Luận văn thạc sĩ về phương pháp xử lý luồng dữ liệu lớn cho hệ thống IoT

Luận văn thạc sĩ nghiên cứu hệ thống thông tin nghiên cứu phương pháp xử lý luồng dữ liệu lớn có khả năng co dãn cho hệ thống, đánh giá hiện trạng, phân tích vấn đề, đề xuất biện

• Người hướng dẫn: Bà Giáo Dác
• Trường học: Hàn Lâm Khoa Học Và Công Nghệ Việt Nam
• Chuyên ngành: Hệ Thống Thông Tin
• Đề tài: Phương Pháp Xử Lý Dữ Liệu Lớn Cho Hệ Thống IoT Linh Hoạt
• Loại tài liệu: luận văn
• Năm xuất bản: 2023
• Địa điểm: Hà Nội

Mục lục chi tiết

• MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN LÝ THUYẾT
• 1.1. Sự cần thiết tiến hành nghiên cứu
• 1.2. Hệ thống IoT
• 1.3. Luồng dữ liệu
• 1.4. Tổng quan tình hình nghiên cứu
• 1.5. Cấu trúc bài nghiên cứu
• 2. CHƯƠNG 2: CÁC PHƯƠNG PHÁP XỬ LÝ LUỒNG DỮ LIỆU VÀ MÔ HÌNH ĐỀ XUẤT
• 2.1. Các phương pháp xử lý luồng dữ liệu
• 2.2. Mô hình xử lý luồng dữ liệu đề xuất
• 2.3. Kiến trúc đề xuất
• 2.4. Xây dựng mô hình điện toán biên
• 2.5. Xây dựng mô hình điện toán đám mây
• 2.6. Thiết lập cơ chế co dãn
• 3. CHƯƠNG 3: CÁC THÍ NGHIỆM VÀ KẾT QUẢ
• 3.1. Dữ liệu thí nghiệm
• 3.2. Kết quả thí nghiệm
• 3.2.1. Hiệu quả tính năng co dãn
• 3.2.2. Hiệu quả và hệ thống mạng
• 3.2.3. Hiệu quả và hiệu năng tính toán
• 3.2.4. Hiệu quả và tài nguyên lưu trữ
• 4. CHƯƠNG 4: KẾT LUẬN, KIẾN NGHỊ VÀ GIẢI PHÁP
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về hệ thống IoT và xử lý dữ liệu lớn

Trong bối cảnh công nghệ phát triển nhanh chóng, hệ thống IoT (Internet of Things) đã trở thành một phần thiết yếu trong đời sống hiện đại. Xử lý dữ liệu lớn là một thách thức lớn cho các ứng dụng IoT, khi mà lượng dữ liệu được thu thập từ các thiết bị ngày càng gia tăng. Điều này đòi hỏi các phương pháp xử lý dữ liệu phải có khả năng co dãn để đáp ứng nhu cầu thực tế. Theo [1], dữ liệu lớn không chỉ đơn thuần là khối lượng lớn dữ liệu mà còn bao gồm tốc độ, tính đa dạng và sự phức tạp của dữ liệu. Việc sử dụng các công nghệ mới như điện toán đám mây và điện toán biên giúp tối ưu hóa việc quản lý dữ liệu lớn trong các hệ thống IoT. Hệ thống này cho phép thu thập, lưu trữ và xử lý dữ liệu một cách hiệu quả và nhanh chóng, từ đó nâng cao hiệu suất hệ thống IoT.

1.1 Khái niệm và tầm quan trọng của IoT

Khái niệm Internet of Things (IoT) đề cập đến việc kết nối các thiết bị vật lý với nhau thông qua internet, cho phép chúng thu thập và trao đổi dữ liệu. Công nghệ IoT đã mở ra nhiều cơ hội mới trong các lĩnh vực như nông nghiệp thông minh, thành phố thông minh, và y tế. Các thiết bị IoT có khả năng thu thập dữ liệu từ môi trường xung quanh và gửi về các hệ thống phân tích để xử lý. Điều này không chỉ giúp cải thiện hiệu suất mà còn tạo ra những giá trị mới cho người dùng. Theo [2], việc áp dụng IoT trong quản lý dữ liệu lớn giúp tối ưu hóa quy trình và nâng cao trải nghiệm người dùng.

