Distributed Systems Sesi 1 dan 2 jurusan Teknik Informatika

• Konsep Dasar Sistem Terdistibusi
• Karakteristik system terdistribusi
• Model system terdistribusi
• Permasalahan sistem terdistribusi

1. Konsep , Arsitektur , dan Implementasi Modern Mata Kuliah : Sistem Terdistribusi Durasi : 90 menit Mahasiswa Sarjana Teknik Informatika Presentasi komprehensif mengenai prinsip fundamental , arsitektur , dan implementasi praktis sistem terdistribusi di era cloud dan AI . Dr Novan Zulkarnain ST Mkom Program Studi Teknik Informatika Semester Ganjil 202 5 /202 6 SISTEM TERDISTRIBUSI

2. Konsep Dasar & Definisi Sistem Terdistribusi Fondasi Pemahaman Sistem Terdistribusi Slide 2 - Konsep Dasar Sistem Terdistribusi Definisi Sistem Terdistribusi Kumpulan komputer independen yang berkoordinasi melalui jaringan untuk mencapai tujuan bersama , terlihat sebagai sistem tunggal yang kohesif . Karakteristik Kunci : Multiple processes , address space terpisah Interaksi melalui message passing Komunikasi via jaringan & protokol standar Koordinasi untuk tujuan bersama Tujuan Utama: Menyembunyikan kompleksitas distribusi agar sistem terlihat seamless . Komponen Fundamental Multiple Processes Proses - proses dengan address space terpisah . Message Passing Komunikasi antar proses melalui pertukaran pesan . Network Communication Komunikasi via jaringan dengan protokol standar . Coordination Mekanisme koordinasi untuk tujuan bersama . Key Insight: Sistem terdistribusi menggabungkan kemandirian dengan kolaborasi .

3. Sejarah dan Evolusi Sistem Terdistribusi Perjalanan dari Mainframe ke Era Cloud dan AI Era Pioneer 1950 s - 1960 s Fokus: Distribusi terbatas & sistem batch- oriented. Awal pengembangan merespons keterbatasan komputasi terpusat . Mengatasi bottleneck pada sistem mainframe . Inovasi Utama : Terminal terbatas & distributed processing awal. Era Stable 1970 s - 1980 s Fokus: Perkembangan jaringan dan infrastruktur. ARPANET sebagai cikal bakal internet & sistem multi - user . Pengembangan LAN dan WAN untuk konektivitas . Inovasi Utama : Database terdistribusi & network protocols. Era Micro 1980 s -1990 s Fokus: Model client- server & personal computing. Dominasi arsitektur client - server dengan hardware murah . Distribusi middleware dan adopsi protokol standar . Inovasi Utama : Integrasi PC & standardisasi protokol. Era Modern 1990 s - Sekarang Fokus: Internet, cloud computing, & integrasi AI. Akselerasi evolusi dengan internet , cloud , dan IoT . Integrasi sistem pakar dan kecerdasan buatan ( AI ). Inovasi Utama : Arsitektur paralel & sistem berbasis AI. Evolution Insight: Transisi dari komputasi terpusat menuju sistem terdesentralisasi yang cerdas. Slide 3 - Sejarah Sistem Terdistribusi

4. Karakteristik Utama : Transparansi & Skalabilitas Prinsip Desain Sistem Terdistribusi Slide 4 - Transparansi & Skalabilitas Transparansi Definisi: Menyembunyikan sifat terdistribusi sistem dari pengguna . Jenis Transparansi : Access Menyembunyikan perbedaan akses data . Location Menyamarkan lokasi fisik komponen . Migration Menyembunyikan perpindahan komponen . Replication Menyembunyikan replika data . Failure Mengelola kegagalan tanpa disadari . Concurrency Menyembunyikan akses bersamaan . Tujuan: Terlihat sebagai satu sistem koheren . Skalabilitas Definisi: Kemampuan sistem menangani pertumbuhan tanpa degradasi kinerja . Dimensi Skalabilitas : Size Scalability Menambah pengguna / sumber daya . Geographic Scalability Menangani peningkatan jarak geografis . Administrative Scalability Mengelola pertumbuhan domain admin . Teknik Implementasi : Load balancing Resource addition Decomposition Distributed caching

