Perencanaan Infrastruktur

Perencanaan Kapasitas
Infrastruktur e-Bisnis
Perencanaan Infrastruktur
Program Magister Teknologi Informasi
Universitas Indonesia
© Program Magister Teknologi Informasi - UI
1
e-Business Definition

Definisi dari perspektif TI:
 Praktek
pengoperasian secara terintegrasi
proses-proses bisnis yang terlibat dalam
penciptaan nilai tambah dengan memanfaatkan
teknologi informasi dan komunikasi (TIK)
secara ekstensif.
© Program Magister Teknologi Informasi - UI
2
e-Commerce & e-Business


e-Commerce adalah puncak dari “gunung es” ebisnis.
e-Commerce tidak mungkin tanpa kemampuan ebisnis
konsumen
e-Commerce
e-Bisnis
© Program Magister Teknologi Informasi - UI
3
e-Commerce Requirement






Akses dari mana saja & kapan saja (24 jam x 7
hari)
Layanan multi-channel yang terpadu
Respons seketika
Status transaksi dapat dilacak, diubah, bahkan
dibatalkan
Data transaksi yang akurat
Self-service dan personalisasi
© Program Magister Teknologi Informasi - UI
4
e-Business Roles

Proses bisnis yang terpadu (seamless)
dengan
 Integrasi
antara aplikasi-aplikasi yang terlibat
 Manajemen alur-kerja dan proses yang
terpadu (layanan satu atap)
 Kolaborasi antar perusahaan yang menjadi
mata rantai value chain
© Program Magister Teknologi Informasi - UI
5
Capacity Planning

Kriteria mutu layanan online: kinerja (response time),
ketersediaan (prosentase downtime), skalabilitas, dan
keamanan
 Situs dengan kinerja rendah - melampaui batas
psikologis 8 detik – akan ditinggalkan pengunjung
 Situs dengan ketersediaan rendah dapat
berakibat: jatuhnya reputasi/citra dimata publik
dan kehilangan peluang bisnis
 Skalabilitas situs dalam melayani banyak
pengunjung sekaligus menentukan kinerja dan
ketersediaan situs
 Teknologi pengamanan yang tidak memadai
menjadikan pengunjung enggan/takut
bertransaksi
© Program Magister Teknologi Informasi - UI
6
Architecture Capacity

Elemen-elemen utama QoS dalam perancangan
infrastruktur e-Bisnis
Konsumen
Manajemen
Service
Level
Agreement
Pilihan
Teknologi
& Standar
Plafon
Biaya
(Anggaran)
Response time < 8 detik
Ketersediaan > 99.5%
Oracle DBMS,
SSL, dsb.
Kapasitas
Memadai
Instalasi Rp 100 juta
Pemeliharaan < Rp 20 juta/tahun
© Program Magister Teknologi Informasi - UI
7
Quantitative Approach


Misal sasaran 99% availability, berarti hanya boleh
down selama 87,6 jam dalam setahun (1% dari 8.760
jam setahun)
Pendekatan: merancang arsitektur fisik situs
berdasarkan pola penggunaan
 Menentukan
konfigurasi server-server, kapasitas
(bandwidth) jaringan, ukuran server-server,
skalabilitas, keandalan, jenis software, dsb.
 Sumber data: log akses server, pengukuran waktu
download (response), statistik jumlah akses per
hari, jam-jam tersibuk, dsb.
© Program Magister Teknologi Informasi - UI
8
Quantitative Approach

Tahapan:
 Kategorisasi pengguna berdasarkan perilakunya
 Karakterisasi beban kerja situs per sesi
 Pemodelan kinerja situs
 Hitung parameter-parameter model kinerja
 Perkirakan trend pertumbuhan/perubahan
beban
 Perkirakan kinerja situs
© Program Magister Teknologi Informasi - UI
9
Performance Modeling

Proses umum pemodelan:
© Program Magister Teknologi Informasi - UI
10
e-Site Reference Models

Model-model dalam analisa/perencanaan kapasitas:
Model Bisnis
Karakteristik Bisnis
Model Fungsional
Struktur Navigasi
dan Fungsi
Model Pengguna
Pola Perilaku
Pengguna
Model Sumber Daya
Arsitektur Situs
dan Beban Layanan
© Program Magister Teknologi Informasi - UI
11
Reference Models

Model Bisnis
Pola B2C, B2B, C2C, dsb.
 Kategori bisnis online: ritel, lelang, e-market, dsb.


