OS: PRAKTIKUM — Kernel Tuning Lab: Difference between revisions

From OnnoCenterWiki
Jump to navigationJump to search
Created page with " PRAKTIKUM 6 — Kernel Tuning Lab Mengoptimalkan Kernel Linux untuk Beban Kerja Nyata Tujuan Praktikum Praktikum ini bertujuan memperkenalkan mahasiswa pada aktivitas kernel..."
 
No edit summary
 
(One intermediate revision by the same user not shown)
Line 1: Line 1:
==Mengoptimalkan Kernel Linux untuk Beban Kerja Nyata==


PRAKTIKUM 6 — Kernel Tuning Lab
==Tujuan Praktikum==
Mengoptimalkan Kernel Linux untuk Beban Kerja Nyata
Tujuan Praktikum
Praktikum ini bertujuan memperkenalkan mahasiswa pada aktivitas kernel tuning berbasis observasi dan pengukuran, bukan asumsi. Mahasiswa tidak hanya “mengubah parameter”, tetapi memahami hubungan antara workload, kernel subsystem, dan performa sistem secara kuantitatif.
Praktikum ini bertujuan memperkenalkan mahasiswa pada aktivitas kernel tuning berbasis observasi dan pengukuran, bukan asumsi. Mahasiswa tidak hanya “mengubah parameter”, tetapi memahami hubungan antara workload, kernel subsystem, dan performa sistem secara kuantitatif.
Setelah menyelesaikan praktik ini, mahasiswa diharapkan mampu:
Setelah menyelesaikan praktik ini, mahasiswa diharapkan mampu:
Menganalisis bottleneck sistem (CPU, memori, I/O) berbasis data
* Menganalisis bottleneck sistem (CPU, memori, I/O) berbasis data
Melakukan kernel tuning yang aman tanpa compiling kernel
* Melakukan kernel tuning yang aman tanpa compiling kernel
Membandingkan performa sebelum dan sesudah tuning
* Membandingkan performa sebelum dan sesudah tuning
Menarik kesimpulan teknis berbasis benchmark
* Menarik kesimpulan teknis berbasis benchmark
Ini adalah kompetensi inti dari profil Kernel Tinkerer dalam peta kompetensi mata kuliah.
Ini adalah kompetensi inti dari profil Kernel Tinkerer dalam peta kompetensi mata kuliah.
Konteks Akademik Kernel Tuning
 
==Konteks Akademik Kernel Tuning==
Dalam sistem operasi modern, kernel tuning adalah proses penyesuaian parameter runtime kernel agar lebih sesuai dengan karakteristik beban kerja (workload) tertentu. Kernel Linux dirancang generik agar dapat berjalan di berbagai skenario—server, embedded, desktop—namun konfigurasi default tidak selalu optimal untuk setiap kasus.
Dalam sistem operasi modern, kernel tuning adalah proses penyesuaian parameter runtime kernel agar lebih sesuai dengan karakteristik beban kerja (workload) tertentu. Kernel Linux dirancang generik agar dapat berjalan di berbagai skenario—server, embedded, desktop—namun konfigurasi default tidak selalu optimal untuk setiap kasus.
Beberapa prinsip penting:
Beberapa prinsip penting:
Kernel ≠ statis → banyak parameter dapat diubah saat sistem berjalan
* Kernel ≠ statis → banyak parameter dapat diubah saat sistem berjalan
Tuning ≠ overclocking → fokus pada efisiensi, stabilitas, dan latensi
* Tuning ≠ overclocking → fokus pada efisiensi, stabilitas, dan latensi
Observasi → hipotesis → tuning → verifikasi adalah alur yang benar
* Observasi → hipotesis → tuning → verifikasi adalah alur yang benar
 
Dalam konteks buku Sistem Operasi, praktik ini adalah kelanjutan alami dari:
Dalam konteks buku Sistem Operasi, praktik ini adalah kelanjutan alami dari:
BAB Arsitektur Kernel Linux
* BAB Arsitektur Kernel Linux
BAB Compile Kernel
* BAB Compile Kernel
PRAKTIK Kernel Module Lab
* PRAKTIK Kernel Module Lab


Persiapan Lingkungan Praktikum
==Persiapan Lingkungan Praktikum==
Spesifikasi Minimum VM
===Spesifikasi Minimum VM===
Gunakan Ubuntu Server 24.04 dengan konfigurasi:
Gunakan Ubuntu Server 24.04 dengan konfigurasi:
CPU: 2 core
* CPU: 2 core
RAM: 2–4 GB
* RAM: 2–4 GB
Disk: ≥ 40 GB (ext4)
* Disk: ≥ 40 GB (ext4)
Login sebagai user biasa (bukan root)
* Login sebagai user biasa (bukan root)
Instalasi Tool Benchmark & Monitoring
 
