Juli 2015, John Matherly, pembuat mesin pencari perangkat Shodan, menghitung sesuatu yang membuat banyak admin malu. Hampir 30.000 server MongoDB bisa diakses siapa saja dari internet tanpa autentikasi. Total data yang terbuka: 595,2 terabyte. Penyebabnya bukan peretasan canggih, melainkan setelan bawaan. Menurut Matherly, versi 2.4.14 (April 2015) adalah versi terakhir yang secara default masih mendengarkan di 0.0.0.0, padahal masalah ini sudah dilaporkan sejak Februari 2012 [1].
Dua tahun sebelumnya, perusahaan yang sama mengumumkan pendanaan 150 juta dolar AS, yang mereka sebut "largest single funding round for any database vendor, NoSQL or otherwise" [2]. Dua peristiwa ini merangkum periode 2011-2015: teknologi data baru tumbuh sangat cepat dan dipakai luas, sementara kedewasaan operasionalnya tertinggal di belakang.
Setelah 2010, pertanyaan backend bergeser dari "perlukah NoSQL" menjadi "yang mana, dan untuk apa". Tekanannya datang dari volume data. Studi IDC untuk EMC memperkirakan dunia digital berisi 4,4 zettabyte data pada 2013 dan akan menjadi 44 zettabyte pada 2020. Pada 2013, pasar maju menyumbang 60 persen; pada 2020 porsinya diperkirakan berbalik, dengan pasar berkembang menyumbang 60 persen. Namun studi yang sama mencatat kurang dari 1 persen perusahaan yang sudah mencapai tingkat tertinggi pemanfaatan big data dan analitik [3]. Datanya ada, kemampuan mengolahnya belum.
Pilihan teknologinya juga meledak. Michael Stonebraker dan Rick Cattell menulis di Communications of the ACM, Juni 2011, bahwa banyak datastore SQL dan NoSQL yang skalabel muncul dalam lima tahun terakhir. Mereka mengelompokkannya menjadi key-value store, document store, extensible record store, dan SQL DBMS baru. Menurut mereka, gerakan NoSQL banyak menyasar rasa sakit developer yang harus melakukan sharding (memecah data ke banyak server) di dalam kode aplikasi [4].
Ada satu sisa urusan dari periode sebelumnya: MySQL berada di tangan Oracle sejak akuisisi Sun pada 2010 [5]. Bagi banyak perusahaan yang hidup di atas MySQL, ini menjadi faktor tersendiri.
Di tahun yang sama, tim Berkeley memperkenalkan Resilient Distributed Datasets (RDD), fondasi Apache Spark, di NSDI 2012. Dengan menyimpan data di memori, Spark hingga 20 kali lebih cepat daripada Hadoop untuk aplikasi iteratif dan bisa memindai 1 TB data secara interaktif dengan latensi 5-7 detik [7].
Bulan yang sama, Jeremy Cole dari Google mengungkap di konferensi XLDB bahwa Google sedang memindahkan ribuan server MySQL 5.1 ke MariaDB 10.0. Ditanya soal perbedaan teknis, Cole, yang berbicara atas nama pribadi, menilai keduanya kurang lebih setara, tetapi "ideologically there are lots of differences". Red Hat juga mengganti MySQL dengan MariaDB di RHEL 7 [5]. Menurut saya, ini tanda bahwa tata kelola proyek open source mulai ikut menentukan pilihan database, bukan hanya fitur. Oktober 2013, MongoDB menutup pendanaan 150 juta dolar, sehingga total dana yang dihimpun sejak 2007 lebih dari 231 juta dolar [2]. Facebook pun membeli Parse, layanan backend siap pakai untuk developer mobile, dengan nilai yang dilaporkan 85 juta dolar [9].
Menurut saya, ada empat catatan kritis dari periode ini:
Namun kritik ini juga tidak boleh berlebihan. Menurut saya, Spanner membuktikan bahwa transaksi kuat dan skala global bisa berjalan bersama, padahal sebagian penulis sebelumnya menilai two-phase commit terlalu mahal untuk didukung [6].
Pada 28 Januari 2016, Facebook mengumumkan Parse akan berhenti beroperasi pada 28 Januari 2017. Kodenya dibuka sebagai Parse Server agar developer bisa menjalankannya di server Node.js sendiri [9]. Jika dilihat sekarang, nasib Parse adalah pengingat paling jelas tentang risiko menitipkan seluruh backend pada satu penyedia.
