Winarno  UltimaComputing

Studi Kinerja Parallel Virtual Machines pada Jaringan

Komputer Berbasis Linux

WINARNO
Universitas Multimedia Nusantara
e-mail: pmwinarno@unimedia.ac.id

Abstract
PVM (Parallel Virtual Machines) is a software that able to utilize computer network as parallel multicomputer.
This study is aimed to reveal the performance of PVM in computer network, especially data communication
performance and computation performance. This studi used matrix multiplication to provide computational
loads to the PVM system, with varied matrix sizes, i.e. 12x12, 40x40, 80x80, 120x120, 240x240 and 360x360.
The study found that PVM could use the Ethernet network bandwidth until 720KB per second or 58% out of the
bandwidth capacity 10Mbps. Latency time counted 3846 microsecond, multicast data transfer rate was 227.575
byte per second, cross communication data transfer rate was 155.253 byte per second, simultaneous data
transfer rate was 10.095 byte per second. Meanwhile, the performance test with matrix multiplication yielded
speedup when the matrix size was 200x200 and up. With 4 PCs paralleled, the best speedup was 3.55 times for
matrix size 360x360. This speedup was 88.9 percent compared to ideal speedup (4 times). This happend due to
a portion of the time used for inter PCs communications. The C/C ratio was reduced (better) for matrix size
200x200 and up.

Keywords: parallel virtual machines, multiprocessor, communication to computation ratio.

1. PENDAHULUAN mengganggu, sehingga perancangan komputer besar

Meskipun dari waktu ke waktu kinerja
komputer semakin tinggi, namun umat manusia
ternyata memiliki gudang permasalahan yang
menuntut kinerja komputer yang lebih tinggi lagi,
sehingga komputer berkinerja tertinggi yang
berhasil diciptakan pada saat ini pun masih belum
mencukupi untuk memecahkan masalah kompleks
yang ada. Beberapa contoh aplikasi riil yang
membutuhkan komputer berkinerja sangat tinggi
antara lain adalah peramalan cuaca, peramalan
gempa, simulasi real time pada reaktor nuklir,
computer aided design, pengolahan data eksplorasi
minyak, dan sebagainya.
Faktor-faktor yang membatasi peningkatan
kinerja komputer lebih jauh adalah masalah laju
sinyal listrik pada rangkaian elektronik komputer
yang terbatas pada kecepatan cahaya, masalah
disipasi panas pada rangkaian elektronik juga sangat
terpaksa beralih ke seni merancang sistem
pendingin yang kompleks. Ada lagi hal yang ironis,
yaitu bahwa semetara kita ingin meningkatkan
kinerja sistem, ternyata sebagian besar komponen
sistem itu justru dalam kondisi menganggur (idle).
Hal ini berarti pemborosan sumber daya komputasi
yang ada.
Berbagai penelitian telah dilakukan untuk
mengatasi masalah tersebut, mulai dari penggantian
bahan semikonduktor dari silikon menjadi GaAs,
meningkatkan clock CPU, penurunan voltase
operasional pada CPU sehingga disipasi panas
semakin kecil, pengecilan dimensi pada pembuatan
chip semikonduktor hingga 0,35um, dan upaya
penggunaan superkonduktor, serta perancangan
ulang arsitektur komputer yang berbeda dengan
arsitektur von Neumann.
Pendekatan untuk menghasilkan komputer
berkinerja tinggi yang akhir-akhir ini ditempuh

42   StudiKinerjaParallelVirtualMachines

  
UltimaComputing
adalah dengan membuat komputer paralel. Pada
saat ini telah dipasarkan komputer dengan 65.536
prosesor, dan diperkirakan dalam waktu dekat ini
akan dipasarkan dengan sejuta prosesor.
Perancangan komputer paralel umumnya
mengasumsikan bahwa komputer itu memiliki
beberapa unit kontrol, ALU (prosesor) dan modul
memori yang akan bekerja secara paralel. Dalam hal
ini muncul masalah inter-koneksi dan komunikasi di
antara komponen-komponen itu. Ada komputer
paralel yang menggunakan sedikit CPU yang
berkinerja tinggi dan terhubung secara longgar,
namun ada pula komputer paralel yang
menggunakan sejumlah besar ALU yang terhubung
secara ketat dan bekerja sebagai satu kesatuan
dengan dikontrol oleh satu unit kontrol. Dari konsep
ini muncul beberapa macam arsitektur dasar
komputer paralel, seperti SIMD (single instruction
multiple data stream), MISD (multiple instruction
single data stream) dan MIMD (multiple instruction
multiple data stream).
Perkembangan teknologi jaringan akhir-akhir
ini juga telah melahirkan arsitektur komputer
paralel baru yang disebut sistem multikomputer
dengan peningkatan kinerja tidak kalah dibanding
sistem multiprosesor. Dengan meluasnya jaringan
komputer di seluruh dunia, khususnya melalui
internet, maka potensi untuk membentuk sistem
paralel yang berskala besar, namun dengan biaya
rendah mungkin dicapai. Bahkan sistem paralel
multikomputer ini dapat menggunakan berbagai
jenis komputer (heterogen), sehingga kita dapat
mengakses sumber daya komputasi yang sangat luas
secara mudah, dan tidak terikat pada keharusan
memakai jenis komputer yang sama (homogen).
Salah satu alat bantu yang memungkinkan kita
merealisasi sebuah sistem komputer paralel
multikomputer adalah perangkat lunak PVM
(Parallel Virtual Machines). Mengingat relevansi
dengan perkembangan situasi komputasi saat ini
yang umumnya berbasis jaringan, maka perangkat
lunak PVM ini tampaknya memiliki prospek yang
cerah untuk diimplementasikan secara luas di
kalangan pemakai komputer. Apalagi di
belakangnya terdapat keuntungan yang besar, yakni
bahwa untuk mendapatkan komputer paralel
berskala besar, kita tidak perlu membangun sistem
komputer sendiri yang berskala besar dan mahal
harganya. Di sini kita cukup memanfaatkan jaringan
komputer dari jenis apa saja yang telah tersebar
luas.
StudiKinerjaParallelVirtualMachines

 Winarno
Untuk mengetahui kemampuan PVM, maka
dilakukan penelitian studi kinerja sistem PVM ini,
dengan tujuan (a) memahami perilaku dan kinerja
komunikasi data sistem PVM pada jaringan
Ethernet, (b) mengevaluasi kinerja komputasi
sistem PVM, melalui pengukuran waktu eksekusi
dan speedup sistem tersebut dari berbagai ukuran
granularitas dan pertambahan jumlah komputer, dan
(c) mengevaluasi dampak rasio komunikasi dan
komputasi (C/C ratio) terhadap kinerja sistem.
Untuk mencapai tujuan tersebut, maka dibuat
eksperimen dengan program-program untuk
mengukur kinerja komunikasi data, dan program
paralel perkalian matriks.
2. METODE PENELITIAN
Penelitian ini dilakukan dengan metode
sebagai berikut:
1. Studi pustaka tentang sistem komputer paralel
dan PVM.
2. Pengembangan program komunikasi data untuk
mengukur kinerja komunikasi, dan
pengembangan program aplikasi perkalian
matriks untuk mengukur kinerja komputasi
paralel.
3. Mencatat hasil pengukuran waktu eksekusi
program, baik untuk komunikasi data maupun
perkalian matriks. Khusus untuk aplikasi
perkalian matriks, waktu eksekusi dipecah lagi
menjadi waktu komunikasi dan waktu
komputasi.
4. Menganalisa hasil pengukuran dengan
membandingkan kinerja sistem sekuensial dan
paralel pada berbagai jumlah komputer (1 unit,
2 unit, dan 4 unit).
2.1. PENGUKURAN KINERJA SISTEM
TANPA BEBAN
Untuk mengevaluasi kinerja komunikasi sistem
jaringan k omputer paralel PVM dalam kondisi
tanpa beban, disini akan diukur kinerja rutin-rutin
komunikasi data yang ada pada PVM, yang
meliputi:
a. Pengukuran Kecepatan Pengemasan
(packing) Data
Dalam proses komunikasi data, mekanisme
pertukaran pesan pada PVM terdiri atas beberapa
 43