Model Pengguna
Pola navigasi pengunjung situs
 Metrik perilaku


Model Sumber Daya
Model kinerja (utilisasi CPU, dsb.)
 Model beban kerja (rata-rata jumlah request, jumlah
akses tertinggi dalam sehari, dsb.)

© Program Magister Teknologi Informasi - UI
12
Functional Model

Sebagai peta untuk analisa struktur navigasi
Model Fungsional Lelang Online
Pendaftaran Penjual & Pembeli
Penawaran
Pembukaan (setup) Lelang
Evaluasi Penawaran &
Penutupan Lelang
Penjadwalan & Pengiklanan
Transaksi (settlement)
© Program Magister Teknologi Informasi - UI
13
Customer Behavior Model

Pola navigasi per sesi:
 Pola
urutan akses fungsi-fungsi: login, lihat katalog,
cari produk, pesan, mengecek pesanan, dsb.
 Pola navigasi seorang pengunjung dapat berbeda
antara sesi (kunjungan) satu dengan sesi
(kunjungan) berikutnya.

Model-model:
 Customer
Behavior Model Graph (CBMG)
 Customer Visit Model (CVM)
© Program Magister Teknologi Informasi - UI
14
CBMG
© Program Magister Teknologi Informasi - UI
15
CBMG Data Collection

Data diperoleh dari log akses pada server web
 Sesi: urutan akses oleh client (alamat IP) yang
sama
 Batas antar sesi untuk client yang sama:
berdasarkan minimum jarak waktu antar akses,
kalau melebihi berarti sudah masuk sesi berikutnya
Web Server
Web Browser
HTML
collection
HTTP request
HTML file
Access
log file
© Program Magister Teknologi Informasi - UI
16
CBMG Computation
Program: filter, merge, link
HTTP logs
Page
request
logs

Session
log
CBMG
Dari data urutan akses setiap sesi dihitung
probabilitas transisi dari satu titik navigasi (fungsi)
ke titik navigasi (fungsi) lain:
P(i,j) = Ci,j / Σ Ci,k untuk k = 1, …, n
• Ci,j adalah jumlah transisi dari i ke j dalam data
• n adalah jumlah titik navigasi
© Program Magister Teknologi Informasi - UI
17
CBMG Matrix

Matriks CBMG: probabilitas transisi antar titik navigasi
© Program Magister Teknologi Informasi - UI
18
Why CBMG?


Mengukur tingkat penggunaan fungsi-fungsi
Contoh:
 Jumlah
search per sesi:
1 + 0,6 + 0,62 + 0,63 + … = 2,5
CBMG
Entry
0.6
1.0
Home
1.0
Search
© Program Magister Teknologi Informasi - UI
1.0
Browse
0.4
19
Customer Visit Model



CVM: daftar
frekuensi akses
untuk setiap fungsi
(titik navigasi) per
sesi
Juga dihitung dari
data log akses
server Web
Digunakan untuk
membuat model
beban kerja
© Program Magister Teknologi Informasi - UI
20
Zipf’s Law

Frekuensi akses mengikuti hukum distribusi Zipf:
berbanding terbalik dengan ranking popularitas = k/r
untuk suatu konstanta k
© Program Magister Teknologi Informasi - UI
21
CVM Computation