Prediksi Gartner bahwa label NoSQL akan memudar [14] menurut saya terbukti dalam arti tertentu: orang kini lebih sering bertanya model data apa yang dibutuhkan daripada apakah sebuah database "SQL atau NoSQL". Menurut saya, peringatan Stonebraker dan Cattell soal ACID [4] juga makin relevan. Spanner sendiri lahir sebagian karena pengguna Bigtable terus mengeluhkan ketiadaan transaksi lintas baris [6].
Periode 2011-2015 mengajarkan bahwa teknologi data paling ramai belum tentu paling cocok. Penelitian di Petra menunjukkan SQL masih unggul untuk data kecil [15], dan survei Gartner menunjukkan banyak organisasi merasa Hadoop berlebihan [13]. Menurut saya, bagi mahasiswa dan developer pemula, keterampilan yang paling awet tetap sama: memahami model data, transaksi, dan keamanan dasar, termasuk tidak membiarkan database terbuka ke internet tanpa kata sandi.
Pertanyaan untuk teman-teman forum: di proyek kalian sekarang, apakah kebutuhan data dokumen cukup dilayani kolom JSON di PostgreSQL atau MySQL, atau kalian tetap memakai database NoSQL terpisah, dan apa alasannya?
[2] MongoDB, Inc. (2013, 4 Oktober). MongoDB Closes $150 Million in Funding. MongoDB Newsroom. https://www.mongodb.com/company/newsroom/press-releases/mongodb-closes-150-million-funding (Dokumen resmi)
[3] IDC & EMC. (2014, April). The Digital Universe of Opportunities: Rich Data and the Increasing Value of the Internet of Things (Infobrief). IDC/EMC. https://www.cycloneinteractive.com/sites/cyclone/assets/File/idc-digital-universe-infobrief.pdf (Laporan)
[4] Stonebraker, M., & Cattell, R. (2011, Juni). 10 Rules for Scalable Performance in 'Simple Operation' Datastores. Communications of the ACM, 54(6), 72-80. https://doi.org/10.1145/1953122.1953144 (Jurnal)
[5] Clark, J. (2013, 12 September). Google swaps out MySQL, moves to MariaDB. The Register. https://www.theregister.com/software/2013/09/12/google-swaps-out-mysql-moves-to-mariadb/1010307 (Berita)
[6] Corbett, J. C., Dean, J., Epstein, M., Fikes, A., Frost, C., Furman, J. J., Ghemawat, S., dkk. (2012). Spanner: Google's Globally-Distributed Database. Proceedings of the 10th USENIX Symposium on Operating Systems Design and Implementation (OSDI '12). USENIX. https://www.usenix.org/system/files/conference/osdi12/osdi12-final-16.pdf (Prosiding)
[7] Zaharia, M., Chowdhury, M., Das, T., Dave, A., Ma, J., McCauley, M., Franklin, M. J., Shenker, S., & Stoica, I. (2012). Resilient Distributed Datasets: A Fault-Tolerant Abstraction for In-Memory Cluster Computing. Proceedings of the 9th USENIX Symposium on Networked Systems Design and Implementation (NSDI '12), 15-28. USENIX. https://www.usenix.org/system/files/conference/nsdi12/nsdi12-final138.pdf (Prosiding)
[8] Gartner. (2013, 23 September). Gartner Survey Reveals That 64 Percent of Organizations Have Invested or Plan to Invest in Big Data in 2013. Gartner Newsroom (arsip Wayback Machine). https://web.archive.org/web/2014/http://www.gartner.com/newsroom/id/2593815 (Laporan)
[9] Lardinois, F., & Constine, J. (2016, 28 Januari). Facebook Shutters Its Parse Developer Platform. TechCrunch. https://techcrunch.com/2016/01/28/facebook-shutters-its-parse-developer-platform/ (Berita)
[10] Xin, R. (2014, 5 November). Apache Spark Officially Sets a New Record in Large-Scale Sorting. Databricks Blog. https://www.databricks.com/blog/201...sets-a-new-record-in-large-scale-sorting.html (Dokumen resmi)
[11] PostgreSQL Global Development Group. (2014, 18 Desember). PostgreSQL 9.4 Increases Flexibility, Scalability and Performance. PostgreSQL.org. https://www.postgresql.org/about/ne...flexibility-scalability-and-performance-1557/ (Dokumen resmi)
[12] Eka, R. (2014, 1 September). Paques Klaim Jadi Produk Analisis Big Data Pertama Buatan Lokal. DailySocial (kini Hybrid.co.id). https://hybrid.co.id/post/paques-klaim-jadi-produk-analisis-big-data-pertama-buatan-lokal/ (Berita)