Winarno  UltimaComputing
tahap, dimulai dengan pengemasan data ke dalam 
buffer kirim. Oleh sebab itu kita perlu mengetahui Terima
waktu yang dibutuhkan untuk mengemas berbagai
 Kirim
nbyte
ukuran data. Dalam hal ini kecepatan pengemasan   
data penting diketahui, untuk memperkirakan Node2
kontribusi pengemasan data pada pengiriman data.  Node1
Di sini kita mengukur kinerja rutin pvm_pk*()   
dalam mengemas data yang akan dikirim dengan
  nbyte 
berbagai ukuran data (100 sampai 1.000.000 byte).
Gambaran algoritma untuk mengukur kinerja  Terima Kirim
instruksi pengemasa tersebut adalah sebagai
berikut: 
start_packing Gambar 1. Pengukuran bandwidth komunikasi
pvm_initsend(ENCODING);
antaraduasimpul.
pvm_pkint(iarray, numin, 1);
end_packing 
Sedangkan untuk mengukur besarnya latensi
b. Pengukuran Bandwidth dan Latensi
jaringan, di sini dicobakan untuk mengirim data
Komunikasi Dua Simpul
sebesar satu byte bolak-balik antara dua simpul.
Dengan demikian kita dapat mengetahui faktor
Bandwidth dan latensi merupakan faktor-
latensi PVM dalam mengirim data. Algoritma untuk
faktor yang menentukan kecepatan transfer data.
pengukuran latensi (round trip data sebesar 1 byte)
Bandwidth berkaitan dengan besarnya data yang
sama seperti di atas.
dapat dikirim per satuan waktu. Sedangkan latensi
Selain itu, dari data pengukuran bandwidth
dalam komunikasi data berkaitan dengan waktu
pun kita dapat menghitung besarnya latensi sistem
tetap yang terpakai untuk setiap kali pengiriman
jaringan. Jadi kita dapat membandingkan besarnya
data, tidak peduli berapapun ukuran datanya. Jadi
latensi hasil perhitungan dan hasil pengukuran
latensi ini berkaitan dengan frekuensi pengiriman
langsung.
data. Apabila aplikasi paralel kita sering mengirim
data antar-proses, maka waktu eksekusi program
tersebut akan banyak terserap oleh unsur latensi ini.
c. Pengukuran Kinerja Komunikasi Multicast
Walaupun kita telah mengetahui bahwa
bandwidth jaringan Ethernet adalah 10Mbps,
Komunikasi multicast berarti satu simpul
namun kita perlu memastikan berapa besar
mengirim data ke beberapa simpul lain secara
bandwidth yang termanfaatkan (utilisasi) apabila
sekaligus. Komunikasi seperti ini seringkali
digunakan oleh PVM. Hal ini karena utilisasi
dibutuhkan oleh suatu program aplikasi, dimana
bandwidth tersebut sangat penting sebagai bahan
satu proses mengirim data ke beberapa proses lain
pertimbangan kita dalam menentukan strategi
untuk diproses lebih lanjut. Model komunikasi
pertukaran pesan dalam aplikasi paralel pada PVM.
multicast inipun akan dipakai dalam program
Demikian pula kita perlu mengetahui berapa besar
perkalian matriks yang akan digunakan untuk
latensi jaringan pada sistem PVM tersebut, sehingga
mengukur kinerja komputasi paralel sistem PVM
dapat dipertimbangkan dalam strategi pertukaran
ini. Oleh sebab itu kita perlu mengetahui kinerja
pesan dalam program aplikasi kita di PVM.
komunikasi multicast, agar dapat mengantisipasi
Dalam mengukur utilisasi bandwidth yang
penerapannya pada program paralel nantinya.
dicapai oleh PVM, dilakukan eksperimen dengan
Kinerja yang diukur di sini meliputi
cara sebagai berikut: satu simpul mengirim paket
kecepatan transfer data dan latensi komunikasi
data dari berbagai ukuran (100 sampai 1.000.000
multicast, karena faktor-faktor tersebut sangat
byte). Simpul lainnya menerima data tersebut dan
menentukan kinerja komunikasi multicast.
memberi tanda bahwa data telah diterima. Lihat
Dalam mengukur kecepatan transfer data
Gambar 1.
pada komunikasi multicast, dilakukan eksperimen
transfer data dari simpul master ke tiga simpul
slave, dengan berbagai ukuran data (100 sampai

44   StudiKinerjaParallelVirtualMachines

  
UltimaComputing  Winarno

1.000.000 byte). Simpul-simpul slave tersebut a. Pengukuran Kinerja Komunikasi

menerima data dari simpul master, dan kemudian Saling-silang
memberi tanda (ACK) bahwa data telah diterima.
Sedangkan untuk mengukur latensi Yang dimaksud dengan komunikasi saling-
komunikasi multicast dari simpul master ke tiga silang adalah komunikasi antara dua simpul dimana
simpul slave, dilakukan eksperimen dengan kedua simpul tersebut sama-sama berada pada
mengirim data sebesar satu byte (bolak-balik). status akan mengirim data, dan kemudian sama-
Dengan demikian kita dapat mengetahui besarnya sama akan menerima data.
latensi pengiriman data secara multicast. Gambaran Model komunikasi saling-silang ini sangat
eksperimen tersebut dapat dilihat pada Gambar 2. sering terjadi pada sistem jaringan. Maka kita perlu
mengetahui kinerja jaringan pada saat terjadi
 komunikasi saling-silang. Hal ini dimaksudkan
supaya kita dapat mengantisipasi kinerja sistem
 apabila aplikasi kita mengalami komunikasi saling-

 silang. PVM yang mampu mendukung komunikasi
Node point-to-point maupun broadcast seringkali
 membuat pemakai PVM melupakan medium
Slave1
 komunikasi yang digunakan. Misalnya apabila kita
 menggunakan jaringan Ethernet yang bersifat
 nbyte
shared media, maka lalu lintas komunikasi terjadi
 secara bergantian. Ini berarti apabila terjadi
  komunikasi saling-silang maka akan terjadi
 tubrukan, sehingga akan ada satu simpul yang
Node nbyte Node diprioritaskan, dan simpul lainnya dinomorduakan.

Master Slave2 Apabila hal ini terjadi pada eksekusi program
 aplikasi, maka akibatnya bisa fatal, misalnya suatu
 nbyte proses terpaksa harus saling menunggu data,
sehingga mengalami kemacetan atau menjadi sangat
 tidak efisien.
 Untuk mengukur kinerja komunikasi saling-

silang, digunakan berbagai ukuran data (100 sampai
 Node 1.000.000 byte). Pengukuran kinerja komunikasi
Slave3 saling-silang dari satu simpul ke simpul lain (simpul

pengirim maupun penerima) tampak seperti Gambar
 3.
 

