Implementasi Autoscaling Reaktif Berbasis Fuzzy Logic Mamdani pada Platform Docker Swarm

Abstract

Mekanisme autoscaling pada Docker Swarm umumnya bergantung pada pendekatan reaktif yang menggunakan formula berbasis target utilitas. Pendekatan ini memiliki keterbatasan karena keputusan scaling hanya bergantung pada nilai utilitas saat ini dan belum mempertimbangkan arah perubahan beban kerja. Penelitian ini mengimplementasikan autoscaling reaktif berbasis Fuzzy Logic Mamdani pada Docker Swarm dengan dua variabel input, yaitu CPU usage dan CPU trend, serta aturan inferensi linguistik untuk menghasilkan keputusan scaling yang lebih gradual dan kontekstual. Pengujian dilakukan pada klaster Docker Swarm dengan 1 manager dan 2 worker menggunakan profil beban kerja dari dataset BitBrains GWA-T-12 selama 24 jam. Hasil pengujian menunjukkan bahwa pendekatan fuzzy menurunkan rata-rata response time dari 108,40 ms menjadi 87,04 ms (19,7%), meningkatkan rata-rata RPS dari 24,75 req/s menjadi 26,86 req/s (8,5%), serta mereduksi scaling event dari 237 menjadi 113 kali (52,3%), dengan konsekuensi rata-rata replika yang sedikit lebih tinggi.