Perkenalan Sistem Terdistribusi

• Penyebab distributed technology:

1. Geografi tersebar

2. Parallelism: multicore process

3. Reliability: Data direplikasi di mesin berbeda supaya mencegah kehilangan data

4. Availability: Data direplikasi di mesin berbeda supaya data bisa diakses lebih cepat tanpa bottlenecks

• Seperti yang kita tahu, kalau suatu sistem itu terpusat (cuman ada satu pusat data doang, jadi kalau server itu down, maka server dan data-datanya ga bisa diakses sama sekali dari manapun itu

• Tujuan sistem terdistribusi:

• Scalability: kemampuan sistem untuk tumbuh

• Performance: jumlah pekerjaan yang dapat diselesaikan sistem komputer berdasarkan jumlah waktu dan resources yang digunakan

• Availability: persentase sistem berada dalam kondisi berfungsi baik

• Tapi ada masalah baru yang muncul saat sistem tidak terpusat: koordinasi antar mesin

Top Level Architectural

Layered Architecture

• Memisahkan component menjadi beberapa bagian, seperti presentation, business logic, database layer, dll
• Contoh: MVVM (Model - View - View Model)

Event Driven Architecture

• Setiap komponen berkomunikasi menggunakan event
• Contoh: message broker seperti Kafka dengan mekanisme publish-subscribe
• Contoh lain: CQRS (Command Query Responsibility Segregation), di mana kita memisahkan operasi read dan write

Microkernel Architecture

• Core capabilities disimpan di core kernel/core module, sementara untuk menambahkan fungsionalitas dapat ditambahkan plugin
• Contoh: IDE seperti VSCode, Jetbrains, Eclipse, dll

Microservice Architecture

• Memecah aplikasi menjadi services-services kecil berbeda yang saling loosely coupled satu sama lain, memiliki data model, database, dan API-nya masing-masing
• Contoh: Netflix, Gojek dengan berbagai layanan seperti Gopay, GoCar, GoSend, GoFood, dll

Monolithic Architecture

• Membuat satu aplikasi dalam satu sistem besar, semuanya tergabung di sana

Modular Monolith Architecture

• Tengah-tengah antara microservices dan monolithic
• Masih di satu aplikasi besar yang sama, tapi source code nya yang dipisah setiap service/domain-nya
• Jadi ketika aplikasi-nya di ship, itu masih satu aplikasi, tapi code nya itu dipisah setiap module-nya agar lebih mudah di maintenance

Streaming Processing

• Stream adalah unbounded data; data yang dikirim mengalir terus menerus, infinitely
• Menggunakan model push, jadi produksi data dikendalikan oleh sumber, bukan di-request oleh penerima
• Disebut publish/subscribe model

| Perbedaan | Database | Data Stream | | ————– | ————————————————————————————— | —————————————————————————- | | Model | Pull. Data ditarik secara manual atau berdasarkan request penerima dari sumber data | Push. Data dikirim dari sumber data meskipun tanpa diminta oleh penerima | | Trigger | Manual. Di-invoke oleh penerima dengan request | Tidak ada trigger. Data dikirim terus menerus oleh pengirim data | | Sifat Data | Menyimpan state saat ini saja, disimpan di dalam database (persistent collection) | Realtime. Ephemeral stream (ephemeral: berganti-ganti) | | | | |

Apache Kafka

Struktur Data

• Sebuah message berisi sebuah record data terdiri dari:
  • Header (informasi topik dan partisi)
  • Key
  • Value
• Sebuah message tidak dikirimkan begitu saja ke Kafka. Mereka di-organize berdasarkan topic-nya. Setiap topic dipecah lagi menjadi partitions.

Case

Notification System (App)

Notification System (Global)

URL Shortener

Shopping Cart (Add to Cart vs Quota)

Live Chat (Individual and Group)

Purchase System

Kita memiliki sebuah aplikasi marketplace, dan kita ingin