1.2 Thách thức trong xử lý dữ liệu lớn

Xử lý dữ liệu lớn trong hệ thống IoT đối mặt với nhiều thách thức. Đầu tiên, khối lượng dữ liệu lớn phát sinh từ nhiều nguồn khác nhau có thể gây khó khăn trong việc lưu trữ và phân tích. Thứ hai, tốc độ thu thập dữ liệu nhanh chóng yêu cầu các phương pháp xử lý phải được tối ưu hóa để đảm bảo tính kịp thời. Ngoài ra, tính đa dạng của dữ liệu cũng là một yếu tố cần xem xét, vì dữ liệu có thể đến từ nhiều loại cảm biến và thiết bị khác nhau, mỗi loại có định dạng và cấu trúc riêng. Để giải quyết những vấn đề này, cần có các phương pháp xử lý dữ liệu hiệu quả và linh hoạt, có khả năng tối ưu hóa dữ liệu trong thời gian thực.

II. Các phương pháp xử lý dữ liệu lớn

Có nhiều phương pháp xử lý dữ liệu lớn được áp dụng trong hệ thống IoT, bao gồm phân tích dữ liệu theo thời gian thực và phân tích dữ liệu theo lô. Theo [3], phân tích theo thời gian thực cho phép xử lý dữ liệu ngay khi nó được thu thập, giúp phát hiện nhanh chóng các sự kiện quan trọng. Ngược lại, phân tích theo lô thường được sử dụng để xử lý khối lượng lớn dữ liệu đã được lưu trữ, cho phép các tổ chức thực hiện các phân tích sâu hơn. Một trong những công nghệ nổi bật trong phân tích dữ liệu lớn là sử dụng điện toán đám mây, cho phép mở rộng tài nguyên tính toán một cách linh hoạt và tiết kiệm chi phí. Việc kết hợp giữa điện toán đám mây và điện toán biên cũng mang lại nhiều lợi ích trong việc tối ưu hóa hiệu suất hệ thống IoT.

2.1 Phân tích dữ liệu theo thời gian thực

Phân tích dữ liệu theo thời gian thực là một phương pháp quan trọng trong xử lý dữ liệu lớn. Phương pháp này cho phép các hệ thống IoT xử lý và phân tích dữ liệu ngay lập tức khi nó được thu thập từ các thiết bị cảm biến. Việc này giúp phát hiện sớm các vấn đề và đưa ra quyết định kịp thời. Các công nghệ như Apache Kafka và Apache Storm thường được sử dụng trong phân tích thời gian thực, cho phép xử lý luồng dữ liệu lớn một cách hiệu quả. Theo [4], khả năng phân tích thời gian thực không chỉ giúp nâng cao hiệu suất hệ thống IoT mà còn tạo ra những giá trị mới cho doanh nghiệp trong việc cải thiện dịch vụ và sản phẩm.

2.2 Phân tích dữ liệu theo lô

Phân tích dữ liệu theo lô là phương pháp xử lý dữ liệu đã được lưu trữ trong một khoảng thời gian nhất định. Phương pháp này thường được áp dụng cho các khối lượng dữ liệu lớn mà không yêu cầu tính kịp thời cao. Sử dụng các công cụ như Apache Hadoop và Spark, các tổ chức có thể thực hiện các phân tích phức tạp và rút ra những thông tin giá trị từ dữ liệu. Theo [5], việc áp dụng phân tích theo lô giúp các tổ chức tối ưu hóa quy trình và đưa ra những quyết định dựa trên dữ liệu một cách chính xác hơn.

III. Ứng dụng thực tiễn và giá trị của nghiên cứu

Nghiên cứu về phương pháp xử lý dữ liệu lớn cho hệ thống IoT linh hoạt mang lại nhiều giá trị thực tiễn. Việc áp dụng các phương pháp xử lý dữ liệu hiệu quả giúp các tổ chức quản lý và khai thác dữ liệu một cách tối ưu, từ đó nâng cao hiệu suất hệ thống IoT. Các ứng dụng của IoT trong lĩnh vực nông nghiệp thông minh, thành phố thông minh và y tế đã chứng minh tính khả thi và lợi ích của việc áp dụng công nghệ này. Theo [6], trong nông nghiệp, việc sử dụng cảm biến IoT giúp theo dõi tình trạng đất và môi trường, từ đó tối ưu hóa quy trình sản xuất và tăng cường hiệu quả kinh tế. Trong lĩnh vực y tế, IoT giúp theo dõi sức khỏe bệnh nhân một cách liên tục và chính xác, từ đó nâng cao chất lượng dịch vụ chăm sóc sức khỏe.

