TINJAUAN PUSTAKA
4.3 Kemampuan Maksimal Komputasi Awan Pengujian pada bagian ini bertujuan memperoleh data
jum-lah mesin virtual yang dapat dibuat oleh komputasi awan. Berapa batas spesifikasi yang dapat dicapai pada setip mesin virtual juga dicari. Tiga elemen penting dari pengujian ini diantaranya kom-putasi (CPU), memory (RAM) dan penyimpanan. Ketiganya me-rupakan bagian penting dalam pembuatan mesin virtual pada sis-tem komputasi awan. Pada Tabel 3.1 dibagian perangkat keras dan
sistem operasi menjelaskan spesifikasi dari controller dan compute node. Setiap komputasi pada sistem komputasi awan dijalankan pa-da compute node. Jumlahcompute node yang digunakan sebanyak empat buah, ketika sumber daya dari setiap node dijumlah maka akan diperoleh spesifikasi seperti pada Tabel 4.1.
Tabel 4.1: Jumlah spesifikasi dari empatcompute node
Spesifikasi Keterangan
Jumlah Prosesor 8
Jumlah Core 32 core
Memori 24 GB
Swap 24 GB
Disk Storage 1200 GB
Setelah dilakukan pengujian batas maksimal dari komputasi awan, jumlah mesin virtual yang dapat dibuat bergantung pada jumlah memori. Semakin besar memori maka semakin banyak me-sin virtual yang bisa dibuat, total memori yang dapat digunakan oleh pengguna memiliki batas perbandingan 1.5 : 1 dari jumlah memori pada setiap compute node. Kapasitas memori total dari compute node sebesar 24 GB, maka memori dari sistem komputasi awan sebesar 36 GB. Total memori sejumlah 36 GB tersebut dipero-leh dari 24 GB memori dikali dengan 1.5. Pada komputasi jumlah maksimal core yang dapat dicapai sebesar 255 core dalam 1 me-sin virtual, jumlah meme-sin virtual yang dapat dibuat menyesuaikan dengan jumlah memori. Sedangkan batas maksimal penyimpanan pada setia mesin virtual adalah 2 GB.
4.4 Perbandingan Performa Mesin Virtual
Pengujian bertujuan memperoleh data perbandingan performa antara mesin virtual layanan dari komputasi awan dengan sebuah komputer, keduanya menggunakan spesifikasi yang sama. Program benchmark yang digunakan adalah Phoronix Test Suite (PTS) de-ngan modeinteractive dimana pengguna dapat memilih paket ben-chmark sesuai dengan kriteria yang ingin digunkan.
Seperti pada pengujian sebelumnya tiga elemen penting yang diukur dalam pengujian ini diantaranya komputasi (CPU), memory (RAM) dan penyimpanan (I/O). Selain itu dua pengujian lain ju-ga turut ditambahkan pada bagian ini yaitu Apache Benchmark dan Compilation Benchmark. Kedua pengujian tersebut dilakukan karena terdapat hubungan antara CPU, memori dan penyimpanan dalam pemenuhan kebutuhan komputasi. Pada Tabel 4.2 merupak-an spesifikasi (flavor) dari mesin virtual yang dibuat sama seperti spesifikasi komputer pada Tabel 4.3. Keduanya menggunakan sis-tem operasi Ubuntu 14.04 (Trusty Tahr) 64-bit.
Tabel 4.2: Spesifikasi (flavor) dari mesin virtual
Spesifikasi Keterangan
Jumlah Prosesor 1
Jumlah Core 4 Core
Memori 8 GB
Swap 8 GB
Disk Storage 160 GB
Tabel 4.3: Spesifikasi dari komputer yang akan dibandingkan
Spesifikasi Keterangan
Jumlah Prosesor 1
Jumlah Core 4 Core
Jenis Prosesor AMD A8-3850 APU
Memori 8 GB
Swap 8 GB
Disk Storage 160 GB
Selain membandingkan performa antara mesin virtual yang merupakan layanan dari komputasi awan dengan sebuh komputer. Di bandingkan juga performa dari mesin virtual dengan spesifika-si yang terus dinaikan berdasarkan spespesifika-sifikaspesifika-sinya. Pada pengujian ini yang diuji adalah performa dari memori dan komputasi (CPU)
saja. Pada Tabel 4.4 merupakan flavor atau spesifikasi dari mesin virtual dengan jumlah core yang terus dinaikan, hal ini bertujuan untuk menguji performa dari komputasi (CPU). Sedangkan pada Tabel 4.5 merupakan flavor atau spesifikasi dari mesin virtual de-ngan jumlah memori (RAM) yang terus dinaikan, hal ini bertujuan untuk menguji performa dari memori (RAM) dari mesin virtual. Melalui pengujian tersebut dapat terukur berapa kenaikan perfor-ma mesin virtual setiap kenaikan spesifikasinya.