Gambar 2. Pengukuran kecepatan transfer data 

nbyte
multicast.  Kirim Kirim
   
2.2. PENGUKURAN KINERJA SISTEM  Node1 Node2
DENGAN BEBAN
  
Dalam eksperimen ini ingin dilihat bagaimana  Terima nbyte Terima
kinerja jaringan komputer PVM apabila terdapat

beban. Untuk itu di sini dibuat suatu model
komunikasi yang dapat menimbulkan beban bagi Gambar 3. pengukuran kecepatan komunikasi
jaringan, yaitu komunikasi overlap dan komunikasi
salingsilang.
simultan. Model komunikasi overlap dan simultan
ini sangat sering dijumpai dalam trafik komunikasi
jaringan.

StudiKinerjaParallelVirtualMachines  45


Winarno  UltimaComputing
b. Pengukuran Kinerja Komunikasi Simultan dest = me + 1;
pvm_send(dest)
Yang dimaksud dengan komunikasi simultan pvm_recv(dest)
adalah simulasi komunikasi di dalam PVM yang else if(mytid == 1\\3) {
melibatkan dua pasang simpul (empat simpul) yang dest = me -1;
secara bersamaan melakukan pengiriman dan pvm_recv(dest);
penerimaan data antara pasangan masing-masing. pvm_send(dest);


2.3. PENGUKURAN KINERJA KOMPUTASI
 Kirim nbyte Kirim
 Setelah mengukur kinerja sistem jaringan
 
PVM, maka selanjutnya dicoba diukur kinerja
 Node1 Node2 sistem tersebut apabila digunakan untuk
 melaksanakan komputasi paralel.
 
Aspek-aspek kinerja komputasi yang akan
 Terima Terima diamati di sini meliputi: Waktu Eksekusi dan
 nbyte Kirim speedup, serta C/C (communication-to-compution)
Ratio dan pengaruh granularitas. Untuk mengukur
 Kirim  kinerja komputasi paralel pada PVM,
  Node4 dikembangkan program aplikasi perkalian matriks
metode Canon [GEI94]. Dan untuk dapat
 Node3  membandingkan kinerja komputasi paralel dengan
  Terima sekuensial (speedup), maka program perkalian
matriks tersebut dijalankan pada kondisi sebagai
 Terima berikut:
 a. Sekuensial pada 1 PC
Gambar 4. Pengukuran kecepatan komunikasi b. Paralel pada 2 PC
c. Paralel pada 4 PC
simultan. Untuk mengetahui pengaruh granularitas
terhadap kinerja komputasi maka digunakan
Model komunikasi simultan ini dapat beberapa ukuran matriks, yaitu 12x12, 40x40,
dipastikan sering terjadi di dalam jaringan, misalnya 80x80, 120x120, 200x200, 240x240 dan 360x360.
karena beban jaringan yang besar, dimana banyak
pemakai sedang menggunakan jaringan tersebut. 2.4. Waktu Eksekusi dan Speedup
Oleh sebab itu, kita perlu mengukur kinerja
komunikasi simultan ini untuk mengantisipasi Waktu eksekusi berkaitan langsung dengan
kinerja jaringan ketika terjadi komunikasi simultan. kinerja sistem. Dalam eksperimen ini kita mengukur
Perbedaan dampak komunikasi simultan dengan waktu eksekusi sekuensial dan paralel pada
komunikasi saling-silang adalah bahwa pada berbagai ukuran matriks. Dengan membandingkan
komunikasi simultan tidak terdapat saling waktu eksekusi sekuensial dan waktu eksekusi
ketergantungan data antara kedua pasang simpul paralel, maka diperoleh speedup. Dari nilai
tersebut. Diperkirakan komunikasinya akan terjadi speedup ini kita bisa mengetahui bagaimana kinerja
secara bergantian (tanpa prioritas). sistem PVM ini. Dengan menggunakan beberapa
Untuk mengukur kinerja komunikasi simultan ukuran matriks, maka disini kita dapat mengetahui
digunakan simulasi dengan berbagai ukuran data pengaruh granularitas terhadap pencapaian speedup
antara 100 sampai 1.000.000 byte. Pengukuran dalam sistem PVM. Apabila nilai speedup ini sesuai
kinerja komunikasi simultan dari dua pasang simpul dengan banyaknya PC yang digunakan untuk
tampak pada Gambar 4. eksekusi paralel, berarti sistem PVM dapat
Algoritma pengukuran kinerja komunikasi dipertimbankan sebagai alternatif komputer paralel
simultan adalah sebagai berikut: yang baik.
if(mytid == 0\\2)

46   StudiKinerjaParallelVirtualMachines

  
UltimaComputing  Winarno

2.5. C/C Ratio proses-proses pada posisi diagonal Tij dimana

C/C (communication-to-computation) ratio
merupakan indikator efisiensi dari eksekusi
program paralel. C/C ratio adalah perbandingan
antara waktu komunikasi dan waktu komputasi.
Apabila nilai C/C ratio ini kecil, berarti program
paralel tersebut efisien, karena waktu yang terpakai
untuk komunikasi relatif kecil dibanding waktu
untuk komputasi.
Untuk mengetahui C/C ratio, maka dalam
eksperimen ini pencatatan waktu eksekusi program
paralel dipecah menjadi waktu komputasi, waktu
overhead sistem dan waktu komunikasi. Kemudian
dihitung C/C ratio dengan membagi waktu
komunikasi oleh waktu komputasi. Dengan
menggunakan berbagai ukuran matriks, maka disini
kita juga dapat melihat pengaruh granularitas
terhadap C/C ratio.
Dalam perkalian matriks bujur sangkar C = A
x B berdasarkan algoritma Canon yang
diimplementasikan pada PVM, diasumsikan kita
akan menggunakan sebanyak m x m proses (task).
Setiap proses akan menghitung blok-blok dari
matriks C yang dihasilkan. Ukuran blok dan nilai m
akan diberikan sebagai input dalam program.
Matriks-matriks A dan B juga disimpan sebagai
blok-blok yang tersebar pada m2 proses. Gambaran
perkalian matriks metode Canon secara sederhana
dapat dilihat pada Langkah-langkah sebagai berikut:
i=j mengirim blok Aii ke semua proses di baris
i, sehingga setiap proses berisi blok matriks Aii.
4. Setelah pengiriman Aii, seluruh proses
menghitung Aii x Bij dan menambah hasilnya
menjadi Cij.
5. Selanjutnya blok-blok kolom B dirotasi ke atas.
Proses Tij mengirim blok-blok B ke t(i-1)j .
6. Setelah itu proses Ai(i+1) mengirim (multicast)
ke proses-proses di baris i.
7. Kemudian matriks baru hasil rotasi dan
multicast tersebut dikalikan lagi, mengkasilkan
Cij akhir.
8. Matriks B kemudian dirotasi kembali seperti
semula.
3. HASIL DAN PEMBAHASAN
3.1. KINERJA SISTEM TANPA BEBAN
Dalam mengevaluasi kinerja primitif
komunikasi data pada sistem komputer paralel
PVM, kita mengukur kinerja primitif-primitif
komunikasi data yang ada pada PVM, yang
meliputi: (a) kecepatan pengemasan (packing) data;
(b) bandwidth dan latensi komunikasi dua simpul;
(c) kecepatan transfer dan latensi komunikasi
multicast.

