| Call Number | SK-2621 (softcopy SK-2102) |
| Collection Type | Skripsi |
| Title | Evaluating Streamk3s for Efficient Data Processing and Autoscaling in a Bike-Sharing System |
| Author | Alfredo Austin, Kevin Marcellius Alrino, Rayhan Putra Randi; |
| Publisher | Depok: Fasilkom UI, 2025 |
| Subject | |
| Location | FASILKOM-UI; |
| Nomor Panggil | ID Koleksi | Status |
|---|---|---|
| SK-2621 (softcopy SK-2102) | TERSEDIA |
Perkembangan komputasi serverless telah menyoorti meningkatnya permintaan akan platform ramah pengguna yang menyederhanakan kompleksitas pemrosesan aliran data. Para pengembang semakin mencari solusi yang memprioritaskan kemudahan pembuatan pipeline, penggunaan kembali komponen, manajemen sumber daya yang efisien, dan skalabilitas yang mulus. Menjawab kebutuhan ini, sebuah studi baru-baru ini memperkenalkan StreamK3s, sebuah platform yang dibangun di atas K3s, RabbitMQ, dan KEDA. StreamK3s membedakan dirinya dengan menyediakan adaptabilitas dan kesederhanaan yang ditingkatkan, menawarkan kemudahan konfigurasi mandiri dan penerapan fungsi kustom yang lebih ringkas bagi para pengembang. Pada tingkat tinggi, platform ini mengintegrasikan penerapan pipeline berbasis GUI melalui NodeRED, menyederhanakan pembuatan dan pengelolaan workflow data. Platform ini juga menggabungkan metrik eksternal untuk autoscaling Kubernetes, memanfaatkan metrik throughput dan panjang antrean RabbitMQ, yang diterapkan sebagai komponen kustom yang disediakan oleh KEDA bersamaan dengan pipeline pemrosesan data platform. Pendekatan ini tidak hanya mengoptimalkan penskalaan tetapi juga meningkatkan fleksibilitas sistem. Pengembang dapat lebih lanjut menyesuaikan StreamK3s dengan membuat citra container khusus untuk berfungsi sebagai producer atau consumer, menawarkan keserbagunaan yang tak tertandingi untuk berbagai aplikasi. Sebagai platform proof of concept, evaluasi lebih lanjut diperlukan melalui pelaksanaan studi kasus konkret dan penilaian kinerja serta keandalan secara umum, untuk membawa platform ini ke fase berikutnya. Analisis kinerja dan perilaku melalui studi kasus pemrosesan data bike-sharing akan dilaksanakan, dengan penambahan pengujian ketahanan melalui skenario kegagalan yang disimulasikan dan penilaian mekanisme autoscaling yang ditingkatkan, yang menggabungkan metrik berbobot untuk menilai lebih lanjut efektivitas kemampuan penskalaan platform.