Analisa DBMS

Analisa Jurnal DBMS Bionik

Journal oleh Ryan Johnson – University of Tronto

1.Pendahuluan

Akibat pertemuan tren yang merubah hukum Moore; Pertama prosessor speed telah stagnan dalam beberapa dekade tidak akan meningkat akibat masalah power, reaksi industri untuk menyingkirkan segudang identikal core berujung pada kerumitan hukum Amdahl, Kedua skala transistor mencapai kelanjutan: power saving transistor kecil tidak lagi dikompensate penuh untuk penambahan jumlah transistor per chip, power envelope yang tetap memaksa penyusutan fraksi chip setiap saat, yang disebut Dark silikon.

Tren cloud-base “big data” dirintis oleh google, facebook, amazon, dan microsoft, dan komunitas seperti IBM Netezza dan Oracle Exadata telah merespon tren ini, untuk meningkatkan operasi managemen data dengan kustom atau semi-kustom hardware. Pengerjaannya terfokus pada gaya perhitungan dataflow dan streaming domain, contohnya Online Transaction Processing (OLTP).

Masalah yang ditimbulkan oleh     Aliran kontrol dan operasi High-latensi, perhitungan yang digunakan dalam proses transaksi dan grafik transversal

Dalam kertas ini sang penulis”Ryan Johnson” membuat 2 klaim:

dukungan efektif hardware tidak selalu membutuhkan penambahan raw performance; tujuan utamanya untuk mengurangi penggunaan energi

fraksi yang mengejutkan dapat diterima untuk implementasi hardware;”we” memperkirakan system masadepan akan seluruhnya menggunakan software untuk koordinasi penggunaan dan interaksi unit hardware

2.Dark Silikon

Merupakan tren untuk penambahan chip transistor untuk sisa yang takterpakai setiap saat.

Efek yang ditimbulkan ada 2:

Penolakan skala power untuk beberapa saat desain multicore menyebabkan paralellisme dari software, akibatnya task mengalami ketidak seimbangan karena data dibagi ke banyak core. Dalam gambaran 1 fraction dari penggunaan hardware: menerima 0.1% pekerjaan seri dapat dikatakan cukup dalam sehari. Hardware generasi selanjutnya ,katakanlah seribu core dapat mengurangi fraction seri dari pekerjaan dapat berkurang pesat dua perintah.

Skala power yang kurang pada generasi transistor selanjutnya, akibat desakan power akan memaksa pertumbuhan fraction pada hardware offline walau pernah digunakan software. Dalam perhitungan katakan 20% dari transistor luar 2018 power envelope, fraction yang dapat digunakan menyusut dari 30% sampai 50%, untuk setiap generasi hardware. Perhitungan 1/10 power hanya berharga 10x lebih cepat: bersisa 90% dari pemakaian untuk yang lain atau dapat dikatakan biaya operating murah.

Untuk menurunkan operasi power footprint dengan mengubah hardware yang berjalan, dengan pindah ke kustom hardware

3.Latensitas dan Kontrol Aliran

Pemrosessan query khususnya dalam bentuk colomnar menghasilkan dataflow yang signifikan dan relative mudah mengatur Aliran Kontrol yang memetakan hardware dengan baik. Transaction processing dilain pihak memberikan aliran kontrol besar dan kecil, komponen dataflow yang takbiasa membuat target yang terkenal tak efisien untuk prosesor biasa dan tak mempengaruhi akselerasi hardware. OLTP diuntungkan dari skala frekuensi Clock dalam beberapa dekade bahkan lebih diuntungkan dari paralelisme yang berderajat tinggi untuk penawaran multicore hardware akibat dark silikon dan dapat sangat merugikan: frekuensi clock dan jumlah clock yang tetap melewati ancaman generasi untuk menutupi OLTP Throughput.

Delay besar seperti disk I/O terkenal dan mudah di skejul dalam software tapi delay kecil maksud lain berakibat seperti software dan hardware untuk umum tak dapat menanggung nya

 Ketimbang menambahkan performa mentah  kita lebih baik memasukan OLTP karena akan mengurangi power footprint hardware agar terhindar dari banyak latensi sebisa mungkin. Teknk penghindaran penambahan latensitas, delay yang tak sinkron dan mudah diprediksi dalam µs sangatlah mudah di skejul dalam software ketimbang ‘cache miss’ atau ‘pipeline stall’ yang takterduga.

