superkomputer dengan native linux(encrypted)

RAIH DUNIA DENGAN SUPERKOMPUTER

DI LINUX NATIVE

(CATCH THE WORLD WITH SUPERCOMPUTER IN NATIVE LINUX)

Hary Cahyono

tifosilinux.wordpress.com | [email protected]

Version 1.0

TIFOSILINUX.WORDPRESS.COM

Jakarta

2015

RAIH DUNIA DENGAN SUPERKOMPUTER DI LINUX NATIVE TIFOSILINUX.WORDPRESS.COM

1

DISCLAIMER

Penulis mencoba memberikan sebuah konsep bagaimana membangun sebuah cluster

superkomputer dengan menggunakan beberapa teknologi baik dari sisi kernel maupun aplikasi di

lingkungan GNU/ Linux. Entah mengapa saya sebagai penulis selalu membawa GNU dalam

penulisan linux karena saya merasa bahwa linux dibangun dari bermacam-macam tools hasil

ciptaan seorang Richard M. Stallman lewat project GNU-nya, sehingga user dapat dengan sangat

nyaman menjalankan aplikasi robust diatas kernel hasil ciptaan Linus Torvalds dan kawan-kawan.

Pada tulisan ini ada 3 (tiga) teknologi yang ingin saya sampaikan dalam merancang bangun

sebuah cluster superkomputer didalam sebuah aplikasi virtual. Meskipun mungkin ada aplikasi

atau teknologi lain semisal OSCAR, Ricci dan Luci (Conga), saya coba batasi sedikit pembahasan

hanya pada seputar teknologi cluter supercomputer dengan OpenMOSIX (merupakan fitur patch

di kernel), MPI (Message Passing Interface), dan Beowulf.

Pada kenyataannya, konsep cluster supercomputer dengan tujuan HPC (High Performance

Computing) ataupun masalah HA (High Availability) adalah berbeda dengan konsep Grid

Computing dan Cloud Computing.

Pada akhirnya, semoga panduan berikut dapat memberikan sedikit sumbangan pada

teknologi di Indonesia khususnya sehingga mempermudah tahap implementasi di skala yang lebih

besar dan luas. Mari kita raih dunia !!!


2

Daftar Isi

1. Pengantar .................................................................................................................................3

2. Kebutuhan Dasar ....................................................................................................................3

2.1 Hardware .............................................................................................................................3

2.2 Software ..............................................................................................................................3

3. GNU/ Linux Cluster Setup .....................................................................................................4

3.1 OpenMOSIX .......................................................................................................................4

3.1.1 Hardware dan Topologi .............................................................................................4

3.1.2 Sistem Operasi dan Software .....................................................................................5

3.1.3 Rancangan, Tes dan Hasil ..........................................................................................6

3.2 MPI (Message Passing Interface) .....................................................................................14

3.2.1 Hardware dan Topologi ...........................................................................................14

3.2.2 Sistem Operasi dan Software ...................................................................................15

3.2.3 Rancangan, Tes dan Hasil ........................................................................................15

3.3 Beowulf .............................................................................................................................22

3.3.1 Hardware dan Topologi ...........................................................................................22

3.3.2 Sistem Operasi dan Software ...................................................................................23

3.3.3 Rancangan, Tes dan Hasil ........................................................................................25

4. Kesimpulan ............................................................................................................................29

5. Referensi ................................................................................................................................30


3

1. Pengantar

Kebutuhan manusia akan sebuah informasi semakin jelas terlihat semakin meningkat dari

waktu ke waktu. Sebuah informasi atau ilmu pengetahuan yang awalnya hanya dari kumpulan

data atau entitas yang tidak memiliki makna, sehingga dapat menjadi satu kesatuan yang

bernilai guna. Maka muncul berbagai metode-metode dalam upaya bagaimana mengolah dan

menjadikan ribuan, juta-an, bahkan miliaran data dan informasi tersebut tetap terjaga dan

memiliki nilai tambah bagi para decision maker.