3.1 Tăng cường hiệu quả kinh tế

Việc áp dụng công nghệ IoT trong nông nghiệp thông minh giúp tăng cường hiệu quả kinh tế bằng cách giảm thiểu lãng phí và tối ưu hóa quy trình sản xuất. Các cảm biến IoT có thể theo dõi độ ẩm, nhiệt độ và các yếu tố khác trong môi trường, từ đó đưa ra các quyết định chính xác về thời điểm tưới nước hay bón phân. Theo [7], việc sử dụng IoT trong nông nghiệp không chỉ giúp tiết kiệm chi phí mà còn nâng cao năng suất cây trồng, từ đó tăng cường lợi nhuận cho nông dân.

3.2 Nâng cao chất lượng dịch vụ chăm sóc sức khỏe

Trong lĩnh vực y tế, hệ thống IoT giúp theo dõi sức khỏe bệnh nhân một cách liên tục và chính xác. Các thiết bị đeo tay và cảm biến y tế có thể thu thập dữ liệu về nhịp tim, huyết áp và các thông số sinh lý khác, từ đó gửi về các hệ thống phân tích để đưa ra cảnh báo kịp thời. Theo [8], việc áp dụng IoT trong y tế không chỉ giúp nâng cao chất lượng dịch vụ mà còn giúp giảm thiểu chi phí điều trị và cải thiện trải nghiệm của bệnh nhân.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh sự phát triển nhanh chóng của công nghệ Internet of Things (IoT) và sự gia tăng đáng kể về số lượng thiết bị cảm biến, thiết bị di động và các thiết bị thông minh, lượng dữ liệu lớn (Big Data) được tạo ra ngày càng nhiều và đa dạng. Theo ước tính, một máy bay Boeing 787 có thể tạo ra khoảng 2.5 Terabytes dữ liệu mỗi ngày từ hơn 6000 cảm biến. Điều này đặt ra thách thức lớn về khả năng xử lý, lưu trữ và truyền tải dữ liệu trong các hệ thống IoT. Mục tiêu của nghiên cứu là khảo sát và phát triển các phương pháp xử lý luồng dữ liệu lớn có khả năng co dãn, tối ưu hóa tài nguyên mạng, tính toán và lưu trữ cho các hệ thống IoT dựa trên mô hình điện toán biên (Edge Computing) và điện toán đám mây (Cloud Computing).

Nghiên cứu tập trung vào việc xây dựng mô hình xử lý luồng dữ liệu sử dụng các thuật toán nén như Deflate, LZMA, LZ4 và Bzip2 nhằm tối ưu hóa hiệu suất mạng và tài nguyên tính toán. Phạm vi nghiên cứu được thực hiện tại Việt Nam trong năm 2023, với dữ liệu thử nghiệm đa dạng bao gồm hình ảnh từ các tòa nhà của tập đoàn FPT, dữ liệu cảm biến mạng và văn bản từ nguồn Kaggle. Ý nghĩa của nghiên cứu thể hiện qua việc nâng cao hiệu quả xử lý dữ liệu thời gian thực, giảm thiểu băng thông sử dụng và tăng khả năng co dãn của hệ thống IoT, góp phần thúc đẩy ứng dụng công nghệ thông minh trong các lĩnh vực như nhà thông minh và nông nghiệp thông minh.

---

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

• Mô hình kiến trúc IoT ba tầng: Bao gồm tầng perception (thu thập dữ liệu qua cảm biến), tầng network (truyền tải dữ liệu) và tầng application (cung cấp dịch vụ cho người dùng). Mô hình này giúp phân chia rõ ràng chức năng và tối ưu hóa xử lý dữ liệu tại từng tầng.
• Điện toán đám mây (Cloud Computing): Cung cấp khả năng lưu trữ và xử lý tập trung với tính năng co dãn tài nguyên linh hoạt, giúp đáp ứng nhu cầu thay đổi của ứng dụng IoT.
• Điện toán biên (Edge Computing): Xử lý dữ liệu gần nguồn phát sinh nhằm giảm độ trễ và băng thông truyền tải, tăng tính bảo mật và hiệu quả xử lý.
• Các thuật toán nén dữ liệu: Deflate, LZMA, LZ4, Bzip2 được sử dụng để giảm dung lượng dữ liệu truyền tải, từ đó tối ưu băng thông và thời gian truyền.
• Tính năng co dãn (Elasticity): Khả năng tự động tăng hoặc giảm tài nguyên dựa trên nhu cầu thực tế, đảm bảo hiệu suất và tiết kiệm chi phí.