4.Aliran Kontrol pada Hardware

Hardware Kustom kemampuannya kurang dalam Aliran Kontrol sering gagal dalam mengekstrak Aliran Kontrol Dinamis dari Aplikasi Programing. Sebenarnya hardware unggul dalam Aliran kontrol global ‘Finite State Automaton(FSA)’, ‘khusunya Non-deterministic Finite State Automaton(NFSA)’, dengan mempekerjakan paralelisme dari hardware untuk efek yang lebih baik. Dari gaya aliran kontrol Neuman: low-dimensional projection dari bagian pokok mesin memberikan beberapa keuntungan. Akselerasi efektif dari Aliran kontrol butuh identifikasi proses abstrak dan memetakan high-dimensional projection ke hardware. Pencarian OLTP(Online Transaction Processing) seperti B+Tree Probe dan logging tersugesti banyaknya pelekatan yang kurang efektif dari pengangkatan OLTP akibat kurangnya pemetaan ke software.

5.”BIONIC” Transaction Processing

Target system konkret, berdasar pemberian mesin HC-2 yang mengkombin Field-Programable Gate Array(FPGA) dengan intel prosessor modern sistem arsitekturnya seperti Figure2.

Performa tinggi FPGA dengan direct akses ke disk dan ke tampungan lokal memori maka sisi memori FPGA tidak tercache, tapi terurai berai, memori kontroler mengirim bandwidth 80GBps untuk request random 64-bit, sangat membantu dalam beban dengan lokalitas rendah. FPGA dan sisi host memori saling melekat dan mudah diakses oleh CPU atau FPGA lain, melalui PCI bus menyebabkan  efek NUMA yang parah(2µs bolak-balik). Karakteristik ini memerintah FPGA menangani banyak manipulasi data dan bahwa komunikasi CPU/FPGA haruslah tidak sinkron. PCI bus menyediakan bandwidth yang cukup untuk suport beban OLTP dan gaya penyaringan Netezza memudahkan masalah bandwidth untuk queri-queri; tujuannya untuk mengikat segudang sumber latensi yang kecil dan dibongkar ke power efisien.

2. Dark Silikon

Merupakan tren untuk penambahan chip transistor untuk sisa yang tak terpakai setiap saat.

Efek yang ditimbulkan ada 2:

Penolakan skala power untuk beberapa saat desain multicore menyebabkan paralellisme dari software, akibatnya task mengalami ketidak seimbangan karena data dibagi ke banyak core. Dalam gambaran 1 fraction dari penggunaan hardware: menerima 0.1% pekerjaan seri dapat dikatakan cukup dalam sehari. Hardware generasi selanjutnya ,katakanlah seribu core dapat mengurangi fraction seri dari pekerjaan dapat berkurang pesat dua perintah.

Skala power yang kurang pada generasi transistor selanjutnya, akibat desakan power akan memaksa pertumbuhan fraction pada hardware offline walau pernah digunakan software. Dalam perhitungan katakan 20% dari transistor luar 2018 power envelope, fraction yang dapat digunakan menyusut dari 30% sampai 50%, untuk setiap generasi hardware.

Perhitungan 1/10 power hanya berharga 10x lebih cepat: bersisa 90% dari pemakaian untuk yang lain atau dapat dikatakan biaya operating murah.

Untuk menurunkan operasi power footprint dengan mengubah hardware yang berjalan, dengan pindah ke kustom hardware

3. Latensitas dan Kontrol Aliran

Pemrosesan query khususnya dalam bentuk colomnar menghasilkan dataflow yang signifikan dan relative mudah mengatur Aliran Kontrol yang memetakan hardware dengan baik. Transaction processing dilain pihak memberikan aliran kontrol besar dan kecil, komponen dataflow yang takbiasa membuat target yang terkenal tak efisien untuk prosesor biasa dan tak mempengaruhi akselerasi hardware.

OLTP diuntungkan dari skala frekuensi Clock dalam beberapa dekade bahkan lebih diuntungkan dari paralelisme yang berderajat tinggi untuk penawaran multicore hardware akibat dark silikon dan dapat sangat merugikan: frekuensi clock dan jumlah clock yang tetap melewati ancaman generasi untuk menutupi OLTP Throughput.

4. Aliran Kontrol pada Hardware

Hardware Kustom kemampuannya kurang dalam Aliran Kontrol sering gagal dalam mengekstrak Aliran Kontrol Dinamis dari Aplikasi Programming. Sebenarnya hardware unggul dalam Aliran kontrol global ‘Finite State Automaton(FSA)’, ‘khusunya Non-deterministic Finite State Automaton(NFSA)’, dengan mempekerjakan paralelisme dari hardware untuk efek yang lebih baik. Dari gaya aliran kontrol Neuman: low-dimensional projection dari bagian pokok mesin memberikan beberapa keuntungan. Akselerasi efektif dari Aliran kontrol butuh identifikasi proses abstrak dan memetakan high-dimensional projection ke hardware.