Namun dibalik itu semua, sebenarnya ada sesuatu yang berperan paling besar dalam fase

pemrosesan data tersebut, yakni sekumpulan alat-alat komputasi yang merepresentasikan dan

menunjang berbagai metode yang diterapkan oleh para ilmuwan dan user. Informasi dari

weather forecast, customer banking, bursa saham, data transaksi para nasabah dan berbagai

riset yang diolah dengan menggunakan metode prediksi, asosiasi, dan klasifikasi didalam Data

Mining misalnya, terkadang tidak cukup hanya dengan menggunakan sebuah komputer

mainframe atau bahkan laptop sekalipun dengan spesifikasi luar biasa.

Jika kasusnya sudah menjadi peta data atau rendering image dengan teknologi nextgen

seperti didalam game Assassins Creed Unity misalnya yang ingin diolah, maka rasanya hal

tersebut sangatlah beresiko. Bahkan terkadang kita ingin mendayagunakan perangkat lama

agar bisa berfungsi kembali dan bisa menunjang pekerjaan kita.

2. Kebutuhan Dasar

2.1 Hardware

Pada tulisan ini saya coba mendayagunakan sebuah notebook ASUS tipe X450J

dengan processor i7-4710HQ 2.5 GHz, GEFORCE 840M, 12GB of RAM dan HDD

sebesar 1TB.

2.2 Software

Karena sifatnya sebuah uji coba dengan harapan agar dapat di implementasi dengan

mudah di praktek sebenarnya, maka saya gunakan VMware Workstation 8.0.0 build-

471780. Semua node baik master maupun slave nantinya akan berjalan didalam VMware

dengan alokasi sumber daya setiap node nya sesuai kebutuhan yang diperlukan didalam

praktek tulisan ini.


4

3. GNU/ Linux Cluster Setup

3.1 OpenMOSIX

3.1.1 Hardware dan Topologi

Disini saya menggunakan topologi fully connected dimana setiap node

dapat melakukan request satu sama lain.

Untuk spesifikasi hardware masing-masing node saya alokasikan cukup dengan

memori sebesar 256MB dan storage sebesar 8GB. Banyaknya node sesuai dengan

kebutuhan riset anda dan semakin besar data yang ingin diolah, tentu semakin besar

pula resource yang harus disediakan.

Namun jangan khawatir masalah kompleksitas dan oldest version yang

mungkin muncul jika kita menggunakan OpenMosix, The OpenMosix community

has provided numerous ways for new users to easily and rapidly build clusters

(Latter, Ian. (2006). How To Instant openMosix). OpenMosix dengan konsep

load balancing yang berjalan pada level kernel telah menyediakan sejumlah besar

cara yang mudah dan cepat sebagai solusi bahkan untuk user pemula sekalipun.

OpenMosix menjadi sebuah fitur yang terpenting di kernel didalam masalah

pendistribusian proses.


5

Mekanisme preemptive process migration (PPM) merupakan teknologi

yang digunakan oleh OpenMosix dimana sebuah proses tidak dapat dihentikan

sebelum waktunya.

OpenMosix tidak memiliki kontrol pusat atau hubungan master/ slave

diantara node-node, tiap node bisa berjalan sebagai sistem yang berjalan secara

otomatis, dan OpenMosix membuat semua keputusan kontrol secara independen

(Laksono, Mutiara, dan Heruseto, 2004)

3.1.2 Sistem Operasi dan Software

Dua distro GNU/ Linux saya gunakan dalam uji coba ini, meskipun

keduanya tergolong ancient distro, namun hanya dengan mengganti kernel vanilla

lama dengan versi minor 3.1.x maka akan terlihat baru . Fedora Core 1 mesin

i386 (dengan kernel vanilla 2.4.22) dan Slackware 10.0 mesin x86 (dengan kernel

vanilla 2.4.26) saya gunakan sebagai contoh.