5. Keandalan & Fault Tolerance Membangun Sistem yang Robust dan Resilient Pemulihan Otomatis Kontinuitas Layanan Implementasi Fault Tolerance Strategi Utama : Replikasi Node Algoritma Konsensus Circuit Breakers Monitoring & Auto- recovery Contoh : Netflix Gunakan chaos engineering & circuit breakers untuk ketersediaan maksimum. Metrik Keberhasilan : Target Uptime (e.g., 99.9%) MTTR ( Mean Time To Recovery ) Kecepatan Deteksi Kegagalan Slide 5 - Keandalan & Fault Tolerance Keandalan Sistem Terdistribusi Prinsip Inti : Kegagalan satu komponen tidak menghentikan seluruh sistem . Isolasi Kegagalan Degradasi Anggun Jenis Redundansi Informasi Bit ekstra untuk koreksi error (e.g., checksums). Waktu Operasi berulang atasi fault transient (e.g., retry). Fisik Duplikasi hardware/software (e.g., replikasi server). Jenis Kegagalan Crash Server berhenti total. Omission Gagal mengirim/menerima pesan. Timing Respons di luar interval waktu. Byzantine Perilaku tak terduga atau malicious.

6. Model Arsitektur : Client - Server vs . P 2 P Perbandingan Dua Pola Komunikasi Sistem Terdistribusi Slide 6 - Model Client-Server & P2P Client - Server Definisi : Klien meminta layanan dari server pusat yang mengelola semua sumber daya . Karakteristik Kunci : Kontrol terpusat pada server . Pemisahan tugas yang jelas antara klien dan server . Komunikasi berbasis permintaan - respons ( request - response ). Keunggulan : Manajemen sederhana Keamanan terpusat Kelemahan : Single point of failure Potensi bottleneck Peer - to - Peer ( P 2 P ) Definisi : Setiap node ( peer ) bertindak sebagai klien dan server secara bersamaan . Karakteristik Kunci : Berbagi sumber daya secara terdesentralisasi . Jaringan yang dapat mengatur dirinya sendiri ( self - organizing ). Tidak ada otoritas pusat . Keunggulan : Skalabilitas tinggi Tahan terhadap kegagalan Kelemahan : Koordinasi kompleks Tantangan keamanan

7. Konsep , Arsitektur , dan Implementasi Modern Mata Kuliah : Sistem Terdistribusi Durasi : 90 menit Mahasiswa Sarjana Teknik Informatika Presentasi komprehensif mengenai prinsip fundamental , arsitektur , dan implementasi praktis sistem terdistribusi di era cloud dan AI . Dr Novan Zulkarnain ST Mkom Program Studi Teknik Informatika Semester Ganjil 202 5 /202 6 SISTEM TERDISTRIBUSI

8. Model Modern : Microservices & Hybrid Arsitektur Contemporary untuk Skalabilitas dan Fleksibilitas Definisi: Aplikasi dipecah menjadi komponen independen yang terspesialisasi . Core Characteristics : Independent deployment & scaling Communication via APIs Autonomous development teams Microservices Architecture Key Benefits : Flexible scaling of services Reduced risk of widespread failures Faster development cycles Challenges : Complex monitoring requirements Network overhead and latency Data consistency across services AWS Tools : Amazon ECS for containers AWS Lambda for serverless Amazon API Gateway Real Example : Netflix : 700+ microservices for its global streaming platform . Hybrid Models Definisi: Kombinasi arsitektur untuk performa optimal . Hybrid Types : Cloud Bursting: Handle peak loads. Tiered Hybrid: Separate compute/data. Edge Hybrid: Process data at periphery. Enterprise Applications : Multi-cloud strategies Disaster recovery across regions Legacy system integration Success Factors : Clear architectural boundaries Robust API design & monitoring Automated deployment pipelines Architecture Evolution Monolithic ↓ Microservices ↓ Hybrid

9. Permasalahan Utama : Konsistensi Data Menjaga Sinkronisasi dalam Lingkungan Terdistribusi Konsistensi Data dalam Sistem Terdistribusi Definisi : Memastikan replika data di semua node tetap sinkron. Motivasi Replikasi : Peningkatan performa & ketersediaan tinggi Skalabilitas & toleransi kesalahan Tantangan Utama : Menjaga konsistensi saat update terjadi serentak di banyak lokasi . Trade - offs dalam Konsistensi Strong Akurasi tinggi , performa lebih rendah . Contoh : Transaksi finansial . Eventual Seimbang antara performa dan akurasi . Contoh : DNS , Web Caching . Weak Performa tinggi , inkonsistensi sementara . Contoh : Feed media sosial . Keputusan Kunci : Model konsistensi harus selaras dengan kebutuhan bisnis dan pengguna . Slide 8 - Konsistensi Data Data - Centric Models Sequential Consistency Operasi terlihat dalam urutan sekuensial di semua node. Kuat untuk transaksi database. Causal Consistency Operasi terkait kausal terlihat dalam urutan yang sama. Baik untuk media sosial. Strict Consistency Update langsung terlihat semua. Ideal untuk sistem real-time, butuh sinkronisasi waktu global. Client - Centric Models Eventual Consistency Data akan konsisten pada akhirnya. Mengutamakan ketersediaan tinggi (e.g., DynamoDB). Session Consistency Konsistensi dijamin dalam sesi klien. Penting untuk pengalaman pengguna (e.g., keranjang belanja). UNIX Semantics Perubahan langsung terlihat oleh proses yang sama. Model pemrograman sederhana.