Penentuan jumlah sesi dalam tabel CVM:
 Berdasarkan
kategori pengunjung, atau
 Dengan teknik clustering (pengelompokan data) sesi
 Setiap data sesi direpresentasikan sebagai vektor
yang komponennya adalah fungsi-fungsi atau titik
navigasi
 Misalnya vektor dengan 6 komponen [login,
registrasi, search, pesan, cek-pesanan, logout],
contoh datanya: [1,1,1,0,0,1], [0,0,2,0,0,0],
[1,0,0,0,1,1], dst.
 Dapat menggunakan teknik k-means clustering
berdasarkan jarak antar vektor
© Program Magister Teknologi Informasi - UI
22
K-means Clustering
1
2
k=3
3
4
© Program Magister Teknologi Informasi - UI
23
CVM


Nilai dalam tabel CVM adalah nilai rata-rata tiap
cluster atau kategori pengunjung.
Contoh CVM dengan jumlah cluster k = 4
© Program Magister Teknologi Informasi - UI
24
Why CVM?

CVM dapat membantu mengetahui:
Rata-rata berapa kali suatu fungsi diakses per sesi
(kunjungan)
 Berapa probabilitas seorang pengunjung melakukan
transaksi pembelian dalam satu kunjungan
 Berapa jumlah request (dokumen yang diakses) yang
diterima server web rata-rata per sesi
 Berapa rata-rata transaksi yang terjadi per hari
 Berapa prosentase pengunjung yang meninggalkan
situs dalam keadaan keranjang belanjaan (shopping
cart) terisi

© Program Magister Teknologi Informasi - UI
25
Workload Model


Pemodelan beban berdasarkan arsitektur fisik dimana
fungsi-fungsi dijalankan dan CVM
Contoh:
Web Server
Application
Server
Client
Browser
Database
Server
Secure
Web Server
Payment
Server
e-Commerce Site
© Program Magister Teknologi Informasi - UI
26
CVM Example

Contoh CVM sederhana:
Tipe Sesi:
Baca daftar
iklan properti
Prosentase: 5%
Pasang iklan
properti
Cari iklan
properti
19%
76%
Melibatkan web server
dan application server
Melibatkan web server
Show
list
Entry
1.0
Submit
form
0.19
Search
keyword
1.0
1.0
Show
results
1.0
Get
status
1.0
Melibatkan web, application,
dan database server
© Program Magister Teknologi Informasi - UI
27
Client Server Interaction Diagram

Contoh CSID sederhana:
[p,m] p: probabilitas dalam satu sesi m: ukuran data dalam kilo bytes
© Program Magister Teknologi Informasi - UI
28
CSID

Dari CSID dapat dihitung
 Probabilitas
DB server akan digunakan dalam suatu
sesi: 1,0 x 0,95 x 0,8 = 0,76
 Berapa kali rata-rata server apklikasi akan
digunakan dalam suatu sesi: 1 x (0,95 x 0,2) + 2 x
(0,95 x 0,8) = 1,71 kali
 Berapa rata-rata jumlah kbytes per sesi yang
melalui jaringan lokal (LAN) yang menghubungkan
server-server situs: 0,05 x (m1+m2) + 0,19 x
(m1+m3+m4+ m5) + 0,76 x (m1+m3+m6+m7+m8+m9)
© Program Magister Teknologi Informasi - UI
29
Performance Analysis

Perkiraan kapasitas berdasarkan CSID
 Jumlah maksimum sesi paralel yang dapat dilayani
tanpa delay untuk LAN dengan bandwidth 100 Mbps
≈ 10.000 kbyte/second (termasuk datagram packet
overhead)

Misalnya rata-rata kbyte persesi adalah 15 kbytes
maka kapasitas jaringan adalah 10.000/15 = 666,66
sesi paralel
internet
router
LAN
100Mbps
Web
server
Application
server
© Program Magister Teknologi Informasi - UI
DB
server
30
Performance Analysis