Untuk software nya sendiri, silahkan download beberapa packages berikut:

a. openMosix-kernel-2.4.26-openmosix1.i386.rpm

b. openmosix-tools-0.3.6-2.i386.rpm

c. openMosix-2.4.24-2.bz2

d. linux-2.4.24.tar.bz2 (from http://kernel.org/)

e. openmosix-tools-0.3.6-2.tar.gz

f. openMosixview-1.3-redhat72.i386.rpm

g. openMosixview-1.3.tar.gz

h. povlinux-3.6.tgz

Sebagai catatan, beberapa paket diatas terdapat penyesuaian jika distro yang

digunakan berbasis selain RPM dan Debian, maka kita harus melakukan patching

kernel mosix sesuai dengan versi kernel yang digunakan, Slackware salah satunya

(dalam kasus ini saya downgrade kernel di slackware dari kernel vanilla awal ke

kernel 2.4.24). Namun cukup dengan meletakkan patch kernel tersebut ke direktori

source kernel asli kemudian menggunakan parameter bzcat openMosix-2.4.24-

2.bz2 | patch Np1 .


6

Kemudian kegiatan compiling kernel dengan make config atau make

oldconfig atau make menuconfig dan symbolic link agar folder kernel terlihat rapi

menjadi wajib bagi pengguna Slackware dengan menentukan module kernel mana

yang perlu dan tidak diperlukan, apakah kita menggunakan metode built-in/

monolitik [*] atau module . Setelah selesai, lakukan perintah make clean &&

make bzImage && make modules && make modules_install . Salin file bzImage

didalam folder arch/i386/boot/ menuju folder /boot/ dengan nama vmlinuz-

.

Sebenarnya cukup dengan langkah tersebut dalam kompilasi kernel, namun

ada beberapa case dimana kita memerlukan atau membuat initial ramdisk atau

initrd serta menyalin System.map hasil kompilasi ke folder /boot/ .

Jangan lupa juga me-disfungsi layanan-layanan yang saat ini tidak

diperlukan seperti acpid, apmd, atd, gpm, kudzu, portmap, sendmail, smartd, dan

lainnya dengan parameter chkconfig off. Jadi, ketika saya

melakukan tes kondisi server benar-benar dalam keadaan clear tanpa load yang

tinggi. Untuk sistem operasi Fedora, set value default ke nilai 0 pada

/boot/grub/menu.lst , kemudian grub-install untuk partisi yang

telah kita tanamkan sistem operasi tersebut.

3.1.3 Rancangan, Tes dan Hasil

Saat semua requirement sudah kita siapkan, kita sudah bisa tes dengan

masuk kedalam kernel openMosix yang telah di patch tersebut dan melakukan

instalasi aplikasi pendukung seperti openmosix-tools-0.3.6-2.i386.rpm dan

openMosixview-1.3-redhat72.i386.rpm (lakukan instalasi di Fedora dengan

parameter rpm -ivh ) serta openmosix-tools-0.3.6-2.tar.gz dan

openMosixview-1.3.tar.gz (lakukan instalasi di Slackware dengan tahap ./configure

&& make && make install).


7

Ketika aplikasi selesai di install, kita akan mendapati node yang terdaftar

untuk setiap node yang terhubung pada file /etc/openmosix.map atau jalankan


8

perintah showmap yang akan muncul hasilnya dengan format:

Pada slackware, kita bisa daftarkan secara manual di file

/etc/openmosix.map seperti contoh berikut:

Ketika seluruh node yang dibutuhkan terhubung, kita bisa lakukan

pengecekkan apakah pendistribusian proses berjalan sempurna atau tidak dengan


9

membuat script perl sederhana, kemudian simpan dengan nama tes.sh dan berikan

akses executable melalui chmod +x tes.sh:

#!/usr/bin/perl

$i=1;

while($i){

$i++;

}

Kemudian jalankan pada salah satu node dengan mode background ./tes.sh & secara

redundan dan lakukan monitor dengan parameter mosmon seperti berikut:

Kita bisa melihat bahwa proses didistribusikan secara rapi ke setiap node.

Dari sini kita bisa lakukan kembali pengujian dengan proses rendering image

menggunakan aplikasi povlinux-3.6.tgz . Sebagai informasi, aplikasi POV-Ray

(The Persistence of Vision Raytracer) yang memiliki official site di

www.povray.org ini adalah sebuah free tool yang digunakan untuk menciptakan

sebuah stunning three-dimensional graphics serta banyak kegunaan yang lainnya.

