Library Automation and Digital Archive
LONTAR
Fakultas Ilmu Komputer
Universitas Indonesia

Pencarian Sederhana

Find Similar Add to Favorite

Call Number SK-2877 (softcopy SK-2358) SC-933
Collection Type Skripsi
Title Implementasi dan Evaluasi Multi-Dimensional Defragmentation dan Network-Aware Filtering Policies pada Kubernetes Descheduler
Author Naufal Ichsan, Muhammad Raihan Akbar, Matthew Hotmaraja Johan Turnip;
Publisher Depok: Fasilkom UI, 2026
Subject Kubernetes Descheduler
Location FASILKOM-UI;
Lokasi : Perpustakaan Fakultas Ilmu Komputer
Nomor Panggil ID Koleksi Status
SK-2877 (softcopy SK-2358) SC-933 TERSEDIA
Tidak ada review pada koleksi ini: 57116
ABSTRAK

Nama Penulis 1 / Program Studi : Naufal Ichsan / Ilmu Komputer Nama Penulis 2 / Program Studi : Muhammad Raihan Akbar / Ilmu Komputer Nama Penulis 3 / Program Studi : Matthew Hotmaraja Johan Turnip / Ilmu Komputer Judul : Implementasi dan Evaluasi Multi-Dimensional Defragmentation dan Network-Aware Filtering Policies pada Kubernetes Descheduler Pembimbing : Made Harta Dwijaksara, S.T., M.Sc., Ph.D.

Klaster Kubernetes yang dinamis mengakumulasi fragmentasi sumber daya multidimensi yang menimbulkan kapasitas terdampar, sedangkan konsolidasi berbasis komputasi dapat mengganggu beban kerja sibuk atau memindahkan layanan mikro yang saling bergantung melalui jaringan terdegradasi. Penelitian ini menyajikan arsitektur Kubernetes Descheduler yang menggabungkan defragmentasi sumber daya dengan pengamanan penggusuran berbasis penggunaan aktual dan kondisi jaringan. Kebijakan ResourceDefragmentation mengevaluasi bentuk penggunaan CPU-memori menggunakan Resource Imbalance Index (RII), Free-Space Index (FSI), dan bin score, kemudian memilih penggusuran berdasarkan prediksi target penjadwal yang layak. Filter berbasis penggunaan aktual dan kondisi jaringan masing-masing melindungi Pod yang sibuk dan memblokir perpindahan menuju tujuan yang memperburuk latensi. Pada lima skenario sumber daya berbasis request, kebijakan mereklamasi empat Node pada skenario utilisasi rendah dan tiga Node pada skenario terfragmentasi. Pada skenario pengosongan heterogen, kebijakan menurunkan Mean Absolute RII dari kisaran rendah 20% menjadi sekitar 2% dengan dua penggusuran. Pada beban kerja satu replika yang terkontrol, filter penggunaan aktual melindungi Pod API yang sibuk dengan mengalihkan penggusuran ke kandidat yang menganggur, sehingga mencegah kegagalan yang terjadi ketika Pod API tersebut digusur. Pada evaluasi sadar jaringan, perilaku dasar ResourceDefragmentation menyeimbangkan sumber daya komputasi tetapi menggusur beban kerja sensitif, sehingga menyebabkan lonjakan latensi hingga ∼167ms. Sebaliknya, filter sadar latensi mencegat tindakan yang merusak jaringan tersebut, mempertahankan latensi dasar pada ∼8ms, dan tetap menurunkan Mean Absolute RII dari kisaran 50% menjadi sekitar 17% dengan mengarahkan penggusuran ke Pod non-kritis. Secara keseluruhan, arsitektur yang diusulkan meningkatkan utilisasi sumber daya sekaligus melindungi beban kerja aktif dan sensitif terhadap jaringan.