3.1.1. Kecepatan Pengemasan (packing) Data

Langkah 1: A00 dikirim ke A01 dan A11 dikirim ke
A10.
Dari hasil pengukuran waktu pengemasan
Langkah 2: Matriks T x B
pada Tabel 1. kita dapat menghitung waktu
Langkah 3: Baris matriks B digeser ke atas, baris
pengemasan data dan waktu latensi pengemasan
teratas ke terbawah.
data. Dengan teknik regresi linier, maka dari data
Langkah 4: A01 dikirim ke A00, dan A10 dikirim
tersebut didapatkan waktu latensi pengemasan
ke A11, lalu kembali ke Langkah 2.
adalah sebesar 151,4 mikrodetik, dan kecepatan
Penjelasan langkah-langkah di atas adalah sebagai
pengemasan adalah 0,056 mikrodetik per byte.
berikut:
Dengan demikian kita dapat memprediksi fungsi
1. Matriks bujur sangkar A, B dan C masing-
masing dipecah menjadi mxm blok. Dalam
Tabel 1. Kecepatan pengemasan data.
kasus ini nilai m adalah 2, sehingga matriks-
matriks tersebut dipecah menjadi 4 blok.
2. Setiap proses akan berisi satu blok dari matriks Ukuran Data Waktu Pack Kecepatan
A, B dan C. Jadi setiap proses Tij berisi blok- (byte) (usec) (byte/sec)
blok Cij, Aij dan Bij. Selanjutnya setiap proses 100 157 636973
akan menghitung matriks Cij dari perkalian 1000 210 4761905
matriks Aij dan Bij. 10000 692 14450867
3. Cara perkalian matriks Aij dan Bij menjadi Cij 100000 6899 14494854
adalah sebagai berikut: 1000000 45957 21759470

StudiKinerjaParallelVirtualMachines  47


Winarno
Waktu pengemasan terhadap ukuran datanya
sebagai berikut:
Tpack = 151,4 + 0,056 x B (mikrodetik)
Dimana Tpack = prediksi waktu pengemasan
(mikrodetik) dan B = ukuran data yang akan
dikemas. Demikian pula kecepatan pengemasan
data dapat dirumuskan fungsinya menjadi sebagai
berikut:
Vpack = 1.000.000 x B/ Tpack
Temuan yang kita peroleh di sini adalah
bahwa waktu pengemasan data dalam proses
pertukaran pesan PVM merupakan komponen
waktu komunikasi yang harus diperhitungkan dalam
implementasi program paralel. Apabila program
paralel kita membutuhkan banyak operasi
pengiriman data, maka dapat dipastikan bahwa
program tersebut akan banyak memakan waktu
untuk proses pengemasan.
Semakin kecil ukuran data, maka troughput
pengemasan data terlihat semakin kecil pula. Hal ini
karena terdapat faktor latensi pengemasan data,
yang besarnya 151,4 mikrodetik. Padahal kecepatan
pengemasan datanya 0,056 mikrodetik per byte. Ini
berarti waktu latensi pengemasan tersebut senilai
dengan waktu yang digunakan untuk mengemas
data sebesar 2703 byte. Apabila kita mengemas data
berukuran 100 byte, maka 96,4% waktunya
marupakan waktu latensi. Hal in tentunya tidak
efisien. Sedangkan untuk data berukuran 1.000.000
byte, maka waktu latensinya hanya 0,3%.
Kecepatan pengemasan ini dipengaruhi
oleh faktor-faktor seperti overhead prosesor untuk
menjalankan instruksi pvm_pk*() dan latensi
memori pada penyiapan buffer kirim. Pada
eksperimen ini kecepatan clock prosesor AMD
DX4 adalah sebesar 100MHz dan latensi memori di
cache memori SRAM 20ns serta DRAM 80ns.
3.1.2. Bandwidth dan Latensi Komunikasi
Antara Dua Simpul
Dari hasil pengukuran bandwidth seperti
tampak pada Tabel 2, kita dapat menghitung
biaya waktu untuk mentransfer data per byte dan
waktu latensi pengiriman data. Dengan teknik
regresi linier, maka didapatkan waktu latensi
sebesar 3859 mikrodetik dan waktu transfer rata-
rata per byte sebesar 1,43 mikrodetik. Sehingga kita
dapat merumuskan fungsi hubungan antara waktu
pengiriman data dengan ukuran datanya sebagai
berikut:
48 

 UltimaComputing
Tabel 2. Bandwidth komunikasi dua simpul
Ukuran Data Waktu kirim Bandwidth
(byte) (usec) (byte/sec)
100 4002 24988
1000 5548 180228
10000 16947 590075
100000 140493 711779
1000000 1358741 735975
Tsend = 3859 + 1,43 x B mikrodetik
Dimana Tsend adalah waktu kirim, dan B adalah
ukuran data. Sedangkan fungsi hubungan antara
bandwidth dengan ukuran data adalah:
Bandwidth = 1.000.000 x B/ Tsend byte/detik
Waktu latensi hasil perhitungan tersebut tidak
berbeda jauh dengan waktu latensi hasil pengukuran
langsung yang besarnya 3846 mikrodetik. Latensi
pengiriman data sebesar 3846 mikrodetik tersebut
setara dengan waktu yang digunakan untuk
mengirim data sebesar 2869 byte.
Angka ini merupakan biaya (waktu tetap)
untuk setiap pengiriman pesan, tidak peduli
berapapun ukuran pesannya. Dengan demikian
dapat diduga bahwa pengiriman data pada sistem
PVM mengandung unsur latensi yang dominan
untuk data yang berukuran kecil (di bawah 2869
byte). Hal ini dapat dimaklumi karena pada sistem
PVM, transfer data harus melalui beberapa lapis
protokol, misalnya dari PVM ke Sistem Operasi dan
Ethernet.
Dari eksperimen ini dapat disimpulkan bahwa
dalam implementasi program paralel pada PVM,
data yang berukuran kecil tidak dapat
memanfaatkan bandwidth yang tersedia, dan kita
akan menghadapi latensi yang cukup besar. Oleh
sebab itu seandainya memungkinkan, sebaiknya
data yang ditransfer berukuran cukup besar.
Dari data dan grafik pengukuran bandwidth
antara dua simpul, diperoleh kesimpulan bahwa
semakin kecil ukuran data, maka semakin kecil juga
troughput komunikasi datanya. Hal ini karena
adanya faktor latensi yang dominan.
Sedangkan untuk data berukuran 1 MB,
ternyata bandwidth menunjukkan titik yang optimal.
Ini berarti bahwa ukuran data yang optimal untuk
ditransfer melalui PVM dan Ethernet adalah sekitar
1MB, dengan bandwidth mencapai 735975 byte per
detik. Dengan demikian tingkat utilitas bandwidth
oleh PVM pada Ethernet mencapai sekitar 58
persen.
 StudiKinerjaParallelVirtualMachines
  
UltimaComputing
Dari pengukuran kinerja komunikasi data
antara dua simpul, dapat dirumuskan suatu model
sederhana sebagai berikut:
Ttotal = Tpack + Tsend
Dimana
Tpack = 151,4 + 0,056 x B (mikrodetik)
Tsend = 3859 + 1,43 x B (mikrodetik)
Jadi Ttotal = 4010,4 + 1,486 x B (mikrodetik)
Disini Ttotal = prediksi waktu total per
pengiriman (mikrodetik) dan B = ukuran data yang
akan dikirim. Sedangkan total waktu latensi
pengemasan dan latensi pengiriman data adalah
4010,4 mikrodetik, dan kecepatan pengemasan dan
pengiriman data adalah 1,486 mikrodetik per byte.
3.1.3. Kecepatan dan Latensi Multicast
Dari data hasil pengukuran kecepatan transfer
data secara multicast seperti tampak pada Tabel 3,
kita dapat menghitung biaya waktu untuk
mentransfer data per byte. Dengan teknik regresi
linier, maka kita mendapatkan bahwa waktu transfer
multicast = 4,09 mikrodetik/byte dan waktu latensi
komunikasi multicast = 16111 mikrodetik.
Dari hasil perhitungan waktu latensi dan waktu
transfer rata-rata per byte tersebut di atas, maka kita
dapat merumuskan fungsi hubungan antara waktu
transfer multicast dengan ukuran datanya sebagai
berikut:
Tmcast = 16111 + 4,09 x B (mikrodetik)
Dimana Tmcast adalah waktu transfer multicast,
dan B adalah ukuran data. Sedangkan fungsi
hubungan antara kecepatan transfer multicast
dengan ukuran data adalah:
Vmcast = 1.000.000 x B/ Tmcast byte/detik
Tabel 3. Kecepatan transfer data komunikasi
multicast.
Ukuran Data Waktu kirim Kecepatan
(byte) (usec) (byte/sec)
100 16520 6053
1000 19846 50388
10000 55105 181472
100000 448089 223170
1000000 4394154 227575
Kecepatan transfer data pada komunikasi
multicast tampak lebih rendah dibandingkan dengan
komunikasi simpul-ke-simpul. Dari segi troughput,
kinerja komunikasi multicast berkisar antara
StudiKinerjaParallelVirtualMachines