Kemudian lakukan instalasi dengan parameter tar zxvf povlinux-3.6.tgz &&

cd povray-3.6 && ./install . Setelah itu kita sudah bisa memanggil fungsi povray


10

untuk menjalankan sebuah perintah khusus untuk melakukan rendering image.

Sebagai contoh, saya menggunakan sample yang lebih berat daripada

menggunakan contoh bawaan didalam folder scenes yakni me-render sebuah image

ak47 dan sci-fi seperti dalam film yang dapat didownload di

http://www.oyonale.com dan dijalankan dengan parameter povray ak47.pov &&

povray scifi_demo.pov seperti berikut:

Setelah kita jalankan, kita bisa lihat bagaimana kernel melakukan

pendistribusian dan penjadwalan proses untuk melakukan tugas rendering image

tersebut. Pemindahan proses terjadi hanya jika kernel merasa bahwa sudah


11

mencapai sebuah titik jenuh setelah mengerahkan seluruh resource mandiri yang

dimiliki.

Disini terlihat node lain menunggu untuk diberikan beban untuk membantu proses

rendering/ buffering image. Seluruh catatan interval waktu dan alokasi memori

yang digunakan dapat kita lihat pada display konsol node.


12

Melalui tools yang telah disediakan oleh OpenMosix organization, kita

dapat melakukan instalasi berbagai keperluan baik untuk mengatur limit kecepatan

proses setiap node, melakukan analisis dari log yang dihasilkan untuk setiap proses

node, dan sebagainya. Beberapa kegunaan yang bisa kita peroleh:

openMosixView : Aplikasi utama untuk administrasi+monitor.

openMosixprocs : Sebuah process-box untuk mengelola proses.

openMosixcollector : Koleksi daemon yang mana berisi informasi mengenai

cluster+node.

openMosixanalyzer : Untuk menganalisis data yang dikumpulkan oleh

openMosixcollector.

openMosixhistory : History proses dari cluster.

3dmosmon : Tampilan 3D untuk memonitor cluster.


13


14

3.2 MPI (Message Passing Interface)


Disini saya masih menggunakan topologi fully connected dimana setiap

node dapat melakukan request satu sama lain.

Untuk spesifikasi hardware masing-masing node saya alokasikan memori sebesar

128MB, storage sebesar 15GB dan processor minimum, yakni single core.

Kembali saya informasikan bahwa banyaknya node sesuai dengan kebutuhan riset

anda dan semakin besar data yang ingin diolah, tentu semakin besar pula resource

yang harus disediakan.

Message Passing Interface (MPI) pada dasarnya merupakan sebuah

gagasan atau metode bagaimana menyelesaikan masalah secara bersama-sama pada

waktu yang bersamaan, tanpa adanya waktu tunggu untuk selanjutnya

didistribusikan kepada node yang lain untuk diselesaikan. Memanfaatkan berbagai

macam algoritma dan fungsi pemrograman paralel, kita bisa mengambil banyak

keuntungan dari metode ini karena implementasinya bisa kita gabungkan dengan

teknologi Network File System (NFS) dan thin client (penamaan di Windows) atau

Linux Terminal Server Project (LTSP) atau Fully Automatic Installation (FAI)


15

dimana node tidak memiliki media penyimpanan atau diskless. Pemanfaatan jenis

prosesor-prosesor lama juga menjadi sebuah alternatif tersendiri bagi dunia riset.

Message Passing Interface (MPI) ini digunakan untuk komputasi paralel

dalam sistem yang terdistribusi. Pengguna MPI dapat menuliskan programnya

dengan bahasa C, C++, FORTRAN77, dan FORTRAN90 untuk menjalankannya

secara paralel dengan memanggil rutin library yang sesuai (Ajinagoro, Bagus

Irawan. (2005). Aplikasi Sistem Paralel Menggunakan Prosesor Host 486 Berbasis

Linux Debian).


Distro GNU/ Linux yang saya gunakan adalah Debian Sarge 3.1 yang hanya

menggunakan 5 CD mirror dari total 14 CD guna mengatasi dependency paket.

Untuk software pendukung, saya hanya membutuhkan package

mpich.tar.gz (anda bisa saja menggunakan lam) dan rcconf installer untuk .deb.