Phương pháp nghiên cứu

• Nguồn dữ liệu: Dữ liệu thử nghiệm bao gồm hình ảnh khuôn mặt từ tập đoàn FPT, dữ liệu cảm biến mạng và văn bản từ Kaggle với dung lượng và chủng loại đa dạng.
• Phương pháp phân tích: Xây dựng mô hình xử lý luồng dữ liệu trên nền tảng điện toán biên và đám mây sử dụng Docker và Kubernetes để mô phỏng môi trường thực tế. Áp dụng các thuật toán nén để đánh giá hiệu quả tối ưu hóa băng thông và tài nguyên.
• Timeline nghiên cứu: Nghiên cứu được thực hiện trong năm 2023, bao gồm các giai đoạn khảo sát lý thuyết, xây dựng mô hình, thử nghiệm và đánh giá kết quả.
• Cỡ mẫu và chọn mẫu: Dữ liệu thử nghiệm được lấy từ ba nguồn khác nhau nhằm đảm bảo tính đa dạng và đại diện cho các loại dữ liệu IoT phổ biến.

---

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

• Hiệu quả tính năng co dãn: Ban đầu hệ thống được khởi tạo với 3 instances trên AWS, khi CPU sử dụng vượt 40%, hệ thống tự động tăng lên 4 instances và giảm xuống còn 2 khi CPU giảm dưới 40%, đảm bảo tính linh hoạt và tiết kiệm tài nguyên.
• Thông lượng mạng: Khi không sử dụng điện toán biên, thông lượng mạng duy trì trung bình khoảng 18MBps. Áp dụng thuật toán nén Deflate và LZMA giữ thông lượng ổn định ở mức 18.8-19MBps, trong khi LZ4 và Bzip2 giảm thông lượng xuống còn khoảng 14MBps và 9MBps tương ứng, giúp tiết kiệm băng thông đáng kể.
• Độ trễ mạng: Thời gian truyền dữ liệu giảm khoảng 2 giây khi sử dụng các thuật toán nén, đặc biệt hiệu quả với dữ liệu có dung lượng lớn, giúp cải thiện thời gian phản hồi của hệ thống.
• Hiệu năng tính toán và tài nguyên lưu trữ: Việc sử dụng điện toán biên kết hợp các thuật toán nén giúp giảm tải cho đám mây, tối ưu hóa sử dụng CPU và bộ nhớ, đồng thời giảm kích thước dữ liệu lưu trữ sau nén từ 30% đến 60% so với dữ liệu gốc.

Thảo luận kết quả

Kết quả cho thấy mô hình xử lý luồng dữ liệu dựa trên điện toán biên và đám mây với các thuật toán nén phù hợp có thể nâng cao hiệu quả sử dụng tài nguyên mạng và tính toán. Việc tự động co dãn tài nguyên dựa trên giám sát CPU giúp hệ thống thích ứng nhanh với biến động tải, giảm chi phí vận hành. So với các nghiên cứu trước đây chỉ tập trung vào điện toán đám mây, mô hình này giảm đáng kể độ trễ và băng thông sử dụng, phù hợp với yêu cầu xử lý thời gian thực của các ứng dụng IoT. Các biểu đồ thông lượng mạng và độ trễ minh họa rõ sự cải thiện khi áp dụng các thuật toán nén và điện toán biên, góp phần nâng cao trải nghiệm người dùng và hiệu quả vận hành hệ thống.