===Instalasi Tool Benchmark & Monitoring===
Seluruh tool bersifat open source dan tersedia via APT:
Seluruh tool bersifat open source dan tersedia via APT:
sudo apt update
sudo apt update
sudo apt install -y sysstat stress-ng fio linux-tools-common linux-tools-$(uname -r)
sudo apt install -y sysstat stress-ng fio linux-tools-common linux-tools-$(uname -r)
Tool yang digunakan:
Tool yang digunakan:
stress-ng → simulasi workload
* stress-ng → simulasi workload
sysstat (vmstat, iostat, mpstat) → observasi kernel behavior
* sysstat (vmstat, iostat, mpstat) → observasi kernel behavior
fio → benchmark disk I/O
* fio → benchmark disk I/O
perf → observasi performa kernel (opsional lanjutan)
* perf → observasi performa kernel (opsional lanjutan)
Observasi Awal (Baseline Measurement)
 
Snapshot Kondisi Sistem Awal
==Observasi Awal (Baseline Measurement)==
===Snapshot Kondisi Sistem Awal===
Sebelum tuning apapun, rekam kondisi awal sistem.
Sebelum tuning apapun, rekam kondisi awal sistem.
uname -a
uname -a
uptime
uptime
free -h
free -h
vmstat 1 5
vmstat 1 5
iostat -xz 1 5
iostat -xz 1 5
Catat:
Catat:
load average
* load average
memory available
* memory available
swap usage
* swap usage
I/O wait (%wa)
* I/O wait (%wa)
Prinsip akademik penting
Prinsip akademik penting
Tanpa baseline, tuning tidak bermakna.
Tanpa baseline, tuning tidak bermakna.
Simulasi Workload Server
 
===Simulasi Workload Server===
Simulasi Beban CPU
Simulasi Beban CPU
 
stress-ng --cpu 2 --timeout 60s
stress-ng --cpu 2 --timeout 60s
Amati:
Amati:
top atau htop
top atau htop
mpstat -P ALL 1
mpstat -P ALL 1
Perhatikan distribusi beban CPU dan scheduler behavior.
Perhatikan distribusi beban CPU dan scheduler behavior.
Simulasi Tekanan Memori


stress-ng --vm 1 --vm-bytes 80% --timeout 60s
===Simulasi Tekanan Memori===
stress-ng --vm 1 --vm-bytes 80% --timeout 60s
Amati:
Amati:
free -h
free -h
vmstat 1
vmstat 1
Indikator penting:
Indikator penting:
swap in / swap out
* swap in / swap out
run queue (r)
* run queue (r)
Simulasi Disk I/O


fio --name=randwrite --ioengine=libaio --rw=randwrite \
===Simulasi Disk I/O===
--bs=4k --numjobs=1 --size=1G --runtime=60 --group_reporting
fio --name=randwrite --ioengine=libaio --rw=randwrite \
--bs=4k --numjobs=1 --size=1G --runtime=60 --group_reporting
Amati:
Amati:
iostat -xz 1
iostat -xz 1


Kernel Tuning (Aman & Runtime)
==Kernel Tuning (Aman & Runtime)==
Tuning Virtual Memory (Swappiness)
===Tuning Virtual Memory (Swappiness)===
Cek nilai default:
Cek nilai default:
cat /proc/sys/vm/swappiness
cat /proc/sys/vm/swappiness
Ubah (runtime):
Ubah (runtime):
sudo sysctl vm.swappiness=10
sudo sysctl vm.swappiness=10
Makna akademik
Makna akademik
Nilai lebih rendah → kernel lebih menghindari swap, cocok untuk server dengan RAM cukup.
Nilai lebih rendah → kernel lebih menghindari swap, cocok untuk server dengan RAM cukup.
Tuning Dirty Page Writeback


sudo sysctl vm.dirty_ratio=15
===Tuning Dirty Page Writeback===
sudo sysctl vm.dirty_background_ratio=5
sudo sysctl vm.dirty_ratio=15
sudo sysctl vm.dirty_background_ratio=5
Efek:
Efek:
Writeback lebih terkontrol
* Writeback lebih terkontrol
Latensi I/O lebih stabil
* Latensi I/O lebih stabil
Tuning Scheduler (Latency Awareness)


cat /proc/sys/kernel/sched_latency_ns
==Tuning Scheduler (Latency Awareness)==
cat /proc/sys/kernel/sched_min_granularity_ns
cat /proc/sys/kernel/sched_latency_ns
cat /proc/sys/kernel/sched_min_granularity_ns
(Untuk observasi saja, tidak diubah pada level dasar demi keamanan lab.)
(Untuk observasi saja, tidak diubah pada level dasar demi keamanan lab.)
Benchmark Ulang (After Tuning)
 