[13] Gartner. (2015, 13 Mei). Gartner Survey Highlights Challenges to Hadoop Adoption. Gartner Newsroom. https://www.gartner.com/en/newsroom...rvey-highlights-challenges-to-hadoop-adoption (Laporan)
[14] Feinberg, D., Adrian, M., Heudecker, N., Ronthal, A. M., & Palanca, T. (2015, 12 Oktober). Magic Quadrant for Operational Database Management Systems (G00271405). Gartner (salinan dari Redis Labs). http://lp.redislabs.com/rs/915-NFD-128/images/Redis-Labs-Magic-Quadrant-For-Operational-DBMS.pdf (Laporan)
[15] Basuki, K., Palit, H. N., & Dewi, L. P. (2015). Implementasi Hadoop: Studi Kasus Pengolahan Data Peminjaman Perpustakaan Universitas Kristen Petra. Jurnal Infra, Universitas Kristen Petra. https://publication.petra.ac.id/index.php/teknik-informatika/article/view/3135 (Jurnal)
Dua tahun sebelumnya, perusahaan yang sama mengumumkan pendanaan 150 juta dolar AS, yang mereka sebut "largest single funding round for any database vendor, NoSQL or otherwise" [2]. Dua peristiwa ini merangkum periode 2011-2015: teknologi data baru tumbuh sangat cepat dan dipakai luas, sementara kedewasaan operasionalnya tertinggal di belakang.
Latar Belakang: Data Membengkak, Pilihan Database Berlipat
Setelah 2010, pertanyaan backend bergeser dari "perlukah NoSQL" menjadi "yang mana, dan untuk apa". Tekanannya datang dari volume data. Studi IDC untuk EMC memperkirakan dunia digital berisi 4,4 zettabyte data pada 2013 dan akan menjadi 44 zettabyte pada 2020. Pada 2013, pasar maju menyumbang 60 persen; pada 2020 porsinya diperkirakan berbalik, dengan pasar berkembang menyumbang 60 persen. Namun studi yang sama mencatat kurang dari 1 persen perusahaan yang sudah mencapai tingkat tertinggi pemanfaatan big data dan analitik [3]. Datanya ada, kemampuan mengolahnya belum.
Pilihan teknologinya juga meledak. Michael Stonebraker dan Rick Cattell menulis di Communications of the ACM, Juni 2011, bahwa banyak datastore SQL dan NoSQL yang skalabel muncul dalam lima tahun terakhir. Mereka mengelompokkannya menjadi key-value store, document store, extensible record store, dan SQL DBMS baru. Menurut mereka, gerakan NoSQL banyak menyasar rasa sakit developer yang harus melakukan sharding (memecah data ke banyak server) di dalam kode aplikasi [4].
Ada satu sisa urusan dari periode sebelumnya: MySQL berada di tangan Oracle sejak akuisisi Sun pada 2010 [5]. Bagi banyak perusahaan yang hidup di atas MySQL, ini menjadi faktor tersendiri.
Kronologi: Lima Tahun Penentu
2011: Peringatan soal ACID
Dalam artikel yang sama, Stonebraker dan Cattell merumuskan sepuluh aturan. Aturan ketujuh berbunyi "Don't try to build ACID consistency yourself". Menurut mereka, membangun transaksi sendiri di atas sistem tanpa ACID begitu sulit sehingga "we wouldn't wish it on our worst enemy". Mereka juga menilai sebagian besar datastore yang ada baru memenuhi sedikit aturan tersebut [4].2012: Spanner dan Spark
Di OSDI 2012, Google memaparkan Spanner, yang mereka sebut sistem pertama yang mendistribusikan data pada skala global sekaligus mendukung transaksi terdistribusi yang konsisten secara eksternal. Kuncinya adalah TrueTime, API waktu yang memakai GPS dan jam atom. Motivasinya jujur: ketiadaan transaksi lintas baris di Bigtable "led to frequent complaints". Sejak awal 2011, Spanner diuji pada beban produksi untuk F1, backend iklan Google yang sebelumnya memakai MySQL yang di-shard secara manual dan sulit di-failover [6].Di tahun yang sama, tim Berkeley memperkenalkan Resilient Distributed Datasets (RDD), fondasi Apache Spark, di NSDI 2012. Dengan menyimpan data di memori, Spark hingga 20 kali lebih cepat daripada Hadoop untuk aplikasi iteratif dan bisa memindai 1 TB data secara interaktif dengan latensi 5-7 detik [7].