---

Đề xuất và khuyến nghị

• Triển khai hệ thống điện toán biên tại các điểm thu thập dữ liệu IoT nhằm giảm tải cho đám mây, giảm độ trễ truyền dữ liệu, dự kiến hoàn thành trong 12 tháng, do các nhà phát triển hệ thống và đơn vị quản lý IoT thực hiện.
• Áp dụng các thuật toán nén Deflate, LZMA, LZ4, Bzip2 tùy theo loại dữ liệu để tối ưu hóa băng thông và tài nguyên lưu trữ, với mục tiêu giảm ít nhất 30% dung lượng truyền tải trong 6 tháng.
• Thiết lập cơ chế tự động co dãn tài nguyên dựa trên giám sát CPU và lưu lượng mạng để đảm bảo hiệu suất và tiết kiệm chi phí, triển khai trong vòng 9 tháng, do nhà cung cấp dịch vụ đám mây và quản trị hệ thống thực hiện.
• Đào tạo và nâng cao năng lực cho đội ngũ kỹ thuật về quản lý và vận hành hệ thống điện toán biên và đám mây, đảm bảo vận hành hiệu quả và xử lý sự cố kịp thời, kế hoạch đào tạo trong 6 tháng.
• Nghiên cứu mở rộng áp dụng mô hình cho các lĩnh vực khác như nông nghiệp thông minh, thành phố thông minh nhằm tận dụng tối đa lợi ích của công nghệ, dự kiến nghiên cứu trong 18 tháng tiếp theo.

---

Đối tượng nên tham khảo luận văn

• Nhà nghiên cứu và sinh viên ngành công nghệ thông tin, điện tử viễn thông: Nắm bắt kiến thức về xử lý luồng dữ liệu lớn, điện toán biên và đám mây, phục vụ cho các đề tài nghiên cứu và luận văn.
• Các kỹ sư phát triển hệ thống IoT và quản trị mạng: Áp dụng các giải pháp tối ưu hóa băng thông, tài nguyên tính toán và lưu trữ trong thực tế triển khai hệ thống.
• Doanh nghiệp cung cấp dịch vụ đám mây và giải pháp IoT: Tham khảo mô hình co dãn tài nguyên tự động và các thuật toán nén để nâng cao chất lượng dịch vụ và tiết kiệm chi phí.
• Các nhà quản lý dự án công nghệ và chính sách công: Hiểu rõ các thách thức và giải pháp trong xử lý dữ liệu lớn IoT, từ đó xây dựng chiến lược phát triển công nghệ phù hợp.

---

Câu hỏi thường gặp

1. Điện toán biên khác gì so với điện toán đám mây?
   Điện toán biên xử lý dữ liệu gần nguồn phát sinh, giảm độ trễ và băng thông truyền tải, trong khi điện toán đám mây xử lý tập trung với sức mạnh tính toán lớn nhưng có độ trễ cao hơn.

2. Các thuật toán nén nào phù hợp cho dữ liệu IoT?
   Deflate và LZMA phù hợp với dữ liệu hình ảnh và văn bản, trong khi LZ4 và Bzip2 hiệu quả với dữ liệu có dung lượng lớn, giúp giảm băng thông truyền tải từ 30% đến 60%.

3. Tính năng co dãn tài nguyên hoạt động như thế nào?
   Hệ thống tự động tăng hoặc giảm số lượng instances dựa trên các chỉ số như CPU sử dụng hoặc lưu lượng mạng, đảm bảo hiệu suất và tiết kiệm chi phí vận hành.

4. Làm thế nào để đảm bảo tính ổn định khi tự động co dãn?
   Sử dụng các công cụ giám sát như CloudWatch để theo dõi liên tục các chỉ số hiệu suất, kết hợp với chính sách scaling phù hợp để tránh quá tải hoặc lãng phí tài nguyên.

5. Mô hình này có thể áp dụng cho những lĩnh vực nào?
   Ngoài nhà thông minh và nông nghiệp thông minh, mô hình còn phù hợp với các ứng dụng y tế, giao thông thông minh và quản lý thành phố thông minh, nơi yêu cầu xử lý dữ liệu thời gian thực cao.