Jika kita cukup iseng agar mengetahui performance dari sepesifikasi atau

requirement node kita yang tidak seragam mulai dari sisi core, RAM, dan cache

memory, silahkan download juga perftest.tar .


Jika telah selesai melakukan instalasi distro Debian dan menghidupkan

beberapa service yang penting dengan fungsi rcconf seperti berikut:


16

Lakukan instalasi paket mpich.tar.gz dengan parameter tar zxvf mpich.tar.gz &&

cd mpich && ./configure --prefix=/usr/local/src/mpich | tee konfigurasi.log &&

make | tee make.log && make install . Opsi prefix akan mengantarkan direktori

hasil instalasi ke /usr/local/src/mpich. Yang pertama dan paling utama, pastikan

bahwa masing-masing node mendaftarkan nama hostname satu sama lain seperti

berikut:


17

Setelah itu, daftarkan setiap node di masing-masing node pada file

machines.LINUX di path /usr/local/src/mpich/share/ seperti berikut:

Karena konsep dari MPI atau komputasi paralel ini menyebabkan

pemrosesan tambahan, seperti kemampuan penggunaan data bersama-sama. Maka

diperlukan komunikasi passwordless dua arah diantara pemroses atau node yang


18

terhubung. Kita harus membuat antar node bisa autologin seperti matriks yang saya

gambarkan berikut ini:

Cluster Cluster

Sarge-3.1 Sarge-3.1-1 Sarge-3.1-2 Sarge-3.1-3

Sarge-3.1 >< >< ><

Sarge-3.1-1 >< >< ><

Sarge-3.1-2 >< >< ><

Sarge-3.1-3 >< >< ><

Ketika semuanya sudah berjalan lancar, kita bisa jalankan parameter berikut

pada direktori examples yang telah disediakan oleh mpich, make cpi &&

/usr/local/src/mpich/bin/mpirun -arch LINUX np 4 cpi dan hasilnya akan terlihat

bagaimana setiap node prosesor memberikan kontribusi secara paralel dalam

menjalankan sebuah task sederhana.

Saya lakukan empat kali pengujian untuk 4 node secara paralel, 3 node

secara paralel, dan 2 node secara paralel yang secara rekursif, serta hanya 1 node

independen.


19

Percobaan 1 (4 node paralel)

Node Frekuensi

Debian-Sarge3.1 :: Debian-Sarge3.1-1 :: Debian-Sarge3.1-2 :: Debian-Sarge3.1-3

1 0.001183

0.002206

0.002399

0.001472

0.000825

0.000913

0.000621

0.001818

0.001155

0.001994

2

3

4

5

6

7

8

9

10

Mean(Rerata)(s) 0.001459


Node Frekuensi

Debian-Sarge3.1 :: Debian-Sarge3.1-1 :: Debian-Sarge3.1-2

1 0.000337

0.000455

0.000320

0.000665

0.000261

0.000771

0.000452

0.000454

0.000534

0.000248

2

3

4

5

6

7

8

9

10



20


Node Frekuensi

Debian-Sarge3.1 :: Debian-Sarge3.1-1

1 0.000174

0.000226

0.000123

0.000132

0.000124

0.000153

0.000390

0.002030

0.000198

0.000193

2

3

4

5

6

7

8

9

10


Percobaan 4 (1 node)

Node Frekuensi

Debian-Sarge3.1

1 0.000029

0.000024

0.000030

0.000023

0.000023

0.000029

0.000026

0.000028

0.000029

0.000024

2

3

4

5

6

7

8

9

10


Kemudian plot[11] yang telah saya buat dari seluruh hasil percobaan diatas

melukiskan grafik perbedaan kecepatan pemrosesan yang sangat jelas:


21

Untuk hasil perftest nya sendiri, jika kita menggunakan sumber daya yang

heterogen dapat dilihat sebagai berikut:


22

3.3 Beowulf


Saya masih menggunakan toplogi fully connected untuk uji coba kali ini,

bedanya satu node pusat tidak ikut melakukan pemrosesan data, hanya sebagai

pusat kendali proses untuk setiap node yang terhubung. Sebenarnya anda bisa saja

menggunakan switch sebagai alternatif lain.