10. CAP Theorem & Network Partitions Fundamental Trade - offs in Distributed Systems CAP Theorem A distributed system can only guarantee 2 of 3 properties: Consistency, Availability, or Partition Tolerance. Consistency All nodes see the same data . Availability Every request gets a response . Partition Tolerance System works despite message loss . System Classifications : CP ( Consistency + Partition Tolerance ) Prioritizes data accuracy ; may sacrifice availability . Ex : MongoDB , Banking . AP ( Availability + Partition Tolerance ) Prioritizes uptime ; may serve stale data . Ex : Cassandra , Social Media . CA ( Consistency + Availability ) Cannot tolerate partitions ; rare in distributed systems . Ex : Single - node RDBMS . Insight: Choose CP vs. AP based on business needs. Network Partition s Definition : A network split where nodes cannot communicate with each other . Common Causes : Hardware failures , network device issues , geographic disruptions . Impact : Communication breakdown leading to isolated operations and data inconsistency . Handling Strategies : Timeouts & Retries Reconnect with exponential backoff. Circuit Breaker Prevent cascading failures (e.g., Netflix Hystrix). Quorum - based Operations Require majority consensus for data operations. Leader Election Designate a single leader for writes (e.g., Raft, Paxos). Examples : Netflix ( Circuit Breakers ), Cassandra ( Gossip / Quorum ), Kubernetes ( Split - brain protection ). Slide 9 - CAP Theorem & Network Partitions

11. Distributed Consensus Mencapai Agreement dalam Lingkungan Terdistribusi Core Concepts of Consensus Definition Proses bagi node untuk menyetujui satu nilai atau keputusan. Properties Termination Agreement Integrity Applications Distributed Databases State Machine Replication Blockchain & Leader Election Fault Models : CFT (Crash) & BFT (Byzantine) Network Models : Synchronous & Asynchronous Slide 10 - Distributed Consensus Algoritma Consensus Populer Paxos Fokus : Terbukti benar, implementasi kompleks. Digunakan di Chubby & Azure. Raft Fokus : Mudah dipahami. Leader election & log replication. Digunakan di etcd & Consul. PBFT Fokus : Toleran terhadap Byzantine faults. Digunakan di Hyperledger Fabric. Proof - of - Work / Stake Fokus : Konsensus Blockchain (Bitcoin, Ethereum). Trade- off energi vs. keamanan. Tantangan & Trade- offs Theoretical Limit : FLP Impossibility Konsensus sempurna tidak mungkin tercapai di sistem asinkron , memerlukan trade - off antara safety dan liveness . Practical Challenges Communication Overhead pesan yang tinggi antar node. Scalability Penurunan performa saat jumlah node meningkat. Security Kerentanan terhadap serangan seperti Sybil attacks. Key Trade - offs : Performance vs . Security vs . Decentralization

12. Cloud Computing : Amazon Web Services ( AWS ) Implementasi Praktis Sistem Terdistribusi dalam Cloud Slide 11 - Amazon Web Services (AWS) Arsitektur AWS Global Infrastructure : 120+ Zones in 38 Regions Well - Architected Framework : Operational Excellence Automate changes, monitor health Security Protect data, manage access Reliability Recover from failures, fault tolerance Performance Efficiency Optimize & right-size resources Cost Optimization Avoid unnecessary expenses Sustainability Minimize environmental impact Core Services AWS Compute Services : Amazon EC2 Virtual servers for web/app hosting AWS Lambda Serverless functions for events Amazon ECS Container orchestration Storage Services : Amazon S3 Scalable object storage for data Amazon DynamoDB NoSQL DB for real-time apps Microservices & Best Practices Microservices Pattern : Independent, specialized components Communication via APIs Flexible scaling & deployment Implementation Best Practices: Security Zero-trust, encryption, compliance Scalability Auto-scaling, load balancing Monitoring CloudWatch metrics, alerts, logging Cost Management Pay- as-you-go, cost optimization