---

Kết luận

• Nghiên cứu đã xây dựng thành công mô hình xử lý luồng dữ liệu lớn có khả năng co dãn cho hệ thống IoT dựa trên điện toán biên và đám mây.
• Áp dụng các thuật toán nén Deflate, LZMA, LZ4, Bzip2 giúp tối ưu hóa băng thông, giảm độ trễ và tiết kiệm tài nguyên tính toán, lưu trữ.
• Hệ thống tự động co dãn tài nguyên dựa trên giám sát CPU và lưu lượng mạng đảm bảo hiệu suất và tiết kiệm chi phí vận hành.
• Kết quả thử nghiệm với dữ liệu đa dạng từ hình ảnh, cảm biến và văn bản cho thấy tính khả thi và hiệu quả của mô hình.
• Đề xuất triển khai mô hình trong các dự án IoT thực tế tại Việt Nam, đồng thời mở rộng nghiên cứu cho các lĩnh vực ứng dụng khác.

Triển khai thử nghiệm mô hình trong môi trường thực tế, đánh giá hiệu quả vận hành và mở rộng ứng dụng trong các lĩnh vực công nghiệp và đô thị thông minh.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: TỔNG QUAN LÝ THUY¾T 1.1 Sự cần thiết tiến hành nghiên cứu Są tăng lên cÁ vÅ tính khÁ dāng và sß l°ÿng của các thiÃt bá cÁm biÃn, các thiÃt bá di đáng, và các thiÃt bá thông minh đã dÁn tãi są bùng nã vÅ khßi l°ÿng, chủng lo¿i và tßc đá sÁn sinh dă liáu cũng nh° nhu cÅu phân tích khßi dă liáu khãng lá này ç các mức đá nhÃt đánh. Mặt khác, bçi vì xã hái đang trç nên ngày càng kÃt nßi, nhăng tã chức khác nhau cũng đang sÁn sinh ra nhăng khßi l°ÿng dă liáu khãng lá t°¢ng ứng tÿ các ho¿t đáng điÅu phßi kinh doanh hàng ngày, tÿ viác theo dõi các ho¿t đáng khách hàng, tÿ các thiÃt bá đeo tay hß trÿ ng°åi dùng, tÿ các ứng dāng tài chính kà toán hay tÿ các thí nghiám khoa hãc đòi hỏi nguán tài nguyên trang bá lãn. L°ÿng dă liáu lãn này đ°ÿc gãi chung là Big Data bçi vì nhăng thách thức nó t¿o ra cho các c¢ sç h¿ tÅng đián toán hián t¿i cÁ vÅ mặt truyÅn tÁi, l°u tră, và xā lý dă liáu. Trên thąc tÃ, mát phÅn lãn l°ÿng dă liáu này sÁ mang l¿i l°ÿng thông tin có nhiÅu giá trá nhÃt chß khi nó đ°ÿc phân tích càng nhanh càng tßt ngay sau khi đ°ÿc t¿o ra.

Vãi mát vài ngă cÁnh ứng dāng đang nãi lên trong nhăng năm gÅn đây nh° thành phß thông minh, giám sát ho¿t đáng của các c¢ sç h¿ tÅng lãn, hay Internet của v¿n vÃt (IoT), nhăng luáng dă liáu liên tāc này phÁi đ°ÿc xā lý vãi đá trß rÃt nhỏ. Trong mát sß lĩnh vąc, tán t¿i nhu cÅu xā lý luáng dă liáu (data stream processing) đÇ phát hián ra các mÁu cÅn tìm, xác đánh các lßi có thÇ gặp phÁi hoặc là thu đ°ÿc nhăng thông tin chi tiÃt và nâng cao vÅ đßi t°ÿng đang theo dõi. ĐÇ có thÇ đ¿t đ°ÿc māc tiêu này mát trong sß các giÁi pháp tiÅm năng đó là sā dāng nhăng °u điÇm của đián toán đám mây nh° tính kinh tà của đÅu t° h¿ tÅng, tính co dãn của tài nguyên hay giÁm tÁi và tiÃt kiám băng thông. ĐÅ tài này khÁo sát các ph°¢ng pháp xā lý luáng dă liáu trên đián toán đám mây và nghiên cứu mô hình sā dāng các thuÃt toán nén đÇ tßi °u vÅ sā dāng h¿ tÅng m¿ng, tài nguyên tính toán và l°u tră.