Sebagai sebuah informasi, Beowulf merupakan koleksi atau kumpulan dari node-

node terintegrasi dengan aplikasi-aplikasi yang ditujukan untuk keperluan

komputasi. Beowulf dapat digunakan untuk solusi komputasi yakni sebagai aplikasi

HA (High Availibility) atau HP (High Performance).

A Beowulf cluster is a MIMD multiprocessor built from commodity off-

the-self personal computers connected via a dedicated network, running free open-

source software. Such a cluster can provide a supercomputers performance at a

small fraction of ones cost (Adams and Vos. (2001). Small-College

Supercomputing).


23

Node RAM yang saya gunakan pada percobaan ini sebesar 512MB, HDD

16GB dan 1024MB, HDD 16GB (untuk head node).


Distro GNU/ Linux yang saya gunakan adalah Ubuntu-11.10 amd64 dengan

4 buah node (satu sebagai head node). Untuk packages yang saya gunakan adalah

sebagai berikut:

a. nfs-kernel-server (head node)

b. nfs-client (others node)

c. scisoft packages (head node)(Optional)

d. mpich2 library (head+others node)

e. mpi4py-0.6.0.tar.gz (head+others node)

f. torque-4.1.7.tar.gz (head+others node)

g. iraf.lnux.x86_64.tar.gz (head node)

Berikut saya sajikan juga flowchart untuk keperluan tes ini menurut salah

satu proceedings yang telah ditulis oleh Navtej Singh didalam Parallel

Astronomical Data Processing or How to Build a Beowulf Class Cluster for High

Performance Computing?. Meskipun tidak terlalu textbook seperti yang

digambarkan, saya coba implementasikan dengan tahap yang cukup mudah untuk

dipahami.


24


25


Setelah seluruh packages dipersiapkan sesuai dengan kebutuhan masing-

masing node, jangan lupa untuk mendaftarkan hostname setiap node ke masing-

masing node yang terhubung sehingga dapat melakukan request dan akses yang

passwordless satu sama lain (Silahkan dilihat pada percobaan sebelumnya di tulisan

ini).

Kemudian kita buat user mpi (mpiu) dengan parameter berikut: useradd --

base-dir /home/mpiu --create-home --shell /bin/bash U mpiu dan atur password

untuk user tersebut. Saya pilih NFS server sebagai aplikasi share file sehingga node

yang lain yang cukup melakukan instalasi NFS client agar bisa memanfaatkan file

tanpa perlu ada di fisik node tersebut (Anda bisa menggunakan glusterfs sebagai

alternatif nya). Gunakan parameter berikut di sisi head node: mkdir -p /mirror/mpiu

&& chown -R mpiu:mpiu /mirror/mpiu . Jadi, direktori atau seluruh isi didalam

direktori /mirror/mpiu dimaksudkan agar dapat diakses dan dimanfaatkan oleh

node lain. Hal lain yang harus kita daftarkan adalah alamat dan hostname dari node

pada file /etc/exports seperti berikut:

Di sisi node yang lain, lakukan registrasi nfs dengan parameter berikut

mount -t nfs -o async :/mirror/mpiu /mirror/mpiu dan

masukan parameter tersebut pada file /etc/fstab agar dapat mounted secara otomatis.

Jika tidak ada masalah, setiap node akan mendapatkan akses share untuk direktori

di head node tersebut:


26

Setelah itu, instalasi paket iraf.lnux.x86_64.tar.gz untuk me-set terminal type dari

IRAF sebagai xgterm untuk user mpiu didalam direktori /home/mpiu dengan

parameter berikut tar zxvf iraf.lnux.x86_64.tar.gz && ./install && cd /home/mpiu

&& mkiraf .

Selanjutnya instalasi paket dari torque yang berfungsi untuk mangatur

sumber daya dari proses PBS (The Portable Batch System) secara free. cd

/usr/local/src/ && tar zxvf torque-4.1.7.tar.gz && cd torque-4.1.7 && ./configure

--prefix=/opt/torque --with-server-home=/opt/torque/spool --enable-server --

enable-clients --with-scp --enable-mom && export

PATH=$PATH:/opt/torque/sbin:/opt/torque/bin && make && make install &&

make packages .