Tabel 4.4: Flavor mesin virtual untuk mengukur performa komputasi. Spec. m3.test1 test2 test3 test4 test5
Processor 1 1 1 1 1
Core 1 2 4 8 16
Memori 2 GB 2 GB 2 GB 2 GB 2 GB
Swap 1 GB 1 GB 1 GB 1 GB 1 GB
Storage 160 GB 160 GB 160 GB 160 GB 160 GB
Tabel 4.5: Flavor mesin virtual untuk mengukur performa memori. Spec. test1 test2 test3 test4 test5
Processor 1 1 1 1 1
Core 4 4 4 4 4
Memori 512 MB 1 GB 2 GB 4 GB 8 GB Swap 256 MB 512 MB 1 GB 2 GB 4 GB Storage 160 GB 160 GB 160 GB 160 GB 160 GB
4.4.1 Performa Komputasi (CPU)
Pengujian kinerja CPU secara keseluruhan dilakukan dengan mengukur kecepatan pemrosesan beban kerja. Melalui pengujian tersebut maka dapat ditarik sebuah standar perbandingan perfor-ma antara mesin virtual layanan dari komputasi awan dengan sebu-ah komputer. Tes profil dari Phoronix Test Suite yang digunakan dalam pengujian ini diantarannya C-ray, Stream, dan FFmpeg.
C-Ray
C-Ray adalah sebuah programraytracer sederhana yang ber-tujuan untuk menguji kemampuan floating-point dari CPU. Pada tes ini akan dibuat 16 threads yang akan berjalan pada setiapcore untuk menjalankan sebuah proses. Pada proses tersebut dilakuk-an 8 kali penembakdilakuk-an pada setiap piksel untuk prosesanti aliasing (penghalusan gambar) dan akan dihasilkan sebuah gambar dengan ukuran 1600 x 1200 [7].
Tes ini hanya membutuhkan sedikit data dan tidak menggu-nakan RAM. Hanya CPU yang diuji dan hasilnya tidak dipengaruhi oleh komponen lain dari komputer atau mesin virtual. Hal terse-but yang menjadikan pengujian ini ideal untuk menguji kecepatan komputer.
Tabel 4.6: Waktu pemrosesan beban kerja antara mesin virtual dan komputer
Perangkat Waktu (s)
Komputer 46,1
Mesin Virtual (VM) 40,91
Gambar 4.31: Perbedaan waktu pemrosesan beban kerja antara mesin virtual dengan komputer
Tolok ukur pada pengujian ini adalah waktu untuk mempro-ses beban kerja. Semakin sedikit angka yang muncul pada hasil benchmark berarti semakin sedikit waktu yang dibutuhkan untuk memproses beban kerja. Pada Tabel 4.6 adalah hasil perbanding-an perbanding-antara mesin virtual dengperbanding-an spesifikasi seperti pada Tabel 4.2 dan komputer yang spesifikasinya dijelaskan pada Tabel 4.3. Di mana kecepatan dari mesin virtual dalam memproses beban ter-sebut sekitar 40,91 detik, sedangkan komputer 46,10 detik. Hasil perbandingan tersebut juga dapat dilihat grafik perbandingan pada Gambar 4.31.
Semakin banyak penggunaanthreadmaka akan semakin mem-percepat proses, tentunya penggunaan jumlahthread memiliki ba-tas. Ketika penambahanthreadterus dilakukan seperti pada pengu-jian ini, tetapi kecepatan mengolah beban sudah tidak bertambah. Maka dapat disimpulkan itu adalah kecepatan maksimal dari pro-cessor.