2013: Puncak demam dan perpindahan ke MariaDB
September 2013, Gartner mengumumkan bahwa 64 persen organisasi sudah atau berencana berinvestasi pada big data (naik dari 58 persen pada 2012), tetapi kurang dari 8 persen yang sudah benar-benar menerapkannya. Analis Lisa Kart menyebut ada "real substance behind the hype". Rekannya, Frank Buytendijk, lebih hati-hati: bagi big data, 2013 adalah "the year of experimentation and early deployment", dengan 20 persen responden masih di tahap uji coba [8].Bulan yang sama, Jeremy Cole dari Google mengungkap di konferensi XLDB bahwa Google sedang memindahkan ribuan server MySQL 5.1 ke MariaDB 10.0. Ditanya soal perbedaan teknis, Cole, yang berbicara atas nama pribadi, menilai keduanya kurang lebih setara, tetapi "ideologically there are lots of differences". Red Hat juga mengganti MySQL dengan MariaDB di RHEL 7 [5]. Menurut saya, ini tanda bahwa tata kelola proyek open source mulai ikut menentukan pilihan database, bukan hanya fitur. Oktober 2013, MongoDB menutup pendanaan 150 juta dolar, sehingga total dana yang dihimpun sejak 2007 lebih dari 231 juta dolar [2]. Facebook pun membeli Parse, layanan backend siap pakai untuk developer mobile, dengan nilai yang dilaporkan 85 juta dolar [9].
2014: Spark memecahkan rekor, PostgreSQL menjawab NoSQL
November 2014, Databricks melaporkan Spark mengurutkan 100 TB data dalam 23 menit dengan 206 mesin. Rekor sebelumnya dari Hadoop MapReduce adalah 72 menit dengan 2.100 mesin [10]. Desember 2014, PostgreSQL 9.4 merilis tipe data JSONB dengan klaim "users no longer have to choose between relational and non-relational data stores" [11]. Di Indonesia, i-811 merilis Paques (Parallel Query System), produk analisis big data yang mendukung pengolahan bahasa Indonesia [12].2015: Kenyataan datang
Mei 2015, survei Gartner terhadap 284 anggota Research Circle menemukan 54 persen tidak berencana berinvestasi pada Hadoop, dan hanya 18 persen yang berencana dalam dua tahun. Sebagian responden menilai Hadoop "overkill". Kesenjangan keahlian disebut 57 persen responden, dan cara mendapatkan nilai dari Hadoop disebut 49 persen. Analis Merv Adrian menilai permintaan Hadoop untuk dua tahun ke depan "looks fairly anemic" [13]. Juli 2015 datang temuan MongoDB tadi [1]. Oktober 2015, Gartner memprediksi bahwa pada 2017 label "NoSQL" tidak lagi membedakan DBMS dan akan berhenti dipakai [14].Dampak: Siapa yang Terkena, Dulu dan Sekarang
Industri
Gartner memperkirakan bahwa pada 2017 semua DBMS operasional terkemuka akan menawarkan banyak model data, relasional dan NoSQL, dalam satu platform [14]. JSONB di PostgreSQL adalah contoh awal arah itu [11]. Menurut saya, inilah hasil paling nyata periode ini: database relasional tidak tergusur, tetapi menyerap fitur pesaingnya.Developer dan pengguna
Bagi developer, pekerjaan backend makin sering berarti merangkai layanan, bukan hanya menulis query. Permintaan akan keahlian baru juga melampaui pasokan: Gartner memperkirakan kesenjangan keahlian Hadoop baru teratasi dalam dua sampai tiga tahun [13]. Parse menjanjikan backend tanpa mengurus server, dan pada 2016 ada sekitar 600.000 aplikasi yang dibangun di atasnya [9]. Di sisi lain, kemudahan memasang database baru membawa risiko baru: Matherly mencatat sebagian besar instance MongoDB yang terbuka berjalan di server cloud, yang image-nya menurut dugaan dia lebih jarang diperbarui [1]. Pengguna biasa tidak pernah melihat pilihan database, tetapi data merekalah yang ikut terbuka.Indonesia