Proses dari instalasi diatas akan menghasilkan beberapa torque-packages

seperti berikut:


27

Salin torque-package mom dan clients ke direktori /mirror/mpiu agar dapat

dimanfaatkan dan di instalasi oleh node yang lain (torque-package--linux-

x86_64.sh --install). Kemudian yang juga penting, salin file debian.pbs_server di

head node direktori contrib/init.d/ ke /etc/init.d/ dengan nama pbs_server dan file

debian.trqauthd ke /etc/init.d/ dengan nama pbs_trqauthd . Kemudian jalankan

update-rc.d pb_server defaults dan /etc/init.d/pbs_trqauthd start . Lakukan hal ini

untuk node client yang lain tentunya dengan beberapa penyesuaian file yang

digunakan.

Setelah semua layanan telah running, kita inisialisasi serverdb dan lakukan

restart di head node dengan parameter: pbs_server -t create &&

/etc/init.d/pbs_server restart . Daftarkan dan checking setiap node yang terhubung

ke head node dengan parameter berikut: qmgr -c create node

&& pbsnodes -a . Kita buat sebuah file script python di head node, untuk

mengujinya, simpan dengan nama helloworld.py pada direktori /mirror/mpiu

karena pemrosesan melibatkan seluruh node.


28

Jalankan parameter berikut di /mirror/mpiu : mpiexec -n 10 -host

,, python helloworld.py

Opsi n adalah banyaknya beban proses yang dapat kita berikan pada node agar

dapat diselesaikan secara paralel. Silahkan mencoba


29

4. Kesimpulan

1. Beberapa metode clustering yang saya uji diatas berhasil dijalankan dengan requirement

minimal dan dapat diuji, di implementasikan, dan dilakukan inovasi untuk skala yang lebih

besar.

2. Kita tidak bisa membandingkan antar metode diatas hanya untuk sebuah case saja.

OpenMosix yang notabene merupakan pendistribusian proses, tidak dapat dibandingkan

dengan MPI hanya untuk me-render sebuah pencitraan, sehingga tentu openMosix akan

memakan waktu lebih lama. Begitu juga perihal cache memory, core processor, NIC atau

kartu jaringan yang digunakan dengan besarnya data transfer seperti 10/100/1000/dst

dalam kisaran Mbps sangat mempengaruhi interval waktu perpindahan atau

pendistribusian proses antar node.

3. Metode MPI atau Beowulf akan membagi rata secara langsung beban kerja pada node

sehingga lebih efektif.


30

5. Referensi

[1] Adams and Vos. (2001). Small-College Supercomputing: Building A Beowulf Cluster

At A Comprehensive College. 2001: 1-5. Retrieved 31 January 2015.

[2] Ajinagoro, Bagus Irawan (2005). Aplikasi Sistem Paralel Menggunakan Prosesor Host

486 Berbasis Linux Debian. 2005 (Jul): 1-71. Retrieved 25 January 2015.

[3] Laksono, Mutiara, & Heruseto. (2004, 24-25 August). Analisis Perbandingan Antara

Cluster OpenMosix dengan MPI terhadap Aplikasi Rendering POV-RAY. 2004 (Aug):

1-7. Retrieved 24 January 2015.

[4] Latter, Ian (2006). How To - Instant openMosix. How to build a working openMosix

cluster without touching a compiler. 2006 (Apr): 1-80. Retrieved 11 January 2015.

[5] Singh, Navtej (2012). Parallel Astronomical Data Processing or How to Build a Beowulf

Class Cluster for High Performance Computing?. 2012 (Jan): 1-21. Retrieved 31 January

2015.

[6] Susanto, Warmada, & Wiryana. (2001). Open Source Campus Agreement - GNUPLOT

Untuk Orang Lugu. 2001: 1-57. Retrieved 13 February 2015.

[7] http://www.beowulf.org

[8] http://www.kernel.org/

[9] http://www.mpich.org/

[10] http://www.oyonale.com

[11] http://www.povray.org

superkomputer dengan native linux(encrypted)

Documents