Selain itu diukur juga waktu dari mesin virtual dalam mempro-ses beban kerja dengan spesifikasi yang terus dinaikan seperti pada Tabel 4.4 dengan menggunkan C-Ray. Spesifikasi yang digunkan seperti pada Tabel 4.4 dikarenakan fokus dari pengujian ini untuk mengukur kemampuan dari komputasi. Hasil dari pengujian ini da-pat dilihat pada Tabel 4.7, dimana spesifikasi dari test1 yang kemu-dian ditambahkan sebuahcoremenjadi test2 terdapat pengurangan waktu sebesar 66,1 s. Sedangakan test2 ke test3 dimana terjadi me-nambahancore sejumlah 2core, hal tersebut mempersingkat waktu pemrosesan sebesar 26,4 s. Pada test3 ke test4 terjadi penambahan core sejumlah 4 core, kemudian waktu pemrosesan berkurang la-gi sebesar 36.16 s. Rata-rata waktu pemrosesan beban berkurang sebesar 18,41 s per-core.
Penambahan core pada test4 ke test5 sejumlah 8 core, ti-dak terlalu berpengaruh pada pemrosesan beban yang diuji de-ngan menggunakan C-Ray, perbandide-ngan tersebut dapat dilihat pa-da Gambar 4.32. Kecepatan justru turun sebesar 18 s seperti papa-da Tabel 4.7, hal ini disebabakan oleh jumlah core daricompute node yang menjadi induk tempat berjalannya mesin virtual berjumlah lebih dari 8 core. Jika jumlah core melebihi dari 8 core, maka co-re tersebut merupakan coco-re virtual dari OpenStack yang diperoleh
daricompute node lainnya. Performacore tambahan dari compute nodelain tersebut berbeda jauh dengan performa daricore yang di-peroleh daricompute node tempat mesin itu berjalan. Hal tersebut dikarenakan mesin virtual langsung melakukan akses ke perangkat keras melalui layer virtualisasi seperti dijelaskan pada bagian virtu-alisasi pada bab dasar teori.
Tabel 4.7: Waktu pemrosesan beban kerja pada mesin virtual
Flavor Waktu (s) test1 167,84 test2 101,74 test3 75,3 test4 39,12 test5 39,28
Gambar 4.32: Perbedaan waktu pemrosesan beban kerja pada mesin virtual
Stream
Stream adalah sebuah patokan untuk mengukur memori ban-dwidth. Memori bandwith dapat diartikan seberapa cepat data da-pat ditulis atau dibaca dari memori oleh processor. Hal ini juga mempengaruhi seberapa cepat sistem operasi bisa memperoleh
da-ta dari memori untuk diproses. Jika bandwidth memori rendah, maka prosesor harus menunggu terlebih dahulu dalam setiap proses pengambilan dan penulisan data. Jika bandwidth memori tinggi, maka proses pengambilan dan penulisan data dapat dilakukan de-ngan cepat [8].
Pengukuran kecepatan dari stream terdiri dari empat kernel vektor sederhana yaitu Copy, Scale, Add dan Triad, satuan dari stream atau pengukuran memori bandwidth adalah MB/s [9]. Pa-da Tabel 4.8 aPa-dalah perbandingan hasilstream benchmark, semakin tinggi nilai benchmark maka semakin besar ukuran memori ban-dwidth. Pada komputer diperoleh kecepatan 8274,43 MB/s untuk copy, 8292,9 MB/s untuk scale, 8954,62 MB/s untuk Triad dan 9196,43 untukAdd. Sedangkan pada mesin virtual diperoleh kece-patan 10992,56 MB/s untuk copy, 10753,93 untuk scale, 11848,41 MB/s untuk Triad dan 11848,41 MB/s untukAdd. Hasil perban-dingan tersebut juga dapat dilihat grafik perbanperban-dingan pada Gam-bar 4.33.