5. ”BIONIC” Transaction Processing

Target system konkret, berdasar pemberian mesin HC-2 yang mengkombine Field-Programable Gate Array(FPGA) dengan intel prosessor modern sistem arsitekturnya seperti Figure2. Performa tinggi FPGA dengan direct akses ke disk dan ke tampungan lokal memori maka sisi memori FPGA tidak tercache, tapi terurai berai, memori kontroler mengirim bandwidth 80GBps untuk request random 64-bit, sangat membantu dalam beban dengan lokalitas rendah.

Pengertian DBMS (Database Management System)

DBMS (Database Management System) merupakan sistem pengorganisasian data pada komputer. DBMS adalah perangkat lunak yang memungkinkan untuk membangun basis data yang berbasis komputerisasi. DBMS adalah perantara user dengan basis data sehingga dengan adanya DBMS,user akan dengan mudah mencari dan menambahkan informasi pada data base.

DBMS BIONIK merupakan DBMS dimana bionik itu sendiri merupakan anatomi buatan yg dapat dikontrol oleh otak penggunanya. Secara garis besar dbms bionik adalah bagian-bagian atau komponen pada sistem manajemen basis data yg dapat dikontrol oleh otak penggunanya yaitu manusia.

v  Konsep DBMS (database management system)

            Database Management System (DBMS) merupakan paket program (Software) yang dibuat agar memudahkan dan mengefisienkan pemasukan, pengeditan, penghapusan dan pengambilan informasi terhadap database.

            Software yang tergolong kedalam DBMS antara lain, Microsoft SQL, MySQL, Oracle, MS. Access, dan lain-lain

v Komponen utama dbms terdiri dari:

1.  Perangkat keras

        Berupa komputer dan bagian-bagian didalamnya, seperti prosesor, memori & harddisk. Komponen inilah yang melakukan pemrosesan dan juga untuk menyimpan basis data.

2.  Basis data

        Sebuah DBMS dapat memiliki beberapa basis data, setiap basis data dapat berisi sejumlah obyek basis data (file,tabel,indeks dsb). Disamping berisi data,setiap basis data juga menyimpan definisi struktur (baik untuk basis data maupun obyek-obyeknya secara detail).

 

3.  perangkat lunak

        perangkat lunak ini terdiri dari sistem operasi dan perangkat lunak/program pengelola basisdata. Perangkat lunak inilah yang akan menentukan bagaimana data diorganisasi,disimpan, diubah dan diambil kembali. Ia juga menerapkan mekanisme pengamanan data, pemakaian data secara bersama, pemaksaan keakuratan/konsistensi data, dsb.

      Contoh perangkat lunak DBMS : MS access, SQL Server, Oracle dsb.

4. Prosedur

Prosedur memuat aturan-aturan untuk mendisain dan penggunaan database. Para pemakai sistem database  memerlukan dokumentasi prosedur yang berisi cara menggunakan atau menjalankan sistem itu.

5. Personil

Komponen terakhir adalah personil yang terlibat didalam sistem

v Komponen lainnya sebagai berikut:

·                     File manager berfungsi untuk mengelola struktur data yang digunakan untuk mempresentasikan informasi yang tersimpan dalam disk.

·                     Database Manager berfungsi untuk menyediakan interface antar data dengan program alikasi dan query

·                     Query Processor berfungsi sebagai penterjemah perintah dalam bahasa query ke intruksi low – level yang dapat dimengerti database manager.

·                     DML Precompiler berfungsi sebagai pengkonversi pernyataan atau perintah DML, yang ditambahkan dalam suatu program aplikasi kepemangin prosedur normal dalam bahasa induk.

·                     DDL Compiler digunakan untuk mengkonversi berbagai perintah DDL ke dalam sekumpulan tabel yang mengandung metadata.

Untuk dapat mengakses DBMS (Database Management System) user harus menggunakan bahasa database, bahasa database terdiri dari beberapa intruksi yang digabungkan sehIngga dapat diproses oleh DBMS. Perintah atau intruksi tersebut umumnya ditentukan oleh user, adapun bahasa yang digunakan dibagi kedalam 2 (dua) macam diantaranya adalah:

1. DDL (Data Definition Language)

DDL atau singkatan dari Data Definition Languange, yaitu dipakai untuk menggambarkan desain dari basis data secara menyeluruh. DDL dapat dipakai untuk membuat tabel baru, memuat indeks, maupun mengubah tabel. Hasil dari kompilasi DDL akan disimpan di kamus data. Itulah definisi dari DDL.