Perkiraan kapasitas berdasarkan CSID
 Kapasitas
server aplikasi
 Misalnya utilisasi CPU setiap penggunaan adalah
0,5%, maka kapasitas application server adalah:
100 / (1,71 x 0,5) = 116,96 sesi paralel
(lebih kecil dari kapasitas network)
© Program Magister Teknologi Informasi - UI
31
Capacity Planning

Perencanaan kapasitas infrastruktur e-Bisnis:
 Memahami/memodelkan
karakteristik beban sistem
untuk mengetahui tingkat saturasi layanan sistem
 Mengantisipasi peningkatan beban dengan
memperlambat tercapainya saturasi layanan
 Penyebab peningkatan beban kerja:
 Perubahan/perkembangan model bisnis
 Perubahan/penambahan fungsi layanan
 Perubahan perilaku konsumen (trend, promosi,
dsb.)
 Perombakan infrastruktur TI
© Program Magister Teknologi Informasi - UI
32
e-Business Capacity Plan

Rencana kapasitas infrastruktur e-Bisnis disesuaikan
dengan rencana pengembangan lanjut sistem e-Bisnis
Rencana
evolusi
model bisnis
Rencana
evolusi
fungsi layanan
Perkiraan evolusi
perilaku
konsumen
Rencana
evolusi
infrastruktur
Perencanaan
model bisnis &
fungsi layanan
Perencanaan
perilaku
konsumen
Tiga
proses
perencanaan
utama
Perencanaan
sumber daya
TI
© Program Magister Teknologi Informasi - UI
33
Business Aspect

Aspek bisnis perencanaan kapasitas:
Hasil analisis
strategi
Karakterisasi Bisnis
Business plan
Use Case
Rencana
Pengembangan
Bisnis
Model Bisnis
Analisis
Fungsional
Struktur dan
fitur situs
Rencana
Penambahan
Fungsi-fungsi
Model
Fungsional
© Program Magister Teknologi Informasi - UI
34
Customer Aspect

Analisis aspek konsumen:
 Membuat
model perilaku: CBMG
 Memperkirakan/merancang perubahan-perubahan
pada CBMG
Karakterisasi Perilaku
Konsumen
Penambahan/
Pengubahan
Fitur
Rencana
Pengubahan
Perilaku
Konsumen
Trend dan
statistik
CBMG
© Program Magister Teknologi Informasi - UI
35
Resource-Level Aspect

Aspek infrastruktur:
Karakterisasi Lingkungan TI
Rencana
Perubahan
Infrastruktur TI
Deskripsi
Infrastruktur TI
Deskripsi
Beban Kerja
Karakterisasi
Beban Kerja
Pemodelan Biaya
Model
Biaya
Kalibrasi dan
Validasi
Analsis
Skenario
© Program Magister Teknologi Informasi - UI
Prakiraan
Beban Kerja
Model
Beban Kerja
Pemodelan
Kinerja
Model
Kinerja
36
Workload Forecasting

Prakiraan beban kerja
Prakiraan Kuantitatif
Prakiraan Kualitatif
Pengumpulan
Informasi
Survei Pasar, Intuisi,
Pertimbangan,
Rencana Bisnis, dsb.
Data Historis:
Benchmarking, Log, dsb
Teknik-teknik
Prakiraan
(time-series analysis)
Skenario Bisnis
Perkiraan Demand
dan Beban Kerja
© Program Magister Teknologi Informasi - UI
37
Capacity Planning
Perencanaan kapasitas infrastruktur e-Bisnis
 Membuat
rencana modifikasi/upgrading komponenkomponen infrastruktur secara bertahap
 Pengambilan keputusan teknis infrastruktur:
 Menggunakan Model Kinerja sistem untuk
mempertimbangkan keputusan:
 Scaling Up
 Penggantian
besar

dengan mesin berkapasitas lebih
Scaling Out
 Penambahan
mesin dengan kapasitas yang sama
(mirroring, replikasi, mesin paralel, dsb.)
© Program Magister Teknologi Informasi - UI
38