Tabel 4.8: Hasil pengujian memoribandwidthpada komputer dan mesin virtual
Perangkat Add Copy Scale Triad
Komputer 9196,43 8274,43 8292,9 8954,62 Mesin Virtual (VM) 11758,46 10992,56 10753,93 11923,88
Di ukur juga bandwidth dari mesin virtual dengan spesifika-si yang terus dinaikan seperti pada Tabel 4.4 dengan menggunkan Stream. Spesifikasi yang digunkan tetap seperti pada Tabel 4.4 dikarenakan fokus dari pengujian ini untuk mengukur memori ban-dwidth, seberapa cepat data dapat ditulis atau dibaca dari memori olehprocessor.
Hasil dari pengujian ini dapat dilihat pada Tabel 4.16, dimana spesifikasi dari mesin virtual test1 yang kemudian ditambah jumlah core sebanyak 1 menjadi test2 terdapat penambahan kecepatan se-besar 1789,01 MB/s untuk proses copy, 1550,4 MB/s untuk scale, 902,33 MB/s untuk triad dan 871,73 MB/s untuk add. Sedangak-an test2 ke test3 dimSedangak-ana terjadi menambahSedangak-ancore sejumlah 2core,
Gambar 4.33: Perbandingan memori bandwidth antara mesin virtual dengan komputer
kecepatan mesin virtual bertambah sebesar 385,58 MB/s untuk pro-ses copy, 682,27 MB/s untuk scale, 1584,79 MB/s untuktriad dan 1609,72 MB/s untuk add. Pada test3 ke test4 terjadi penambahan core sejumlah 4core, kemudian kecepatan mesin virtual bertambah sebesar 936,72 MB/s untuk proses copy, 678,9 MB/s untuk scale, 665,66 MB/s untuk triad dan 615,03 MB/s untukadd. Rata-rata kecepatan dari mesin virtual bertambah sebesar 444,5 MB/s untuk prosescopy, 415,93 MB/s untukscale, 450,39 MB/s untuktriad dan 442,35 MB/s untukadd per-core.
Tabel 4.9: Hasil pengujian performa memori bandwidth pada mesin virtual
Flavor Add Copy Scale Triad
test1 8971,23 8888,74 9630.68 9660.23 test2 11760.24 11439.14 12533.01 12531.96 test3 11145.82 11121.41 12117.8 12141.68 test4 12082.54 11800.31 12783.46 12756.71 test5 9550.36 9567.46 11101.43 11213.28
Penambahancore pada mesin virtual test4 ke test5 sejumlah 8 core, tidak terlalu berpengaruh pada pemrosesan beban yang diuji dengan menggunakan C-Ray, perbandingan tersebut dapat dilihat
pada Gambar 4.34. Kecepatan justru turun sebesar 2532,18 MB/s untuk proses copy, 2232,85 MB/s untuk scale, 1682,03 MB/s un-tuktriad dan 1543,43 MB/s untukadd seperti pada Tabel4.16, hal ini disebabakan oleh jumlah core dari compute node yang menjadi induk tempat berjalannya mesin virtual berjumlah 8 core. Seperti penjelasan pada pengujian dengan menggunkan C-Ray. Jika core melebihi dari 8 core, maka core tersebut merupakan core virtual da-ri OpenStack yang diperoleh dada-ricompute node lainnya. Performa core tambahan dari compute node lain tersebut berbeda jauh de-ngan performa daricore yang diperoleh daricompute node tempat mesin itu berjalan. Hal tersebut disebabkan mesin virtual langsung melakukan akses ke perangkat keras melalui layer virtualisasi seperti dijelaskan pada bagian virtualisasi pada bab dasar teori.
Gambar 4.34: Perbedaan memori bandwith pada mesin virtual
FFmpeg
Pengujian performa encoding dengan menggunakan FFmpeg encoding untility yang disediakan oleh Phoronix Test Suite. Proses ini memakan RAM dan penyimpanan saat melakukan proses video encoding, tetapi saat melakukan pemrosesanfileyang sangat besar, kunci utama dari proses ini adalah kemampuan CPU. Maka dari itu dibutuhkan kemampuan CPU yang cepat untuk konversi video [10].
