## Tổng quan nghiên cứu

Trong bối cảnh công nghệ thông tin (CNTT) ngày càng phát triển mạnh mẽ, điện toán đám mây đã trở thành một xu hướng tất yếu, giúp các doanh nghiệp và tổ chức tối ưu hóa chi phí, nâng cao hiệu suất và khả năng mở rộng hệ thống. Theo ước tính, số lượng người dùng dịch vụ đám mây toàn cầu tăng trưởng khoảng 20% mỗi năm, kéo theo nhu cầu về các hệ thống phần mềm chịu tải cao ngày càng lớn. Tuy nhiên, việc thiết kế và triển khai các hệ thống này đòi hỏi kiến thức sâu rộng về kiến trúc phần mềm và nền tảng điện toán đám mây.

Luận văn tập trung nghiên cứu kiến trúc phần mềm chịu tải cao dựa trên nền tảng điện toán đám mây Microsoft Azure, một trong những nền tảng đám mây hàng đầu thế giới hiện nay. Mục tiêu chính là xây dựng một mô hình kiến trúc phần mềm tối ưu, tận dụng các dịch vụ của Azure để đảm bảo hiệu năng, tính sẵn sàng và khả năng mở rộng của hệ thống. Nghiên cứu được thực hiện trong phạm vi từ năm 2017 đến 2018 tại Đại học Công nghệ, Đại học Quốc gia Hà Nội, với ứng dụng thực tiễn là hệ thống chấm công bằng khuôn mặt.

Nghiên cứu có ý nghĩa quan trọng trong việc cung cấp giải pháp công nghệ hiện đại, giúp các doanh nghiệp giảm thiểu chi phí đầu tư hạ tầng, đồng thời nâng cao khả năng phục vụ người dùng với số lượng lớn. Các chỉ số hiệu năng như thời gian phản hồi dưới 200ms và khả năng mở rộng lên đến hàng nghìn người dùng đồng thời được đặt ra làm tiêu chuẩn đánh giá.

## Cơ sở lý thuyết và phương pháp nghiên cứu

### Khung lý thuyết áp dụng

Luận văn dựa trên các lý thuyết và mô hình nghiên cứu sau:

- **Điện toán đám mây (Cloud Computing):** Khái niệm, đặc tính cơ bản như tự phục vụ theo nhu cầu, tính đàn hồi nhanh chóng, tập hợp tài nguyên, truy cập mạng rộng rãi và dịch vụ được đo đếm. Mô hình dịch vụ SPI gồm IaaS, PaaS và SaaS được phân tích chi tiết.
- **Kiến trúc phần mềm trên nền tảng đám mây:** Ba kiểu kiến trúc chính được áp dụng là kiến trúc phân tầng (N-tier), kiến trúc Web – Queue – Worker và kiến trúc vi dịch vụ (Microservice). Mỗi kiến trúc có ưu nhược điểm và phù hợp với từng loại ứng dụng khác nhau.
- **Các yếu tố ảnh hưởng đến khả năng chịu tải:** Hiệu năng (Performance), tính sẵn sàng (Availability) và khả năng mở rộng (Scalability) được xem là ba yếu tố cốt lõi trong thiết kế hệ thống chịu tải cao.

Các khái niệm chuyên ngành như Load Balancer, Content Delivery Network (CDN), Azure Redis Cache, Azure Service Bus, Azure SQL Database, Azure Blob Storage cũng được sử dụng làm nền tảng lý thuyết.

### Phương pháp nghiên cứu

- **Nguồn dữ liệu:** Thu thập dữ liệu từ các tài liệu chuyên ngành, tài liệu kỹ thuật của Microsoft Azure, các báo cáo thực nghiệm và kết quả thử nghiệm hệ thống chấm công bằng khuôn mặt.
- **Phương pháp phân tích:** Sử dụng phương pháp phân tích định tính để đánh giá các kiến trúc phần mềm và dịch vụ Azure, kết hợp với phân tích định lượng qua các bài kiểm thử hiệu năng (load test) với số lượng user đồng thời tăng dần và số lượng instance mở rộng.
- **Cỡ mẫu và chọn mẫu:** Hệ thống được thử nghiệm với khoảng 1000 đến 5000 người dùng đồng thời, sử dụng phương pháp chọn mẫu ngẫu nhiên trong môi trường mô phỏng thực tế.
- **Timeline nghiên cứu:** Nghiên cứu được thực hiện trong vòng 12 tháng, từ tháng 1/2017 đến tháng 12/2017, bao gồm các giai đoạn khảo sát, thiết kế, triển khai, thử nghiệm và đánh giá.

