa pada database Apache
HBase dan Apache Cassandra, maka dapat
ditarik kesimpulan bahwa:
1. Apache Cassandra memiliki performa
transaksi data yang lebih baik daripada
Apache HBase dengan perbandingan rata-
rata performa sebagai berikut, Cassandra :
HBase, Throughput (1051,74 : 821,57),
Latency (1,22 : 2,76) dan Runtime (4,44 :
10,64). Sedangkan Apache HBase
menggunakan resource hardware yang
lebih hemat daripada Apache Cassandra
dengan perbandingan rata-rata performa
sebagai berikut, HBase : Cassandra,
Memory Usage (57,15 : 74,41) dan CPU
Fakultas Ilmu Komputer, Universitas Brawijaya
2948
Usage (32,06 : 49,33). Dari hasil di atas,
dapat disimpulkan bahwa Cassandra
merupakan sistem database yang paling
baik untuk digunakan sebagai media
penyimpanan data sensor IoT karena
memiliki performa transaksi data yang lebih
baik daripada HBase, karena suatu sistem
IoT membutuhkan kecepatan yang baik
dalam proses transaksi datanya.
2. Jumlah node database server yang
digunakan serta banyak baris data yang
dimasukkan merupakan faktor-faktor yang
mempengaruhi performa sistem database
HBase maupun Cassandra. Apabila jumlah
node yang digunakan semakin banyak dan
jumlah data yang dimasukkan semakin
besar, maka nilai Throughput akan semakin
kecil dan nilai Latency akan semakin besar,
sehingga akan menyebabkan nilai Runtime
akan semakin besar atau proses transaksi
data membutuhkan waktu yang semakin
lama.
DAFTAR PUSTAKA
Abramova, V., Bernardino, J. dan Furtado, P.
(2014) “Testing Cloud Benchmark
Scalability with Cassandra,” 2014 IEEE
World Congress on Services, hal. 434–441.
doi: 10.1109/SERVICES.2014.81.
Cassandra, A. (2017) Apache Cassandra,
Online. Tersedia pada:
http://Cassandra.Apache.org/ (Diakses: 18
April 2017).
Cisco (2017) Internet of Things (IoT) - Cisco,
Online. Tersedia pada:
http://www.cisco.com/c/en/us/solutions/int
ernet-of-things/overview.html (Diakses: 5
Maret 2017).
Elmasri, R. dan Navathe, S. B. . (2011)
Fundamentals of Database Systems. 6 ed.
Addison-Wesley.
HBase, A. (2017) Apache HBase – Powered By
Apache HBase, Online. Tersedia pada:
https://HBase.Apache.org/poweredbyHBas
e.html (Diakses: 18 April 2017).
JMeter, A. (2017) Apache JMeter - Apache
JMeterTM, Online. Tersedia pada:
http://JMeter.Apache.org/ (Diakses: 5
Maret 2017).
Kuhlenkamp, J., Klems, M. dan Röss, O. (2014)
“Benchmarking Scalability and Elasticity
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2949

of Distributed Database Systems,” Proc.

VLDB Endow., 7(12), hal. 1219–1230. doi:
10.14778/2732977.2732995.
Nayak, A., Poriya, A. dan Poojary, D. (2013)
“Type of NOSQL Databases and its
Comparison with Relational Databases,”
International Journal of Applied
Information Systems, 5(4), hal. 16–19.
Oracle (2017) Big Data | What is Big Data? |
Oracle, Online. Tersedia pada:
https://www.oracle.com/big-
data/index.html (Diakses: 18 April 2017).
Swaminathan, S. N. dan Elmasri, R. (2016)
“Quantitative analysis of scalable NoSQL
databases,” Proceedings - 2016 IEEE
International Congress on Big Data,
BigData Congress 2016, hal. 323–326. doi:
10.1109/BigDataCongress.2016.49.
Tutorialspoint (2017) Cassandra Architecture,
Online. Tersedia pada:
https://www.tutorialspoint.com/Cassandra/
Cassandra_architecture.htm (Diakses: 13
Juli 2017).
White, T. (2015) Hadoop: The definitive guide,
Online. doi: citeulike-article-id:4882841.
Zafar, R. dkk. (2017) “Big Data: The NoSQL and
RDBMS review,” ICICTM 2016 -
Proceedings of the 1st International
Conference on Information and
Communication Technology, (May), hal.
120–126. doi:
10.1109/ICICTM.2016.7890788.
Zookeeper (2017) Zookeeper, Online. Tersedia
pada:
https://Zookeeper.Apache.org/doc/trunk/Zo
okeeperOver.html (Diakses: 13 Juli 2017).

Fakultas Ilmu Komputer, Universitas Brawijaya