 Winarno
seperempat sampai sepertiga kinerja komunikasi
simpul-ke-simpul. Hal ini tampaknya karena
pengaruh dari mekanisme broadcast PVM yang
mengasumsikan menangani jaringan yang luas
dengan kelompok IP-address yang berbeda untuk
setiap simpul. Akibatnya komunikasi multicast
dilaksanakan secara bergantian, yaitu mirip
komunikasi simpul-ke-simpul yang dilaksanakan
sebanyak n kali (jumlah simpul slave). Dengan
demikian efisiensi yang diharapkan dari mekanisme
multicast atau broadcast ini tidak tercapai.
Demikian pula ukuran data yang ditransfer
turut berpengaruh terhadap troughput komunikasi
data. Namun untuk data berukuran 100.000 byte ke
atas, tampak bahwa kecepatan transfer data
cenderung stabil pada tingkat 220KB per detik.
Sedangkan dari eksperimen pengukuran
latensi komunikasi multicast diperoleh nilai latensi
sebesar 14.167 mikrodetik. Angka latensi
komunikasi multicast ini tidak berbeda jauh
dibandingkan dengan hasil perhitungan seperti
tersebut diatas, yaitu sebesar 16.111 mikrodetik.
Namun dibandingkan dengan latensi komunikasi
simpul-ke-simpul, latensi multicast tampak jauh
lebih besar (3846 vs 14167 mikrodetik). Akan tetapi
karena komunikasi multicast tersebut ditujukan
kepada tiga simpul, maka sebenarnya besar latensi
tersebut tidak terlalu berbeda dengan latensi simpul-
ke-simpul.
Dibandingkan dengan latensi simpul-ke-
simpul yang besarnya 3846 mikrodetik, maka
latensi multicast ke tiga simpul mencapai tiga kali
lipat lebih. Dengan demikian jelas bahwa
komunikasi multicast akan lebih lambat dibanding
komunikasi simpul-ke-simpul akibat besarnya
latensi multicast tersebut. Dan akibat lebih lanjut,
latensi komunikasi multicast ini akan
mempengaruhi troughput komunikasi multicast,
khususnya untuk data yang berukuran kecil.
3.2. KINERJA SISTEM DENGAN BEBAN
Di sini kita mengevaluasi kinerja
komunikasi data pada sistem komputer paralel PVM
bilamana pada sistem tersebut terdapat beban.
Untuk itu kita membuat model komunikasi yang
sering terjadi dalam jaringan, yaitu komunikasi
saling-silang dan komunikasi simultan. Hasil
pengukuran eksperimen tersebut adalah sebagai
berikut:
 49

Winarno  UltimaComputing
3.2.1. Kinerja Komunikasi Saling-silang kinerja yang jauh lebih buruk dibandingkan dengan
(Overlap) komunikasi simpul-ke-simpul biasa (kirim-terima,
kirim-terima). Namun fenomena ini memberikan
Yang dimaksud komunikasi saling-silang di informasi kepada kita, bahwa sistem PVM akan
sini adalah komunikasi antara dua simpul dimana memberikan kinerja yang buruk apabila terdapat
kedua simpul tersebut sama-sama bermaksud beberapa proses dari simpul yang berbeda yang
mengirim data, kemudian sama-sama menerima sama-sama mengirim data. Situasi tersebut terjadi
data. apabila terjadi pada program aplikasi kita akan
menimbulkan perlambatan proses eksekusi, karena
Tabel 4. Kinerja komunikasi saling-silang kedua simpul saling menunggu data dari simpul
yang lain. Ini berarti sedapat mungkin program
Ukuran Waktu Waktu Kecepatan Kecepat paralel yang kita buat tidak akan berperilaku
Data Kirim Kirim Kirim an Kirim demikian. Kesimpulan yang dapat kita ambil dari
(byte) (usec) (usec) (byte/sec) (byte/sec)
Node 1 Node 2 Node 1 Node 2
eksperimen komunikasi saling-silang ini adalah
100 3754 56606 26638 1766 bahwa model komunikasi saling-silang ternyata
1000 6603 438156 151446 2283 memberikan beban yang cukup besar bagi jaringan,
10000 64411 719165 155253 13905 sehingga menghasilkan kinerja yang buruk. Apabila
100000 769710 4291034 129919 23304
aplikasi paralel kita mengandung model komunikasi
1000000 139365955 166486317 7175 6006
demikian, maka kinerja aplikasi tersebut akan buruk
pula.
Dari data pada Tabel 4 dan dibandingkan
dengan data Tabel 2 mengenai bandwidth
3.2.2. Kinerja Komunikasi Simultan
komunikasi antara dua simpul, ternyata model
komunikasi saling-silang, menampilkan kinerja
Komunikasi simultan, yakni dua pasang
yang jauh berbeda. Komunikasi saling-silang
simpul berkomunikasi bersama dengan pasangan
menghasilkan kinerja yang jauh lebih buruk,
masing-masing. Komunikasi ini juga memberikan
dimana terjadi satu simpul diprioritaskan
kinerja transfer data yang buruk, dan sangat lambat
dibandingkan dengan simpul yang lain.
dibandingkan komunikasi simpul-ke-simpul biasa.
Untuk data berukuran kecil, kecepatan Simpul
Waktu yang dibutuhkan untuk mentransfer data
1 memang tidak berbeda jauh dengan kecepatan
yang sama bisa mencapai 25 kali lipat. Kenyataan
transfer komunikasi simpul-ke-simpul atau send-
ini tampaknya disebabkan oleh faktor antrian atau
receive (26638 dan 24988 byte/detik). Sedangkan
kepadatan lalu lintas komunikasi data (contention).
Simpul 2 kecepatannya rendah sekali (1766
Pasangan simpul yang mendapat prioritas transfer
byte/detik). Namun dengan meningkatnya ukuran
data menampakkan kinerja yang lebih baik,
data, kecepatan komunikasi saling-silang jauh di
sedangkan pasangan simpul lainnya tampak
bawah komunikasi simpul-ke-simpul. Bahkan untuk
memberikan kinerja kurang baik, karena harus
data berukuran 1.000.000 byte, kecepatan
menunggu. Dari situasi ini terlihat bahwa sistem
komunikasi saling-silang dibanding komunikasi dua
PVM pada jaringan Ethernet sangat sensitif
simpul hanya 1:100 (7175:735975).
terhadap beban komunikasi dalam jaringan.
Hal ini tampaknya akibat dari mekanisme
komunikasi pada PVM dan Ehternet. Pada PVM
Tabel 5.5. Kecepatan komunikasi konkuren.
proses pengiriman data dianggap selesai begitu data
dikirim dari buffer memori. Dan pada Ethernet,
Ukuran Node 0 & 1 Node 2 & 3
mengingat Ethernet merupakan shared medium
Data Waktu Kecepat Waktu Kecepatan
maka lalu lintas data terjadi secara bergantian.
(byte) RT an RT (bytes/s)
Jadi meskipun kedua simpul sama-sama
(usec) (bytes/s) (usec)
bermaksud mengirim, namun Ehternet akan
menentukan siapa yang lebih dahulu menyelesaikan 100 52847 1892 24405 4097
proses pengirimannya. Dengan demikian akan 200 75001 2666 42381 4719
terjadi ada satu simpul yang mendapat prioritas dan 500 142460 3509 78601 6361
simpul lain tidak mendapat prioritas. 1000 150075 6663 99052 10095
Mengingat adanya proses arbitrase ini, maka
pengiriman data secara saling-silang menghasilkan

50   StudiKinerjaParallelVirtualMachines

  
UltimaComputing  Winarno

Dengan demikian implementasi program 3.3.1. Pengukuran Waktu Eksekusi

paralel pada sistem PVM sebaiknya tidak dilakukan
pada jaringan yang berbeban tinggi atau dipakai
banyak orang. Sebab adanya beban yang tinggi
tersebut akan langsung mempengaruhi kinerja
jaringan, dan juga kinerja sistem secara
keseluruhan, mengingat kinerja sistem sangat
tergantung pada kinerja komunikasi dalam jaringan.
3.3. KINERJA KOMPUTASI (PERKALIAN
MATRIKS)
Dengan mengimplementasikan program
paralel perkalian matriks, maka diperoleh gambaran
kinerja sistem PVM berbasis jaringan PC, sebagai
berikut:
Hasil pengukuran waktu eksekusi program
paralel perkalian matriks pada berbagai jumlah PC
dapat dilihat pada Tabel 6.
Dari data perhitungan waktu eksekusi
perkalian matriks secara sekuensial maupun paralel
terlihat bahwa untuk matriks berukuran kecil (di
bawah 120x120) ternyata waktu eksekusi paralel
lebih besar dibanding waktu eksekusi sekuensial.
Ini berarti bahwa perkalian matriks paralel untuk
matriks berukuran kecil tidak efisien. Waktu
eksekusi perkalian matriks paralel mulai lebih kecil
dibanding sekuensial pada matriks berukuran di atas
200x200

Tabel 6 Waktu eksekusi perkalian matriks (detik)

Ukuran Matriks
12 40 80 120 200 240 360
Sekuensial 0,328532 0,839865 1,292338 2,423750 8,387753 15,379778 54,194677
2 Paralel 1,1205845 1,311260 1,735147 2,565533 6,519577 13,135889 28,018724
4 Paralel 1,572974 1,652600 1,753119 2,5444362 4,992554 6,290320 15,239201

3.3.2. Pengukuran Speedup untuk 4 PC mencapai 3,55 kali lipat. Pencapaian

speedup tersebut cukup memadai.
Dari data waktu eksekusi di atas, diperoleh
faktor speedup seperti pada Tabel 7. 3.3.3. Profil C/C Ratio

Tabel 7. Perhitungan speedup Profil C/C ratio (communication-ke-

computation) merupakan indikator yang baik untuk
Speed Ukuran Matriks melihat apakah suatu program paralel bekerja
up dengan efisien. Perhitungan C/C ratio adalah
12 40 80 120 200 240 360
0,27 0,64 0,74 0,94 1,29 1,17 1,93
dengan membagi porsi waktu komunikasi dan
Seq-
2Par waktu komputasi.
Seq- 0,21 0,51 0,74 0,95 1,68 2,44 3,55 Apabila C/C ratio besar, berarti sebagian besar
4Par waktu eksekusi program tersebut banyak digunakan
untuk komunikasi, dan waktu komputasi semakin
Dari data perhitungan speedup tersebut di atas, kecil porsinya. Dengan demikian program tersebut
diperoleh kenyataan bahwa untuk data berukuran kurang efisien. Karena dalam eksekusi suatu
kecil, speedup yang dihasilkan umumnya buruk program, idealnya waktu eksekusi tersebut sebagian
(lebih kecil dari 1). Ini berarti bahwa justru kinerja besar digunakan untuk komputasi.
sistem paralel itu lebih rendah dibanding kinerja Dengan menggunakan fasilitas yang terdapat
sistem sekuensial. Namun untuk data berukuran di dalam utiliti XPVM, kita dapat memisahkan
besar (360x360), kinerja eksekusi paralel waktu eksekusi menjadi walti komunikasi dan
menampakkan keunggulannya dibanding eksekusi waktu komputasi. Selanjutnya dari data tersebut
sekuensial. Sebagai contoh, untuk sistem paralel 2 dapat dihitung C/C ratio.
PC, speedup mencapai 1,93 kali. Dan speedup

StudiKinerjaParallelVirtualMachines  51


Winarno  UltimaComputing
Tabel 8 Komposisi waktu eksekusi paralel 2 PC 120x120 ke bawah menghasilkan C/C ratio sekitar
50%. Ini berarti bahwa selama eksekusi tersebut
Matri % Kom % Over %Kom C/C proporsi waktu komunikasi kira-kira setengah
ks putasi head unikasi Ratio waktu komputasi. Tentu saja hal ini menunjukkan
12 44,32 30,11 25,57 57,69 kinerja yang tidak efisien. Dari perhitungan speedup
40 50,21 24,05 25,74 51,26 pun diperoleh nilai speedup kurang dari 100%, yang
80 43,23 35,30 21,46 49,64 berarti tidak melebihi eksekusi sekuensial pada satu
120 55,28 23,40 21,32 38,57 PC.
200 68,17 13,25 18,58 27,26 Profil C/C ratio semakin membaik pada matriks
240 75,34 8,07 16,60 22,03 berukuran 200x200 ke atas, dengan nilai sekitar
360 76,95 8,78 14,27 18,54 25%. Demikian pula pada kondisi ini telah dicapai
perbaikan speedup, dengan nilai di atas 100%.
Bahkan untuk matriks berukuran 360x360, dicapai
Tabel 9. Komposisi waktu eksekusi paralel 4 PC. speedup 3,55 kali, dengan C/C ratio sebesar
18,56%.
Matri % Kom % Over % Kom C/C Kondisi yang ideal untuk eksekusi paralel
ks putasi head unikasi Ratio dengan 4 PC tentunya menghasilkan speedup 4 kali
(%) lipat. Namun hal ini tampaknya tidak mungkin,
karena adanya waktu yang teralokasikan untuk
12 43,54 30,30 26,16 60,07
komunikasi. Speedup yang tercapai dibanding
40 47,54 25,63 26,83 56,43
speedup ideal adalah (3,55/4) x (100%) = 88,9%.
80 54,29 16,89 28,82 53,08
Kondisi tersebut dipandang sudah cukup baik,
120 54,20 22,70 23,10 42,62
karena dalam kenyataannya sebagian waktu
200 60,28 17,61 22,10 36,66
eksekusi terpakai untuk berkomunikasi, dengan
240 67,26 14,76 17,98 26,73
porsi antara 14% hingga 26%.
360 77,42 8,21 14,37 18,56
Hasil pengukuran di atas sesuai dengan
eksperimen yang dilaporkan di dalam [Mar92], dan
Dari perhitungan C/C ratio seperti yang
di situ disimpulkan bahwa C/C ratio dapat
terdapat pada Tabel 8 dan 9 diperoleh
digunakan untuk memperkirakan kinerja sistem
kecenderungan sebagai berikut:
paralel secara akurat.
x Nilai C/C ratio semakin kecil dengan semakin
besarnya ukuran matriks. Atau nilai C/C ratio
semakin besar dengan semakin kecilnya ukuran
matriks. Hal ini dapat dipahami, karena untuk 4. KESIMPULAN DAN SARAN
ukuran data yang lebih kecil, maka latensi
komunikasi menjadi relatif besar dibanding 4.1. KESIMPULAN
waktu eksekusi.
x Nilai C/C ratio semakin besar dengan semakin Dari hasil pengukuran dan pembahasan, maka
banyaknya PC yang terlibat dalam eksekusi dapat ditarik kesimpulan sebagai berikut:
program paralel tersebut.
4.1.1. Kinerja Komunikasi Tanpa Beban

Secara teoritis, komputasi paralel yang efisien
sebenarnya menuntut C/C ratio yang sekecil-
kecilnya, karena adanya waktu komunikasi berarti
menambah waktu eksekusi. Apalagi kalau basis
komunikasinya menggunakan jaringan lokal
Ethernet yang tergolong lambat. Maka waktu
eksekusi program paralel pada sistem PVM berbasis
jaringan Ethernet akan menghadapi kendala waktu
komunikasi dalam jaringan.
Dari data profil C/C ratio yang diperoleh,
ternyata eksekusi paralel untuk matriks berukuran
a. Kinerja komunikasi data pada PVM antara lain
terpengaruh oleh adanya faktor overhead dan
latensi. Overhead adalah waktu yang digunakan
prosesor untuk menyiapkan perngiriman dan
penerimaan data pada memori buffer, sedangkan
latensi adalah waktu yang terbuang dalam
perangkat keras jaringan. Sebagai contoh faktor
overhead adalah waktu yang diperlukan untuk
mengemas (packing) data ke dalam memori
buffer yang mencapai 151,4 mikrodetik.
Sedangkan faktor latensi ditunjukkan dengan

52   StudiKinerjaParallelVirtualMachines

  
UltimaComputing
waktu round trip sebesar 3859 mikrodetik. Dari
data tersebut jelaslah bahwa faktor latensi jauh
lebih besar dibanding faktor overhead.
Tkom = Toh + 0,056 B + Tlat + 1,43 B
Tkom = 151,4 + 0,056 B + 3859 + 1,43 B
Tkom = 4010,4 + 1,486 B
b. Bandwidth yang tersedia pada Ethernet ternyata
tidak mungkin dimanfaatkan sepenuhnya oleh
PVM. Hal ini terbukti dari fakta bahwa
bandwidth PVM hanya mencapai 720KB per
detik atau hanya 58 persen dari bandwidth
Ehternet (10MBps).
c. Pengiriman data dalam paket-paket kecil ternyata
memakan waktu yang sangat besar akibat
adanya dominasi faktor latensi, sehingga
throughput sistem menjadi sangat kecil. Hal ini
tampak pada pengukuran bandwidth untuk data
berukuran kecil.
d. Dari model komunikasi multicast, kita dapat
mengetahui bahwa pada PVM yang berbasis
jaringan Ehternet, mekanisme multicast tidak
memberikan kinerja yang lebih baik dibanding
komunikasi simpul-ke-simpul. Hal ini karena
mekanisme komunikasi multicast PVM pada
Ethernet yang bersifat shared media dilakukan
secara sekuensial (tidak serempak). Ini berarti
mirip dengan komunikasi simpul-ke-simpul.
4.1.2. Kinerja Komunikasi Dengan Beban
a. Pada model komunikasi saling-silang, dimana
terdapat dua simpul yang akan mengirim data
secara bersamaan, ternyata satu simpul
mendapat prioritas pengiriman data, sedangkan
simpul lain dinomorduakan. Akibatnya kinerja
komunikasi salah satu simpul lebih tinggi
dibanding simpul lain. Apabila kedua simpul
tersebut saling tergantung data untuk
pemrosesan tugasnya, maka kondisi ini dapat
menyebabkan kelambatan eksekusi program,
atau bahkan kemacetan.
b. Pada model komunikasi simultan, dimana dua
pasang simpul saling berkirim data secara
bersamaan, kita dapat melihat bahwa apabila
beban jaringan tinggi, maka komunikasi data di
dalam jaringan menjadi lambat. Lambatnya
komunikasi data ini tentunya akan
mempengaruhi eksekusi program paralel, karena
proses-prosesnya mengunggu data yang dikirim
melalui jaringan. Dengan demikian
implementasi program paralel pada PVM yang
StudiKinerjaParallelVirtualMachines

 Winarno
berbasis jaringan Ethernet sebaiknya dilakukan
pada kondisi jaringan yang tidak berbeban berat.
Dari kesimpulan di atas, ternyata bahwa
adanya beban dalam jaringan menyebabkan kinerja
komunikasi turun secara nyata (signifikan). Hal ini
karena adanya waktu yang digunakan untuk
menangani collision.
4.1.3. Kinerja Komputasi
a. Waktu Eksekusi. Dari pengukuran kinerja
komputasi paralel (4 proses) perkalian matriks
yang dibandingkan dengan komputansi
sekuensial dapat disimpulkan bahwa untuk
matriks berukuran kecil (120x120 ke bawah),
ternyata waktu eksekusinya cenderung lebih
buruk dibanding waktu eksekusi sekuensial.
Komputasi paralel mulai menunjukkan
keunggulan dibanding komputasi sekuensial
untuk matriks berukuran 200x200 ke atas. Hal
ini menunjukkan bahwa granularitas sangat
berpengaruh terhadap kinerja komputasi.
Semakin kecil granularitas, maka semakin
lambat waktu eksekusi paralelnya, karena
sebagia besar waktu digunakan untuk
berkomunikasi. Demikian sebaliknya, semakin
besar granularitas (ukuran matriks), maka waktu
eksekusi paralel semakin cepat.
b. Speedup. Komputasi paralel pada PVM ternyata
tidak menjamin adanya speedup yang baik untuk
semua kondisi. Sebagaimana terbukti bahwa
speedup ternyata baru tampak untuk matriks
berukuran 200x200 ke atas. Sedangkan di bawah
ukuran tersebut, komputasi paralel justru lebih
lambat dibanding komputasi sekuensial.
c. Profil C/C ratio. Dengan mengamati proporsi
waktu komunikasi dibanding waktu komputasi,
maka ternyat abahwa untuk matriks berukuran
120x120 ke bawah, nilai c/c ratio adalah sekitar
50%. Ini berarti bahwa porsi waktu komunikasi
mencapai 50% terhadap waktu komputasi. Hal
ini menunjukkan bahwa waktu eksekusi program
paralel tersebut banyak dihabiskan untuk
berkomunikasi. Jadi eksekusi program paralel
tersebut tidak efisien. Namun untuk matriks
berukuran 200x200 ke atas, nilai c/c ratio
semakin kecil (kurang dari 25%), sehingga
eksekusi program paralel pun semakin efisien.
 53