Bên c¿nh đó, kÃt quÁ nghiên cứu của đÅ tài có tiÅm năng đ°a vào sā dāng trąc tiÃp cho các dą án IoT đang triÇn khai t¿i Viát Nam nh° nhà thông minh, nông nghiáp thông minh giúp tăng c°ång hiáu năng xā lý và phân tích dă liáu của các há thßng này.1 Hệ thống IoT Khái niám "Internet of Things" (IoT) là są kÃt hÿp của hai yÃu tß: "Internet" và "Things," mang ý nghĩa t¿o ra mát m¿ng kÃt nßi giăa các vÃt đ°ÿc đánh danh và khÁ năng giao tiÃp thông qua các giao thức chu¿n [1]. Mát cách đ¢n giÁn, IoT đ¿i dián cho są giao thoa giăa các thiÃt bá thông minh và khÁ năng xā lý thông tin mà chúng t¿o ra. Công nghá này cho phép các há thßng vÃt lý có khÁ năng quan sát, nghe, xā lý thông tin, và thąc hián các ho¿t đáng t°¢ng tą nh° con ng°åi thông qua viác trao đãi thông tin giăa các thành phÅn trong há thßng. ĐiÅu này giúp chuyÇn đãi các há thßng tą đáng truyÅn thßng thành các há thßng thông minh, mô phỏng cách con ng°åi ho¿t đáng.

IoT t¿o nên są kÃt hÿp và t°¢ng tác của nhiÅu công nghá, ví dā nh° há thßng nhúng, công nghá truyÅn thông, m¿ng cÁm biÃn, và nhiÅu công nghá khác & Hình 1- 1 trình bày các ứng dāng của IoT trong các lĩnh vąc khác nhau, vãi mßi lĩnh vąc đÅu có nhăng đặc điÇm riêng, trong đó są trao đãi thông tin trąc tiÃp giăa các thiÃt bá đóng mát vai trò quan trãng. Hình 0-1: Các lĩnh vực áp dụng công nghệ IoT ĐÇ mát há thßng IoT có thÇ ho¿t đáng, cßt lõi của nó nằm trong kiÃn trúc mà nó áp dāng. Đây chính là lý do mà IoT có thÇ đ°ÿc hiÇu nh° mát giÁi pháp, bao gám các b°ãc cā thÇ đÇ thąc hián ý t°çng của há thßng. Tuy nhiên, cho đÃn thåi điÇm 14 hián t¿i, vÁn ch°a tán t¿i mát kiÃn trúc IoT chung mà có thÇ áp dāng cho mãi lĩnh vąc, và các giÁi pháp hián có chß ç mức đá nghiên cứu.

Do đó, giÁi pháp này th°ång đ°ÿc gãi là "Internet of Things reference architecture." hay mô hình tham chiÃu Trong hàng lo¿t các mô hình đÅ xuÃt, mô hình ba lãp đ°ÿc coi là kiÃn trúc truyÅn thßng [2]–[4]. Tÿ mô hình này, các biÃn thÇ đã đ°ÿc phát triÇn đÇ phù hÿp vãi tÿng lĩnh vąc cā thÇ. Kiến trúc truyền thống Theo các nghiên cứu trong [2]–[4], kiÃn trúc IoT truyÅn thßng sÁ bao gám ba lãp, Hình 1-2: Hình 0-2: Kiến trúc IoT truyền thống The perception layer là tÅng t°¢ng tác vãi môi tr°ång vÃt lý đÇ thu thÃp các thông tin vÃt lý thông qua các cÁm biÃn và tác đáng thông qua các c¢ cÃu chÃp hành. Các chu¿n "plug-and-play" đ°ÿc °u tiên sā dāng cho các vÃt vãi các yêu cÅu thiÃt kà khác nhau [4].

TÅng nhÃn thức sÁ sß hóa và gāi dă liáu qua các kênh bÁo mÃt cho các tÅng phía trên. The network layer ho¿t đáng nh° nhăng chiêc cÅu kÃt nßi các thiÃt bá thông minh ç tÅng perception layer và các máy chủ server ç tÅng application layer. Do các thiÃt bá ç tÅng Things sā dāng rÃt nhiÅu giao thức khác nhau, tÅng này nh° mát cáng cā lãc đÇ chu¿n hóa cho các giao tiÃp ç tÅng trên. The application layer có nhiám vā cung cÃp cho ng°åi dùng nhăng chức năng cā thÇ.