13. Google Cloud Platform & Microsoft Azure Pendekatan Alternatif dalam Cloud Computing Selection Criteria : AWS : Comprehensive services GCP : AI/ML & data analytics Azure : Enterprise & hybrid Best Practice Convergence : IaC (Terraform), containerization (Kubernetes), and advanced monitoring are standard across all major cloud providers. Slide 12 - Google Cloud Platform & Microsoft Azure Google Cloud Platform ( GCP ) GDC Concept : Managed hardware/software extending GCP to edge/on- premise. Architecture Approach : Separation of control plane and data plane Container- first approach with native Kubernetes AI/ML integration as a core differentiator Deployment Options : Air - gapped Deployments for isolation Connected Edge for low - latency apps Core Services : Google Kubernetes Engine (GKE), Vertex AI & BigQuery, Cloud Run Unique Strengths : AI/ML capabilities, Kubernetes expertise, and large-scale data analytics. Microsoft Azure Enterprise Focus: Deep enterprise integration and hybrid cloud leadership . Architecture Components : Global Infrastructure (Regions, Availability Zones) IaaS, PaaS, SaaS Service Models Software-defined networking (SDN) Core Service Categories : Compute ( VMs , AKS ) Storage ( Blob , SQL ) Networking ( VNet ) Security ( Azure AD ) Hybrid Multicloud : Azure Arc for unified management across environments Competitive Advantages : Strong Microsoft ecosystem integration, enterprise tooling, and compliance.

14. AI Terdistribusi : Distributed ML & Federated Learning Evolusi Machine Learning dalam Sistem Terdistribusi Distributed Machine Learning Definisi: Workload ML didistribusikan ke banyak node . Motivasi : Mengatasi limitasi single- machine. Memproses dataset & model masif. Mempercepat waktu training. Tipe Paralelisasi : Data Parallelism Data dibagi, tiap node melatih salinan model, gradien disinkronisasi. Model Parallelism Model dibagi antar node, ideal untuk model yang sangat besar. Frameworks : Apache Spark MLlib TensorFlow/PyTorch Distributed Manfaat : Skalabilitas, efisiensi, fault tolerance. Tantangan : Overhead komunikasi, sinkronisasi. Federated Learning Definisi: Melatih model secara kolaboratif tanpa memusatkan data . Prinsip Inti: Data tetap di perangkat lokal , hanya pembaruan model yang dibagikan untuk menjaga privasi . Mekanisme Kerja : Server mengirim model, klien melatih lokal, lalu update dienkripsi & diagregasi. Algoritma Kunci : Federated Averaging (FedAvg) FedSGD, FedDyn Aplikasi Dunia Nyata : Mobile: Prediksi keyboard, asisten suara. Kesehatan: Riset kolaboratif (imaging). Tantangan Teknis : Efisiensi komunikasi, heterogenitas data.

15. Distributed Neural Networks & AI Systems Advanced AI Architectures in Distributed Environments Slide 14 - Distributed Neural Networks & AI Systems Definition: Neural networks distributing computation across multiple nodes to handle modern scale and complexity . Advanced Architectures : Distributed Neural Architectures ( DNA ) Utilizes dynamic routing and learned communication for efficiency . Distributed Deep Neural Networks ( DDNN ) Maps network sections to a computing hierarchy with early exits . Training Paradigms : Joint End- to- End Training Parallelized Backpropagation Applications : Computer Vision & NLP Edge Computing Distributed Neural Networks Distributed AI Systems Definition: An AI subfield of decentralized systems with multiple collaborating intelligent agents . Core Concepts : Multi- Agent Systems: Agents collaborate on complex problems. Swarm Intelligence: Inspired by natural swarms (e.g., ants). System Types : Multi - Agent Systems Focuses on coordination and communication protocols . Distributed Problem Solving Involves task decomposition and solution synthesis .

16. Kesimpulan & Tanya Jawab Ringkasan Pembelajaran dan Diskusi Key Takeaways : Sistem Terdistribusi Prinsip Fundamental Menyembunyikan kompleksitas untuk pengalaman tunggal. Kunci: Transparansi, skalabilitas, & Teorema CAP. Tantangan Kritis Konsistensi data, fault tolerance, & konsensus. Desain sistem untuk partisi jaringan. Evolusi Arsitektur Evolusi ke microservices untuk skalabilitas. Cloud & AI sebagai implementasi modern. Aplikasi Praktis Cloud providers (AWS, GCP) & aplikasi skala besar. Federated learning untuk AI yang menjaga privasi. Arah Masa Depan Edge Computing Quantum Hybrid AI - Driven Ops Green Computing Sesi Tanya Jawab Topik Diskusi : Implementasi dalam proyek mahasiswa Peluang karir di cloud & distributed systems Studi kasus dunia nyata Terima Kasih ! Terima kasih atas perhatian Anda . Kontak : novan @ uca.ac.id Slide 15 - Kesimpulan & Tanya Jawab | Program Studi Teknik Informatika