## Kết quả nghiên cứu và thảo luận

### Những phát hiện chính

- **Hiệu năng hệ thống:** Qua thử nghiệm load test, hệ thống đạt thời gian phản hồi trung bình dưới 150ms khi phục vụ 3000 người dùng đồng thời, vượt mức tiêu chuẩn đề ra là 200ms. Khi số lượng user tăng lên 5000, thời gian phản hồi tăng nhẹ nhưng vẫn duy trì dưới 250ms.
- **Tính sẵn sàng:** Hệ thống đạt uptime 99,9% trong suốt quá trình thử nghiệm nhờ sử dụng kiến trúc phân tầng kết hợp với cân bằng tải và replication dữ liệu trên Azure SQL Database.
- **Khả năng mở rộng:** Sử dụng tính năng auto scale của Azure Web App, hệ thống có thể mở rộng số lượng instance từ 3 lên đến 20 trong vòng vài phút, đáp ứng nhu cầu tăng đột biến về số lượng người dùng.
- **Độ chính xác nhận diện khuôn mặt:** Ứng dụng Face ID API của Microsoft Azure đạt độ chính xác nhận diện trên 95% trong điều kiện ánh sáng và góc chụp đa dạng, giảm thiểu sai sót trong quá trình chấm công.

### Thảo luận kết quả

Kết quả cho thấy việc áp dụng kiến trúc phần mềm dựa trên nền tảng điện toán đám mây Microsoft Azure giúp tối ưu hóa hiệu năng và khả năng chịu tải của hệ thống. So với các nghiên cứu trước đây, hệ thống này có thời gian phản hồi nhanh hơn khoảng 20% và khả năng mở rộng linh hoạt hơn nhờ tận dụng các dịch vụ quản lý tự động của Azure.

Việc sử dụng kiến trúc vi dịch vụ giúp phân tách các module chức năng, giảm thiểu rủi ro khi cập nhật và nâng cấp hệ thống. Đồng thời, các dịch vụ như Azure Redis Cache và CDN giúp giảm tải cho cơ sở dữ liệu và tăng tốc độ truy cập nội dung tĩnh, góp phần nâng cao trải nghiệm người dùng.

Dữ liệu có thể được trình bày qua các biểu đồ thời gian phản hồi theo số lượng user, biểu đồ số lượng instance mở rộng theo thời gian, và bảng so sánh độ chính xác nhận diện khuôn mặt trong các điều kiện thử nghiệm khác nhau.

## Đề xuất và khuyến nghị

- **Triển khai tự động mở rộng (Auto Scaling):** Khuyến nghị các doanh nghiệp sử dụng tính năng auto scale của Azure để đảm bảo hệ thống luôn đáp ứng được nhu cầu người dùng, đặc biệt trong các thời điểm cao điểm. Mục tiêu đạt khả năng mở rộng lên đến 20 instance trong vòng 5 phút, thực hiện bởi đội ngũ kỹ thuật CNTT trong vòng 3 tháng.
- **Tối ưu hóa caching và CDN:** Áp dụng Azure Redis Cache và Content Delivery Network để giảm tải cho cơ sở dữ liệu và tăng tốc độ truy cập nội dung tĩnh, hướng tới giảm 30% thời gian tải trang web trong 6 tháng tới, do bộ phận phát triển web thực hiện.
- **Nâng cao bảo mật dữ liệu:** Sử dụng Azure Active Directory và các nhóm bảo mật mạng (NSG) để kiểm soát truy cập và bảo vệ dữ liệu nhạy cảm, đảm bảo tuân thủ các quy định về bảo mật trong vòng 12 tháng, do phòng an ninh thông tin chịu trách nhiệm.
- **Đào tạo và nâng cao kỹ năng cho đội ngũ phát triển:** Tổ chức các khóa đào tạo về kiến trúc microservice và quản lý dịch vụ đám mây Azure nhằm nâng cao năng lực phát triển và vận hành hệ thống, mục tiêu hoàn thành trong 6 tháng, do phòng nhân sự phối hợp với các chuyên gia đào tạo thực hiện.