2. DML (Data Manipulation Language)

DML atau singkatan dari Data Manipulation Language, yaitu dipakai untuk memanipulasi daan pengambilan data pada suatu basis data, misalnya seperti penambahan data yang baru ke dalam suatu basis data, menghapus data pada suatu basis data dan mengubah data pada suatu basis data. Itulah definisi dar DML.

RINGKASAN ANALISA DBMS BIONIK

DBMS BIONIK merupakan DBMS dimana bionik itu sendiri merupakan anatomi buatan yg dapat dikontrol oleh otak penggunanya. Secara garis besar dbms bionik adalah bagian-bagian atau komponen pada sistem manajemen basis data yg dapat dikontrol oleh otak penggunanya yaitu manusia.

Akibat pertemuan trend yang merubah hukum Moore:  Pertama prosessor speed telah stagnan dalam beberapa dekade tidak akan meningkat akibat masalah power, reaksi industri untuk menyingkirkan segudang identikal core berujung pada kerumitan hukum Amdahl, Kedua skala transistor mencapai kelanjutan: power saving transistor kecil tidak lagi dikompensate penuh untuk penambahan jumlah transistor per chip, power envelope yang tetap memaksa penyusutan fraksi chip setiap saat, yang disebut Dark silikon.

Dark silikon itu sendiri merupakan tren untuk penambahan chip transistor untuk sisa yang tak terpakai setiap saat. Berikutnya terdapat latensitas dan kontrol aliran yaitu merupakan pemrosesan query khususnya dalam bentuk colomnar menghasilkan dataflow yang signifikan dan relative mudah mengatur Aliran Kontrol yang memetakan hardware dengan baik.          

Transaction processing dilain pihak memberikan aliran kontrol besar dan kecil, komponen dataflow yang tak biasa membuat target yang terkenal tak efisien untuk prosesor biasa dan tak mempengaruhi akselerasi hardware. Aliran kontrol pada hardware kustom itu sendiri kemampuannya kurang dan sering mengalami kegagalan dalam mengekstrak Aliran Kontrol Dinamis dari Aplikasi Programming.

Target system konkret, berdasar pemberian mesin HC-2 yang mengkombine Field-Programable Gate Array(FPGA) dengan intel prosessor modern sistem arsitekturnya seperti Figure2.

Performa tinggi FPGA dengan direct akses ke disk dan ke tampungan lokal memori maka sisi memori FPGA tidak tercache, tapi terurai berai, memori kontroler mengirim bandwidth 80GBps untuk request random 64-bit, sangat membantu dalam beban dengan lokalitas rendah.

KESIMPULAN

Basis data merupakan kumpulan data yang saling berhubungan satu dengan yang lainnya yang diaorganisasikan sesuai struktur tertentu dan disimpan dengan baik

Ada setidaknya 10 fungsi DBMS dalam membantu menjaga dan memelihara integritas data dalam suatu sistem adalah: Menjaga Integritas Data, Penyimpanan Data (Data Storage Management), Kamus Data, Transformasi dan Penyajian Data, Keamanan Data, Memungkinkan Akses Beberapa User, Menyediakan Prosedur Backup dan Recovery, Menyediakan bahasa akses dan pemogramman, Menyediakan interface untuk komunikasi, dan Manajemen Transaksi

Komponen  DBMS (Data Base Management System) umumnya memiliki sebagian komponen fungsional (modul) seperti : File Manager, Database Manager, Query Processor, DML Precompiler, DDL Compiler.

Keunggulan dari DBMS adalah mengurangi duplikasi data, menjaga consistentsi dan integritas data, meningkatkan keamanan data, efisiensi dan efektifitas penggunaan data, meningkatkan produktifitas para pengguna data.

Kelemahan DBMS adalah Memerlukan suatu skill tertentu untuk bisa melakukan administrasi dan manajemen database agar dapat diperolehh struktur dan relasi data yang optimal, Memerlukan kapasitas penyimpanan baik eksternal disc maupun internal memory agar DBMS dapat bekerja cepat dan efisien. Kebutuhan akan sumber daya resources biasanya cukup tinggi. apabila DBMS gagal menjalankan misinya maka tingkat kegagalan menjadi lebih tinggi Karena banyak pengguna bergantung pada sistem ini. Harga DBMS yang handal biasanya sangat mahal.