digilib@itb.ac.id +62 812 2508 8800

Abstrak - RADEN RAFLY HANGGARAKSA BUDIARTO
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

Perubahan perangkat keras, aplikasi, dan layanan berbasis jaringan pada komputer personal modern berpotensi mengubah karakteristik workload filesystem yang dilaporkan dalam studi klasik. Penelitian ini melakukan reevaluasi terhadap temuan Hsu dan Smith menggunakan trace penggunaan nyata dari 41 komputer personal, yang terdiri atas 9 host Linux dan 32 host Windows. Dataset mencakup 447,46 host-days dan 31,07 miliar event filesystem yang dikumpulkan melalui eBPF pada Linux dan Event Tracing for Windows pada Windows. Data dinormalisasi ke dalam skema lintas platform, disaring berdasarkan periode aktif, kemudian dianalisis melalui distribusi interarrival, estimasi Hurst, working set harian, rasio read/write, dan korelasi antar-host. Hasil menunjukkan bahwa workload filesystem modern tetap bersifat bursty dan tidak sesuai dengan proses Poisson sederhana. Distribusi lognormal lebih sesuai daripada distribusi eksponensial, sedangkan median Hurst keseluruhan sebesar 0,80 dan 36 dari 41 host memenuhi kriteria selfsimilarity. Working set harian tetap sangat kecil, dengan median kurang dari satu persen kapasitas penyimpanan. Namun, beberapa temuan klasik tidak berlaku secara universal. Overlap read/write relatif kecil pada Windows, tetapi lebih tinggi pada Linux. Traffic pada level filesystem juga cenderung read-dominated, dengan rasio read/write agregat berdasarkan jumlah request sebesar 2,49 dan 75,9% host memiliki rasio di atas satu, berbeda dari traffic fisik klasik yang cenderung write-dominated. Korelasi antar-host tetap rendah, tetapi tren peningkatan menuju korelasi positif pada interval agregasi yang lebih besar tidak tereproduksi. Dengan demikian, karakteristik temporal klasik berupa burstiness, self-similarity, working set kecil, dan independensi antarworkload masih relevan secara kualitatif. Sebaliknya, asumsi mengenai dominasi write, overlap read/write, dan sinkronisasi temporal perlu diterapkan dengan mempertimbangkan lapisan observasi, sistem operasi, komposisi aplikasi, serta konteks populasi dan periode pengamatan.