Di Indonesia, big data masuk lewat produk lokal dan kampus. Paques diklaim sebagai alat analisis big data pertama di Indonesia, bahkan Asia, yang memakai paralelisasi. Namun i-811 harus bersaing dengan SAP, Oracle, dan Microsoft [12]. Klaim "pertama" itu berasal dari perusahaan sendiri dan belum saya temukan pembandingnya [PERLU VERIFIKASI]. Di kampus, penelitian Universitas Kristen Petra (2015) menguji Hadoop pada data peminjaman perpustakaan. Hasilnya bernuansa: Hadoop jauh lebih cepat daripada SQL untuk data besar, tetapi tidak untuk data kecil, dan pemakaian CPU serta memorinya jauh lebih tinggi [15].Kritik: Hype yang Perlu Dikoreksi
Menurut saya, ada empat catatan kritis dari periode ini:
- Big data tidak sama dengan Hadoop untuk semua orang. Pada survei 2015, 70 persen responden yang sedang menguji atau menerapkan Hadoop hanya punya 1-20 pengguna klaster. Gartner menilai, dengan pengguna sesedikit itu, Hadoop mungkin gagal memenuhi janji sebagai opsi yang lebih murah [13].
- Setelan bawaan yang tidak aman. Butuh lebih dari dua tahun sebelum MongoDB berhenti mendengarkan semua alamat secara default [1].
- Angka benchmark sering datang dari vendor. Rekor Spark dilaporkan Databricks, perusahaan pembuatnya [10], dan klaim performa JSONB berasal dari rilis PostgreSQL sendiri [11].
- Backend sewaan bisa hilang. Facebook mengumumkan penutupan Parse sekitar tiga tahun setelah membelinya, dan developer harus bermigrasi [9].
Namun kritik ini juga tidak boleh berlebihan. Menurut saya, Spanner membuktikan bahwa transaksi kuat dan skala global bisa berjalan bersama, padahal sebagian penulis sebelumnya menilai two-phase commit terlalu mahal untuk didukung [6].
Epilog: Yang Tersisa Setelah 2015
Pada 28 Januari 2016, Facebook mengumumkan Parse akan berhenti beroperasi pada 28 Januari 2017. Kodenya dibuka sebagai Parse Server agar developer bisa menjalankannya di server Node.js sendiri [9]. Jika dilihat sekarang, nasib Parse adalah pengingat paling jelas tentang risiko menitipkan seluruh backend pada satu penyedia.
Prediksi Gartner bahwa label NoSQL akan memudar [14] menurut saya terbukti dalam arti tertentu: orang kini lebih sering bertanya model data apa yang dibutuhkan daripada apakah sebuah database "SQL atau NoSQL". Menurut saya, peringatan Stonebraker dan Cattell soal ACID [4] juga makin relevan. Spanner sendiri lahir sebagian karena pengguna Bigtable terus mengeluhkan ketiadaan transaksi lintas baris [6].
Refleksi: Dewasa Setelah Demam
Periode 2011-2015 mengajarkan bahwa teknologi data paling ramai belum tentu paling cocok. Penelitian di Petra menunjukkan SQL masih unggul untuk data kecil [15], dan survei Gartner menunjukkan banyak organisasi merasa Hadoop berlebihan [13]. Menurut saya, bagi mahasiswa dan developer pemula, keterampilan yang paling awet tetap sama: memahami model data, transaksi, dan keamanan dasar, termasuk tidak membiarkan database terbuka ke internet tanpa kata sandi.
Pertanyaan untuk teman-teman forum: di proyek kalian sekarang, apakah kebutuhan data dokumen cukup dilayani kolom JSON di PostgreSQL atau MySQL, atau kalian tetap memakai database NoSQL terpisah, dan apa alasannya?