## Đối tượng nên tham khảo luận văn

- **Nhà phát triển phần mềm và kỹ sư CNTT:** Có thể áp dụng kiến thức về kiến trúc phần mềm đám mây và các dịch vụ Azure để thiết kế, triển khai các hệ thống chịu tải cao, nâng cao hiệu quả công việc.
- **Quản lý dự án CNTT:** Hiểu rõ các yếu tố ảnh hưởng đến hiệu năng và khả năng mở rộng của hệ thống, từ đó lập kế hoạch và phân bổ nguồn lực hợp lý cho các dự án phát triển phần mềm.
- **Doanh nghiệp và tổ chức sử dụng dịch vụ đám mây:** Nắm bắt được lợi ích và cách thức triển khai các giải pháp đám mây để tối ưu chi phí và nâng cao chất lượng dịch vụ.
- **Sinh viên và nghiên cứu sinh ngành công nghệ thông tin:** Tham khảo mô hình nghiên cứu thực tiễn về kiến trúc phần mềm trên nền tảng điện toán đám mây, phục vụ cho các đề tài nghiên cứu và luận văn.

## Câu hỏi thường gặp

1. **Điện toán đám mây là gì và có những đặc tính nào nổi bật?**  
Điện toán đám mây là mô hình cung cấp tài nguyên máy tính qua Internet với các đặc tính như tự phục vụ theo nhu cầu, tính đàn hồi nhanh chóng, tập hợp tài nguyên, truy cập mạng rộng rãi và dịch vụ được đo đếm.

2. **Microsoft Azure cung cấp những dịch vụ chính nào?**  
Azure cung cấp các dịch vụ về tính toán (Virtual Machine, Cloud Services), quản lý dữ liệu (SQL Database, Blob Storage), mạng (Virtual Network, Traffic Manager), bảo mật (Active Directory), và nhiều dịch vụ hỗ trợ phát triển khác.

3. **Kiến trúc phần mềm nào phù hợp cho hệ thống chịu tải cao?**  
Kiến trúc phân tầng, Web – Queue – Worker và Microservice đều phù hợp tùy theo quy mô và yêu cầu của hệ thống. Microservice thường được ưu tiên cho các ứng dụng lớn, phức tạp và cần khả năng mở rộng cao.

4. **Làm thế nào để đảm bảo hiệu năng và tính sẵn sàng của hệ thống trên Azure?**  
Sử dụng Load Balancer để cân bằng tải, CDN để phân phối nội dung tĩnh, Redis Cache để giảm tải cơ sở dữ liệu, replication và auto scale để đảm bảo tính sẵn sàng và khả năng mở rộng.

5. **Ứng dụng chấm công bằng khuôn mặt trên Azure hoạt động như thế nào?**  
Hệ thống sử dụng camera để chụp ảnh, phát hiện và nhận diện khuôn mặt qua dịch vụ Face ID API của Microsoft, tự động ghi nhận thời gian ra vào nhân viên với độ chính xác trên 95%, giúp giảm thiểu sai sót và tăng hiệu quả quản lý.

## Kết luận

- Luận văn đã xây dựng thành công mô hình kiến trúc phần mềm chịu tải cao dựa trên nền tảng điện toán đám mây Microsoft Azure, đáp ứng các tiêu chí về hiệu năng, tính sẵn sàng và khả năng mở rộng.  
- Các dịch vụ Azure như Virtual Machine, SQL Database, Redis Cache và CDN được tích hợp hiệu quả trong kiến trúc hệ thống.  
- Ứng dụng thực tiễn với hệ thống chấm công bằng khuôn mặt cho thấy độ chính xác nhận diện trên 95% và khả năng phục vụ hàng nghìn người dùng đồng thời.  
- Đề xuất các giải pháp kỹ thuật và quản lý nhằm tối ưu hóa vận hành và phát triển hệ thống trong tương lai.  
- Khuyến nghị tiếp tục nghiên cứu mở rộng ứng dụng kiến trúc microservice và tích hợp các công nghệ AI để nâng cao hơn nữa hiệu quả và tính thông minh của hệ thống.

Hành động tiếp theo là triển khai thử nghiệm mở rộng trên môi trường thực tế doanh nghiệp và đào tạo đội ngũ kỹ thuật để vận hành hệ thống hiệu quả. Độc giả và các nhà phát triển được khuyến khích áp dụng mô hình này để nâng cao năng lực hệ thống phần mềm trong kỷ nguyên điện toán đám mây.