Fakta tersebutlah yang mendasari perlunya pengujian ini di-lakukan. Hasil perbandingan performa dapat dilihat pada Tabel 4.10, dimana kemampuan mesin virtual yang merupakan layanan dari komputasi awan mampu melakukan proses encoding dengan kecepatan 25,66 s. Sedangkan pada komputer, waktu yang dibu-tuhkannya adalah 27,61encoding. Hasil perbandingan tersebut juga dapat dilihat grafik perbandingan pada Gambar 4.35.
Tabel 4.10: Hasil pengujian kecepatan proses encoding Perangkat Waktu (s)
Komputer 27,61
Mesin Virtual (VM) 25,66
Gambar 4.35: Perbandingan kecepatan encoding
Selain itu diukur juga waktu dari mesin virtual dalam mela-kukan prosesencodingdengan spesifikasi yang terus dinaikan seperti pada Tabel 4.4 dengan menggunkan FFmpegbenchmark. Hasil da-ri pengujian ini dapat dilihat pada Tabel 4.17, dimana spesifikasi dari test1 yang kemudian ditambahkan sebuah core menjadi test2 terdapat pengurangan waktu sebesar 14,29 s. Sedangakan test2 ke test3 dimana terjadi menambahan core sejumlah 2 core, hal terse-but mempersingkat waktu pemrosesan sebesar 4,23 s. Pada test3 ke test4 terjadi penambahan core sejumlah 4core, kemudian
wak-tu pemrosesan berkurang lagi sejumlah 3,93 s. Rata-rata wakwak-tu pemrosesan beban berkurang sebesar 3,2 s per-core.
Penambahan core pada test4 ke test5 sejumlah 8 core, juga tidak terlalu berpengaruh pada proses encoding yang diuji dengan menggunakan FFmpegbenchmark, perbandingan tersebut dapat di-lihat pada Gambar 4.41. Di mana waktu bertambah sebesar 1,64 s seperti pada Tabel 4.17, hal ini disebabakan oleh jumlah core dari compute node yang menjadi induk tempat berjalannya mesin virtual berjumlah lebih dari 8core.
Tabel 4.11: Waktu yang diperlukan saatencoding
Flavor Waktu (s) test1 47,04 test2 32,75 test3 28,52 test4 24,59 test5 26,23
Gambar 4.36: Perbedaan waktu saat encoding
Seperti penjelasan pada pengujian dengan menggunkan C-Ray dan Stream. Jika jumlah core melebihi dari 8 core, maka core
ter-sebut merupakan core virtual dari OpenStack yang diperoleh dari compute node lainnya. Performacore tambahan daricompute node lain tersebut berbeda jauh dengan performa dari core yang dipe-roleh dari compute node tempat mesin itu berjalan. Hal tersebut dikarenakan mesin virtual langsung melakukan akses ke perangkat keras melalui layer virtualisasi seperti dijelaskan pada bagian virtu-alisasi pada bab dasar teori.
4.4.2 Performa Penyimpanan
Penyimpanan bukan hanya dipengaruhi oleh besarnya kapasi-tashard disk drive untuk menyimpan data. Performa dari penyim-panan tersebut juga berpengaruh dalam menangani setiap proses transaksi data, baik data itu diakses secara langsung oleh pengguna atau diakses secara otomatis oleh program. Tiga faktor yang ber-pengaruh pada performa penyimpanan diantaranya adalah Thro-ughput, IOPS (Input/Output Operations per Seconds) dan Latensi (Delay).
Maksud dari Throughput adalah berapa banyak data atau in-formasi yang dapat diakses dalam satuan waktu (MB/s), sedangk-an IOPS (Input/Output Operations per Seconds) adalah masuksedangk-an atau keluaran yang dapat dilakukan oleh penyimpanan dalam satu-an detik. Kemudisatu-an untuk latensi secara umum adalah waktu saat melakukan permintaan pada komputer dan menerima jawabannya, sedangkan lebih spesifiknya pada penyimpanan dapat diartikan se-bagai waktu pemilihan sektor untuk dibaca atau ditulis.
Tes profil yang digunakan dalam pengujian ini diantarannya aio-stress, fio, dbench, dan postmark. Berikut merupakan penjelas-an tes dpenjelas-an perbpenjelas-andingpenjelas-an hasilbenchmark pada penyimpanan.