Referensi
[1] Pauli, D. (2015, 21 Juli). Dumb MongoDB admins spew 600 TERABYTES of unauthenticated data. The Register. https://www.theregister.com/softwar...-600-terabytes-of-unauthenticated-data/451194 (Berita)[2] MongoDB, Inc. (2013, 4 Oktober). MongoDB Closes $150 Million in Funding. MongoDB Newsroom. https://www.mongodb.com/company/newsroom/press-releases/mongodb-closes-150-million-funding (Dokumen resmi)
[3] IDC & EMC. (2014, April). The Digital Universe of Opportunities: Rich Data and the Increasing Value of the Internet of Things (Infobrief). IDC/EMC. https://www.cycloneinteractive.com/sites/cyclone/assets/File/idc-digital-universe-infobrief.pdf (Laporan)
[4] Stonebraker, M., & Cattell, R. (2011, Juni). 10 Rules for Scalable Performance in 'Simple Operation' Datastores. Communications of the ACM, 54(6), 72-80. https://doi.org/10.1145/1953122.1953144 (Jurnal)
[5] Clark, J. (2013, 12 September). Google swaps out MySQL, moves to MariaDB. The Register. https://www.theregister.com/software/2013/09/12/google-swaps-out-mysql-moves-to-mariadb/1010307 (Berita)
[6] Corbett, J. C., Dean, J., Epstein, M., Fikes, A., Frost, C., Furman, J. J., Ghemawat, S., dkk. (2012). Spanner: Google's Globally-Distributed Database. Proceedings of the 10th USENIX Symposium on Operating Systems Design and Implementation (OSDI '12). USENIX. https://www.usenix.org/system/files/conference/osdi12/osdi12-final-16.pdf (Prosiding)
[7] Zaharia, M., Chowdhury, M., Das, T., Dave, A., Ma, J., McCauley, M., Franklin, M. J., Shenker, S., & Stoica, I. (2012). Resilient Distributed Datasets: A Fault-Tolerant Abstraction for In-Memory Cluster Computing. Proceedings of the 9th USENIX Symposium on Networked Systems Design and Implementation (NSDI '12), 15-28. USENIX. https://www.usenix.org/system/files/conference/nsdi12/nsdi12-final138.pdf (Prosiding)
[8] Gartner. (2013, 23 September). Gartner Survey Reveals That 64 Percent of Organizations Have Invested or Plan to Invest in Big Data in 2013. Gartner Newsroom (arsip Wayback Machine). https://web.archive.org/web/2014/http://www.gartner.com/newsroom/id/2593815 (Laporan)
[9] Lardinois, F., & Constine, J. (2016, 28 Januari). Facebook Shutters Its Parse Developer Platform. TechCrunch. https://techcrunch.com/2016/01/28/facebook-shutters-its-parse-developer-platform/ (Berita)
[10] Xin, R. (2014, 5 November). Apache Spark Officially Sets a New Record in Large-Scale Sorting. Databricks Blog. https://www.databricks.com/blog/201...sets-a-new-record-in-large-scale-sorting.html (Dokumen resmi)
[11] PostgreSQL Global Development Group. (2014, 18 Desember). PostgreSQL 9.4 Increases Flexibility, Scalability and Performance. PostgreSQL.org. https://www.postgresql.org/about/ne...flexibility-scalability-and-performance-1557/ (Dokumen resmi)
[12] Eka, R. (2014, 1 September). Paques Klaim Jadi Produk Analisis Big Data Pertama Buatan Lokal. DailySocial (kini Hybrid.co.id). https://hybrid.co.id/post/paques-klaim-jadi-produk-analisis-big-data-pertama-buatan-lokal/ (Berita)
[13] Gartner. (2015, 13 Mei). Gartner Survey Highlights Challenges to Hadoop Adoption. Gartner Newsroom. https://www.gartner.com/en/newsroom...rvey-highlights-challenges-to-hadoop-adoption (Laporan)
[14] Feinberg, D., Adrian, M., Heudecker, N., Ronthal, A. M., & Palanca, T. (2015, 12 Oktober). Magic Quadrant for Operational Database Management Systems (G00271405). Gartner (salinan dari Redis Labs). http://lp.redislabs.com/rs/915-NFD-128/images/Redis-Labs-Magic-Quadrant-For-Operational-DBMS.pdf (Laporan)
[15] Basuki, K., Palit, H. N., & Dewi, L. P. (2015). Implementasi Hadoop: Studi Kasus Pengolahan Data Peminjaman Perpustakaan Universitas Kristen Petra. Jurnal Infra, Universitas Kristen Petra. https://publication.petra.ac.id/index.php/teknik-informatika/article/view/3135 (Jurnal)
Terakhir diedit: