Prinsip dasarnya: bagi kerjaan menjadi task kecil-kecil. Misal kita perlu ngerjain kerjaan A, B dan C. Maka bagi kerjaan itu menjadi A1, A2, B1, B2, B3, C1 dan C3. Kerjain A1 sampai selesai, lalu pindah ke B1, lalu pindah ke C1. Demikian seterusnya sampai kerjaan2 itu selesai

Dengan seperti itu, kita mengurangi resiko lupa, dan meningkatkan kemungkinan semua kerjaan bisa kita selesaikan dengan baik

Masalah yang mungkin dihadapi: di awal2, rasanya agak susah untuk switch dari satu kerjaan ke kerjaan yang lain. Lama2 akan biasa

Btw, model schedulingnya tentu saja bisa dimodifikasi. Misal: karena kerjaan B lebih diprioritaskan karena deadline, maka kerjain A1, B1, B2, C1, B3, baru ke yang lain.

Demikian sekhilaf info

Coba ah belajar

lagi riset apa pak?

noted

Susah memahami bagian ini : karena kerjaan B lebih diprioritaskan karena deadline, maka kerjain A1, B1, B2, C1, B3, baru ke yang lain.

dhanifudin: Hadoop task scheduling

Kadang yg bikin bingung batasan B dobagi ke B1 ke B2 ke B3

immel8: jadi meski ttp pindah2 kerjaan, kerjaan B tetep jadi prioritas. Tp sbnere tergantung situasi. Kalo emang bener2 deadline, ya B g usah dibagi task kecil2. Kerjain aja B sampe habis baru ngerjain yg lain

arwankhoiruddin: jd randomisasi lagi..

scheduling dalam konteks distributed computing pak?

akhy: iya

sering khilaf jika multitasking

immel8: karena B prioritas jadinya setelah B1 gak ke C1, tapi ke B2. Tapi B tetap dibagi jadi 2 (waktu) agar tetap mudah dilakukan. B1 dan B2 gak dilakukan sekaligus yg membuat terasa berat.