Aio-stress
Tes ini memaksa penyimpanan untuk bekerja sesuai dengan kemampuan input dan outputnya secara tidak sinkron sampai batas kemampuannya. Tes ini menggunakanfileberukuran 2048 MB yang terbagi menjadi 64 KB setiap bagiannya [7]. Setelah melakukan pengujian ini maka akan didapatbandwidth dari penyimpanan.
Hasil perbandingan performa dapat dilihat pada Tabel 4.7, dimana kemampuan mesin virtual yang merupakan layanan dari
komputasi awan memiliki bandwidth dan throughtput lebih besar dari pada komputer. Di mana mesin virtual mampu memncapai ke-cepatan 1252,82 MB/s dan komputer mencapai 911,35 MB/s. Hasil perbandingan tersebut juga dapat dilihat grafik perbandingan pada Gambar 4.37.
Tabel 4.12: Hasil pengujian penyimpanan dengan Aio-Stress Perangkat Informasi per detik
Komputer 911,35
Mesin Virtual (VM) 1252,82
Gambar 4.37: Perbandingan bandwidth penyimpanan
Fio
Fio adalah kepanjangan dariFlexibleI/OTester. Tes ini akan memberikan beban kerja berupa input dan output pada penyimpan-an. Permberian beban tersebut berupa proses I/O yang dilakukan secara acak dan juga berurutan, selain itu proses pembacaan dan penulisan setiap beban juga turut di uji [10]. Tes ini menjalankan se-buah program yang mengakses penyimpanan dari mesin virtual dan komputer. Data-data yang diakses berukuran sangat kecil, rata-rata berukuran kurang dari 4 KB. Hal tersebut bertujuan mengukur ke-cepatan IOPS (Input/Output Operations per Second).
Hasil perbandingan performa dapat dilihat pada Gambar 4.38, menunjukan kemampuaninputatauoutput (I/O) dari mesin virtual dan komputer. Mesin virtual mampu menerima 275input atau ou-tput melalui pengujian membaca secara acak (random read) dalam satu detik, sedangkan komputer hanya mampu menerima 142 I/O dalam setiap detiknya.
Tabel 4.13: Hasil pengujian peyimpanan dengan FIO
Perangkat Random Read Random Write Sequential Read Sequential Write Komputer 142 19135 18417 18993 VM 257 19054 27100 18923
Gambar 4.38: Perbandingan I/O penyimpanan dengan FIO
Mengacu pada hasil pengujian pada Tabel 4.13, Di mana ke-mampuan penyimpanan dari mesin virtual dan komputer kembali diuji dengan tes penulisan secara acak (random write), mesin vir-tual memperoleh skor 19054 sedangkan komputer memperoleh skor 19135. Selain diuji dengan cara random atau acak, mesin virtual dan komputer diuji juga dengan cara yang urut. Pada pengujian membaca secara urut (sequential read) mesin virtual memperoleh nilai 27100, sedangkan komputer memperoleh nilai 18417. Di
lan-jutkan dengan pengujian penulisan secara urut (sequential write), maka diperoleh skor 18993 dari mesin virtual dan skor 18993 dari komputer. Perbandingan tersebut juga dapat dilihat pada Gambar 4.38. Nilai-nilai tersebut menunjukan jumlah maksimal input atau output (I/O) yang bisa dilakukan dalam satuan detik.
4.4.3 Performa Memori (RAM)
Sudah menjadi hal yang umum jika memori sangat berpenga-ruh pada pemrosesan beban kerja dan kecepatan dari komputer. Se-lain itu kemampuan RAM tidak hanya bergantung pada besarnya kapasitas memori, tetapi kecepatan memori, bandwidth dan cache juga memiliki pengaruh yang tidak kalah pentingnya.
Tes profil yang digunakan dalam pengujian ini diantarannya RAMspeed dan cachebench. Sedangkan pengujian pengukuran ban-dwidth pada memori sudah dilakukan pada bagian performa kom-putas (CPU) seperti yang ditampilkan pada Gambar 4.33.
RAMspeed
Hasil dari pengujian dengan menggunakan profil RAMspeed berupathroughput yang ditampilkan dalam satuan MB/s. Semakin tinggi angka hasil benchmark maka semakin baik performansinya. Terdapat dua nilai penting pada tes tersebut diantaranya floating-point dan integer. Selain itu terdapat juga empat metode penguji yang berperan penting pada pengujian ini seperti add, copy, scale dam triad yang dijelaskan sebelumnya pada bagian performa kom-putasi (CPU).