Winarno
Secara umum dapat disimpulkan bahwa
sistem PVM (Parallel Virtual Machines)
memiliki kemampuan yang cukup baik, dan
berpotensi menjadi sarana untuk menciptakan
sistem komputer paralel alternatif, yang
memanfaatkan jaringan stasiun kerja yang ada.
Dengan demikian sistem PVM akan dapat
menghindarkan kita dari membeli sistem
komputer paralel khusus yang harganya tidak
murah.
Namun karena untuk menghasilkan kinerja
yang tinggi PVM menuntut beban jaringan yang
tidak tinggi, maka berarti bahwa PVM pun
memerlukan jaringan yang dedicated apabila
memang dikehendaki sebagai sistem komputer
paralel yang dedicated. Kecuali apabila
kebutuhan aplikasi paralel kita tidak terlalu
besar, maka kita dapat menggunakan jaringan
yang ada untuk merangkap menjadi sistem
komputer paralel yang berbasis PVM.
4.2. SARAN-SARAN
Dari kesimpulan tersebut di atas, maka
untuk mengimplementasikan program paralel pada
PVM yang berbasis jaringan Ehternet, disarankan
agar:
a. Untuk menghindari waktu latensi, maka
sebaiknya komunikasi antar-proses sesedikit
mungkin. Sedangkan untuk memanfaatkan
bandwidth semaksimal mungkin, maka
pengiriman data menggunakan ukuran data
yang sebesar mungkin. Hal ini karena dapat
mengurangi waktu komunikasi dan trafik
komunikasi dalam jaringan, sehingga eksekusi
program paralel kita dapat lebih efisien.
Dengan semakin sedikit komunikasi, berarti
kita menghindari waktu yang terbuang dalam
komunikasi akibat adanya latensi sistem.
Ukuran data minimal adalah 2869 byte.
b. Diupayakan agar digunakan granularitas yang
cukup besar, sehingg efisiensi komunikasi lebih
baik. Sebagaimana diketahui, dengan
granularitas yang besar, maka kita dapat
memanfaatkan bandwidth semaksimal
mungkin.
c. Digunakan jaringan yang memilliki bandwidth
lebih besar, agar kecepatan komunikasi data
lebih tinggi. Sebagai contoh adalah FDDI dan
ATM.
d. Apabila kita ingin memiliki komputer paralel
PVM yang berbasis jaringan Ethernet, maka
54 

 UltimaComputing
sebaiknya jaringan tersebut memang
dedicated sebagai sistem komputer paralel,
dan tidak dipakai untuk aplikasi lain. Sebab
beban komunikasi data yang berat di dalam
jaringan otomatis akan menurunkan troughput
komunikasi, sehingga menganggu kinerja
komputasi paralel. Namun apabila kebutuhan
komputasi paralel kita tidak terlalu besar, maka
kita dapat menarik keuntungan dari sistem
paralel PVM yang berbasis jaringan Ethernet,
yaitu memanfaatkan jaringan yang ada untuk
aplikasi paralel, sehingga kita tidak perlu
membeli komputer paralel khusus yang mahal
harganya.
DAFTAR PUSTAKA
Akl, Selim G. 1989. The Design and Analysis of
Parallel Algoritms, London: Prentice-Hall.
Anderson, Thomas E. et al., A Case for NOW
(Networks of Workstations), IEEE Micro,
February 1995, Hlm. 54-64.
Anindo, Bagchi and Hakimi, Louis S. 1992. Data
Transfers in Broadcast Networks, IEEE
Transaction on Computers, Vol. 41 No.7, July.
Beguelin, Adam et al. 1991. A Users Guide to
PVM (Parallel Virtual Machines), Oak Ridge:
Oak Ridge National Laboratory.
Bhatt, Sandeep N., et al. 1993. Scattering and
Gathering Messages in Networks of
Processors, IEEE Transaction on
Computers, Vol. 42 No.8, August 1993.
Celenk, Mehmet and Wang, Yang. 1994.
Performance of the Networks of Workstations
for Parallel Processing Applications, IEEE
0-8186-5320-5/94.
Crovella et al. 1992. Using Communication-to-
Computation Ratio in Parallel Program
Design and Performance Prediction,
Proceeding of the 4th IEEE Symposium on
Parallel and distributed Processing 1992,
Hlm. 238-245.
Crovella, Mark, et al. 1992. Using
Communication-to-Computation Ratio in
 StudiKinerjaParallelVirtualMachines
  
UltimaComputing
Parallel Program Design and Performance
Prediction, IEEE.
Freeman L.T & Phillips C. 1992. Parallel
Numerical Algoritms, New York: Prentice-
Hall.
Geist, A.G & Sunderam S.V. 1991. Network Based
Concurrent Computating on the PVM
System, Paper, Atlanta: Emory University.
Geist, Al, et al. 1994. PVM: Parallel Virtual
Machines a Users Guide and Tutorial for
Networked Parallel Computing,
Massachusetts: The MIT Press.
Gross, Thomas et al. 1994. Communication Styles
for Parallel Systems, IEEE Computer,
December 1994.
Hayes, John P. 1988. Computer Architecture and
Organization, 2nd ed, New York: McGraw-
Hill.
Hennessy, John L. & Patterson D.A. 1990.
Computer-Architecture a Quantitive
Approach, San Mateo-California: Morgan
Kaufman Publishers Inc.
Hennessy, John L. and Jouppi Norman P.,
Computer Technology and Architecture: An
Evolving Interaction, IEEE Computer,
September 1991.
Hesham, El-Rewini (ed) et al, Parallel Distributed
Systems From Theory to Practice, IEEE
Parallel & Distributed Technology, August
1993.
Himawan B. 1993. Evaluasi Kinerja Sistem
Komputer Paralel Berbasis Pertukaran Pesan
TransPAU, Skripsi, Prosilkom UI, Jakarta.
Horowitz E. & Sahni S. 1990. Fundamental of Data
Structures in Pascal, 3rd ed., New York: W.H
Freeman and Company.
Hwang, K & Briggs, A.F. 1985. Computer
Architecture and Parallel Processing,
Singapore: McGraw-Hill.
StudiKinerjaParallelVirtualMachines

 Winarno
INMOS Limited. 1990. ANSI C Toolset User
Manual, INMOS Limited.
INMOS Limited. 1990. ANSI C Toolset Reference
Manual, INMOS Limited.
Khokhar, Ashfaq A., et al. Heterogenous
Computing: Challenges and Opportunities,
IEEE Computer, June 1993.
Lewis, G.T., et al. 1992. Introduction to Parallel
Computing, New Jersey: Prentice-Hall.
Quinn, Michael J. 1987. Designing Efficient
Algorithm for Parallel Computers, London:
McGraw-Hill.
Rochkind, Marc J. 1985. Advance Unix
Programming, Englewood Cliffs, New Jersey:
Prentice-Hall.
Stone, Harold S. 1987. High-Performance
Computer Architecture, Massachusetts:
Addison-Wesley Publishing Company.
Tabak, Daniel. 1991. Advanced Mircroposessor,
New York: McGraw-Hill,.
Tanenbaum, Andrew S. 1992. Modern Operating
Systems, Englewood Cliffs, New York:
Prentice-Hall.
Tsay, Jong-Chuang and Chang, Pen-Yuang,
Design of Efficient Regular Arrays for Matrix
Multiplication by Two-Step Regularization,
IEEE Transaction on Parallel and Distributed
Systems, Vol. 6 No.2, February 1995.
Varvarigos, Emmanouel A. and Bertsekas, Dimitri
P., Dynamic Broadcasting in Parallel
Computing, IEEE Transaction on Parallel
and Distributed Systems, Vol.6 No.2, February
1995.
Wilson, Gregory V., A Glossary of Parallel
Computing Technology, IEEE Parallel &
Distributed Technology, February 1993.
Yung, C.W and Yung, Edward K.N. 1992. Design
of a Distributed Programming Platform for
 55

Winarno  UltimaComputing
Parallel Computation in a Network of
Workstations, IEEE 0-7803-0849-2/92.

Vokerding, Patrick, et al. 1995. Linux Configuration

and Installation, 1st ed., New York: MIS Press.

Xu, Zhiwei. Spring 1996. Modeling

Communication Overhead: MPI and MPL
Performance on the IBM PS/2, IEEE Parallel
& Distributed Technology.

56   StudiKinerjaParallelVirtualMachines