===Benchmark Ulang (After Tuning)===
Ulangi workload yang sama seperti Observasi Awal (Baseline Measurement)
Ulangi workload yang sama seperti Observasi Awal (Baseline Measurement)
stress-ng CPU
stress-ng CPU
stress-ng memory
stress-ng memory
fio disk
fio disk
Bandingkan:
Bandingkan:
load average
* load average
swap usage
* swap usage
I/O wait
* I/O wait
responsiveness system
* responsiveness system


Bandingkan Before vs After
===Bandingkan Before vs After===
Mahasiswa dianjurkan membuat tabel sederhana:
Mahasiswa dianjurkan membuat tabel sederhana:
Parameter
Sebelum
Sesudah
Swap usage
Tinggi
Rendah
I/O wait
30%
12%
Respons SSH
Lambat
Stabil


{| class="wikitable"
! Parameter !! Sebelum !! Sesudah
|-
| Swap usage || Tinggi || Rendah
|-
| I/O wait || 30% || 12%
|-
| Respons SSH || Lambat || Stabil
|}




==Analisis Akademik==
Dalam praktik ini, mahasiswa belajar bahwa:
* Kernel tuning bersifat kontekstual, bukan universal
* Parameter kernel adalah trade-off
* Observasi lebih penting daripada “resep”
Ini menegaskan filosofi buku:
Kernel adalah sistem hidup yang bereaksi terhadap beban kerja.


==Refleksi OBE==
Setelah praktik ini, mahasiswa telah menunjukkan:
* ✅ Kemampuan analisis performa OS
* ✅ Pemahaman runtime kernel behavior
* ✅ Keterampilan tuning berbasis data
* ✅ Mental engineer, bukan sekadar user


==Challenge Mandiri (Fun & Menantang)==
* Bandingkan vm.swappiness = 10 vs 60
* Uji tuning di VM RAM kecil (1 GB)
* Logging hasil benchmark ke CSV
* Visualisasi sederhana (gnuplot / spreadsheet)


 
==Penutup==
 
Analisis Akademik
Dalam praktik ini, mahasiswa belajar bahwa:
Kernel tuning bersifat kontekstual, bukan universal
Parameter kernel adalah trade-off
Observasi lebih penting daripada “resep”
Ini menegaskan filosofi buku:
Kernel adalah sistem hidup yang bereaksi terhadap beban kerja.
Refleksi OBE
Setelah praktik ini, mahasiswa telah menunjukkan:
✅ Kemampuan analisis performa OS
✅ Pemahaman runtime kernel behavior
✅ Keterampilan tuning berbasis data
✅ Mental engineer, bukan sekadar user
Challenge Mandiri (Fun & Menantang)
Bandingkan vm.swappiness = 10 vs 60
Uji tuning di VM RAM kecil (1 GB)
Logging hasil benchmark ke CSV
Visualisasi sederhana (gnuplot / spreadsheet)
Penutup
Kernel tuning bukan sihir, melainkan dialog antara engineer dan sistem operasi.
Kernel tuning bukan sihir, melainkan dialog antara engineer dan sistem operasi.
Mahasiswa yang menyelesaikan lab ini telah melangkah dari Linux user menuju Linux system engineer.
Mahasiswa yang menyelesaikan lab ini telah melangkah dari Linux user menuju Linux system engineer.


==Pranala Menarik==
==Pranala Menarik==


* [[Sistem operasi]]
* [[Sistem operasi]]

Latest revision as of 09:52, 14 February 2026

Mengoptimalkan Kernel Linux untuk Beban Kerja Nyata

Tujuan Praktikum

Praktikum ini bertujuan memperkenalkan mahasiswa pada aktivitas kernel tuning berbasis observasi dan pengukuran, bukan asumsi. Mahasiswa tidak hanya “mengubah parameter”, tetapi memahami hubungan antara workload, kernel subsystem, dan performa sistem secara kuantitatif.

Setelah menyelesaikan praktik ini, mahasiswa diharapkan mampu:

  • Menganalisis bottleneck sistem (CPU, memori, I/O) berbasis data
  • Melakukan kernel tuning yang aman tanpa compiling kernel
  • Membandingkan performa sebelum dan sesudah tuning
  • Menarik kesimpulan teknis berbasis benchmark

Ini adalah kompetensi inti dari profil Kernel Tinkerer dalam peta kompetensi mata kuliah.

Konteks Akademik Kernel Tuning

Dalam sistem operasi modern, kernel tuning adalah proses penyesuaian parameter runtime kernel agar lebih sesuai dengan karakteristik beban kerja (workload) tertentu. Kernel Linux dirancang generik agar dapat berjalan di berbagai skenario—server, embedded, desktop—namun konfigurasi default tidak selalu optimal untuk setiap kasus.

Beberapa prinsip penting:

  • Kernel ≠ statis → banyak parameter dapat diubah saat sistem berjalan
  • Tuning ≠ overclocking → fokus pada efisiensi, stabilitas, dan latensi
  • Observasi → hipotesis → tuning → verifikasi adalah alur yang benar

Dalam konteks buku Sistem Operasi, praktik ini adalah kelanjutan alami dari:

  • BAB Arsitektur Kernel Linux
  • BAB Compile Kernel
  • PRAKTIK Kernel Module Lab

Persiapan Lingkungan Praktikum

Spesifikasi Minimum VM

Gunakan Ubuntu Server 24.04 dengan konfigurasi:

  • CPU: 2 core
  • RAM: 2–4 GB
  • Disk: ≥ 40 GB (ext4)
  • Login sebagai user biasa (bukan root)

Instalasi Tool Benchmark & Monitoring

Seluruh tool bersifat open source dan tersedia via APT:

sudo apt update
sudo apt install -y sysstat stress-ng fio linux-tools-common linux-tools-$(uname -r)

Tool yang digunakan:

  • stress-ng → simulasi workload
  • sysstat (vmstat, iostat, mpstat) → observasi kernel behavior
  • fio → benchmark disk I/O
  • perf → observasi performa kernel (opsional lanjutan)

Observasi Awal (Baseline Measurement)

Snapshot Kondisi Sistem Awal

Sebelum tuning apapun, rekam kondisi awal sistem.

uname -a
uptime
free -h
vmstat 1 5
iostat -xz 1 5

Catat:

  • load average
  • memory available
  • swap usage
  • I/O wait (%wa)

Prinsip akademik penting

Tanpa baseline, tuning tidak bermakna.

Simulasi Workload Server

Simulasi Beban CPU

stress-ng --cpu 2 --timeout 60s

Amati:

top atau htop
mpstat -P ALL 1

Perhatikan distribusi beban CPU dan scheduler behavior.

Simulasi Tekanan Memori

stress-ng --vm 1 --vm-bytes 80% --timeout 60s

Amati:

free -h
vmstat 1

Indikator penting:

  • swap in / swap out
  • run queue (r)

Simulasi Disk I/O

fio --name=randwrite --ioengine=libaio --rw=randwrite \
--bs=4k --numjobs=1 --size=1G --runtime=60 --group_reporting

Amati:

iostat -xz 1

Kernel Tuning (Aman & Runtime)

Tuning Virtual Memory (Swappiness)

Cek nilai default:

cat /proc/sys/vm/swappiness

Ubah (runtime):

sudo sysctl vm.swappiness=10

Makna akademik

Nilai lebih rendah → kernel lebih menghindari swap, cocok untuk server dengan RAM cukup.

Tuning Dirty Page Writeback

sudo sysctl vm.dirty_ratio=15
sudo sysctl vm.dirty_background_ratio=5

Efek:

  • Writeback lebih terkontrol
  • Latensi I/O lebih stabil

Tuning Scheduler (Latency Awareness)

cat /proc/sys/kernel/sched_latency_ns
cat /proc/sys/kernel/sched_min_granularity_ns

(Untuk observasi saja, tidak diubah pada level dasar demi keamanan lab.)

Benchmark Ulang (After Tuning)

Ulangi workload yang sama seperti Observasi Awal (Baseline Measurement)

stress-ng CPU
stress-ng memory
fio disk

Bandingkan:

  • load average
  • swap usage
  • I/O wait
  • responsiveness system

Bandingkan Before vs After

Mahasiswa dianjurkan membuat tabel sederhana:

Parameter Sebelum Sesudah
Swap usage Tinggi Rendah
I/O wait 30% 12%
Respons SSH Lambat Stabil


Analisis Akademik

Dalam praktik ini, mahasiswa belajar bahwa:

  • Kernel tuning bersifat kontekstual, bukan universal
  • Parameter kernel adalah trade-off
  • Observasi lebih penting daripada “resep”

Ini menegaskan filosofi buku:

Kernel adalah sistem hidup yang bereaksi terhadap beban kerja.

Refleksi OBE

Setelah praktik ini, mahasiswa telah menunjukkan:

  • ✅ Kemampuan analisis performa OS
  • ✅ Pemahaman runtime kernel behavior
  • ✅ Keterampilan tuning berbasis data
  • ✅ Mental engineer, bukan sekadar user

Challenge Mandiri (Fun & Menantang)

  • Bandingkan vm.swappiness = 10 vs 60
  • Uji tuning di VM RAM kecil (1 GB)
  • Logging hasil benchmark ke CSV
  • Visualisasi sederhana (gnuplot / spreadsheet)

Penutup

Kernel tuning bukan sihir, melainkan dialog antara engineer dan sistem operasi. Mahasiswa yang menyelesaikan lab ini telah melangkah dari Linux user menuju Linux system engineer.

Pranala Menarik