Pada Tabel 4.14 dapat dilihat perbandinganthroughput anta-ra mesin virtual dengan komputer saat memproses data integer dan pada Table 4.15 merupakan perbandingan saat memproses floating-point. Mesin virtual mampu mencapai 11869.96 MB/s untuk ngolah data integer dan memperoleh throughput 12104.3 MB/s untuk flo-ating point. Sedangkan throughput dari komputer dapat mencapai 6994.73 MB/s untuk mengolah datainteger dan 7631.58 MB/s un-tuk floating point. Perbandingan tersebut juga dapat dilihat pada Gambar 4.39 untuk pemrosesan dataintegerdan pada Gambar 4.39 untukfloating point.
Tabel 4.14: Hasil pengujian throughput memori saat mengolah data integer pada mesin virtual dan komputer
Perangkat Add Copy Scale Triad Average Komputer 6581,44 7385,36 7085,23 6421,75 6994,73 VM 11758,46 9803,82 11973,57 11741,93 11869,96 Tabel 4.15: Hasil pengujianthroughputmemori saat mengolah floating-point pada mesin virtual dan komputer
Perangkat Add Copy Scale Triad Average Komputer 7602,5 7366,8 7161.3 7835.6 7631.6 VM 12825,1 11527 11548,7 12799,8 12104,3
Gambar 4.39: Perbandinganthroughput saat memprosesinteger pada komputer dan mesin virtual
Di ukur juga kecepatan memori dari mesin virtual dengan spe-sifikasi yang terus dinaikan seperti pada Tabel 4.5 dengan meng-gunkan RAMspeed. Spesifikasi yang dimeng-gunkan tetap seperti pada Tabel 4.5 dikarenakan fokus dari pengujian ini untuk mengukur throughput dari memori, seberapa cepat memori dapat mempro-ses data integer dan floating-point. Hasil dari pengujian ini dapat dilihat pada Tabel 4.16 yang merupakan perbandingan throughput
pada mesin virtual saat mengolah data integer dan pada Tabel 4.17 adalah saat pemrosesan datafloating-point. Keduanya dibandingk-an dengdibandingk-an cara menaikdibandingk-an jumlah memorinya, kemudidibandingk-an ditampilkdibandingk-an perbandingannya pada Gambar 4.41 dan Gambar 4.42.
Tabel 4.16: Hasil pengujian througput saat memproses data integer pada mesin virtual
Flavor Add Copy Scale Triad Average test1 4295,32 2992,39 2893,51 2910,12 2906,54 test2 3548,67 3072,18 2952,02 2956,76 2993,99 test3 3061,82 2982,32 3013,37 2986,03 3025,12 test4 3096,77 2975,57 2977,99 2990,69 3132,68 test5 11169,13 11564,66 11629,49 11042,92 11391,08
Tabel 4.17: Hasil pengujian througput saat memproses floating-point pada mesin virtual
Flavor Add Copy Scale Triad Average test1 3090,08 2989,48 2907,53 3328,14 3223,74 test2 3263,81 2968,35 3082,33 3357,2 3649,7 test3 3453.79 2980.2 2989.58 3382,68 4583,37 test4 3333.98 2991.91 3142.49 3257.95 4441.79 test5 12291.92 11357.5 10072.47 12315.75 11892.81
Data perbandingan diperoleh dari penambahan spesifikasi da-ri mesin virtual test1 yang kemudian ditambah jumlah memoda-rinya sebesar 512 MB menjadi test2 terdapat penambahan kecepatan se-besar 87.4 MB/s dalam mengolah data integer dan 425.96 MB/s untuk 425.96 MB/s untukfloating-point. Sedangakan test2 ke test3 dimana terjadi menambahan memori sebesar 1 GB, kecepatan me-sin virtual bertambah sebesar 31.13 MB/s untukinteger, dan 933.67 MB/s untukfloating-point.
Gambar 4.40: Perbandinganthroughput saat memprosesfloating point