Vì vÃy nhiám vā của tÅng này sÁ phā thuác vào māc đích mà giÁi pháp IoT đ°ÿc áp dāng, ví dā nh° nhà thông minh, thành phß thông minh, & Kiến trúc tham khÁo KiÃn trúc truyÅn thßng chß mang ý nghĩa nghiên cứu, trong các ứng dāng sÁ sā dāng kiÃn trúc IoT tham khÁo: 15 Hình 0-3: Kiến trúc IoT tham khÁo Tầng Things: Theo Hình 1-3, các m¿ch đo Sensors hoặc các c¢ cÃu chÃp hành Actuators sÁ t°¢ng tác vãi môi tr°ång vÃt lý và t¿o ra dă liáu đÇ gāi lên phía Gateway thông qua các giao thức thông dāng nh° Bluetooth, Zigbee,. Các thiÃt bá này đa phÅn là nhỏ gãn vãi sức m¿nh tính toán không quá lãn vì māc tiêu của các thiÃt bá là (1) đßi vãi m¿ch đo Sensor là thu thâp dă liáu thông qua và gāi các thông tin đó cho các tÅng phía trên xā lý, (2) đßi vãi m¿ch c¢ cÃu chÃp hành Actuator là nhÃn lánh điÅu khiÇn hoặc các process value t°¢ng ứng tÿ các tÅng phía trên (th°ång là Gateway) và thąc hián yêu cÅu đó. Ví dā trong các ứng dāng tòa nhà thông minh, các m¿ch đo sau khi thu thÃp dă liáu sÁ gāi vÅ phía ng°åi dùng đÇ theo dõi hoặc đÇ ng°åi dùng ra các quyÃt đánh điÅu khiÇn. GiÁ sā trong tr°ång hÿp nhiát đá căn phòng tăng quá cao so vãi ng°ỡng đã đ°ÿc thiÃt lÃp, d°ãi tác đáng của c¢ cÃu chÃp hành, máy s°çi (heater) có thÇ đ°ÿc tắt đi.

Vãi sā dāng mát l°ÿng lãn các m¿ch đo và c¢ cÃu chÃp hành này, ng°åi dùng có thÇ t°¢ng tác nhiÅu h¢n vãi chính căn nhà của mình, thÃm trí tÿ các khoÁng cách các xa. ĐiÅu này có thÇ dÁn đÃn nâng cao đá thoÁi mái và giÁm năng l°ÿng tiêu thā của cÁ tòa nhà. Tầng Gateway là mát tÅng vô cùng quan trãng trong kiÃn trúc của mát há thßng IoT, vì khác vãi các ứng dāng web hay mobile, các dą án IoT phÁi tính đÃn vÃn đÅ xā lý dă liáu thåi gian thąc, đặc biát là ra quyÃt đánh thåi gian thąc. Thåi gian thąc có thÇ hiÇu là đá trß ít nhÃt.

Vì vÃy cÅn mát thiÃt bá có khÁ năng xā lý dă liáu thåi gian thąc, đÁm bÁo đá trß ít nhÃt mà l¿i không nằm quá xa so vãi các thiÃt bá tÅng Things, đó là lý tÅng này đ°ÿc sinh ra. VÅ mặt sức m¿nh tính toán, các thiÃt bá của 16 tÅng này có sức m¿nh tính toán lãn h¢n các thiÃt bá tÅng Things nh°ng nhỏ h¢n các thiÃt bá tÅng Cloud. Nhiám vā của Gateway thông th°ång gám: ● Xā lý, lo¿i bỏ bãt các dă liáu lßi mà các thiÃt bá tÅng Things gāi lên, ● L°u tră dă liáu t¿m thåi trong tr°ång hÿp Web Server bá mÃt kÃt nßi, ● Ra quyÃt đánh trong các tr°ång hÿp cÅn có nhăng tác đáng l¿i vÅ môi tr°ång vÃt lý bá gãi h¿n thåi h¿n (soft/ hard time-bound). Tầng Cloud là tÅng có sức m¿nh tính toán m¿nh nhÃt trong kiÃn trúc của mát há thßng IoT.

Vãi sức m¿nh tính toán m¿nh mÁ, các thiÃt bá tÅng Cloud có thÇ xā lý mát l°ÿng lãn dă liáu. Thông th°ång, tÅng Cloud đ°ÿc sā dāng đÇ l°u tră dă liáu lâu dài, xā lý dă liáu lãn, đ°a ra các quyÃt đánh dąa trên dă liáu lãn đó. Ví dā, trong các ứng dāng y tÃ, các thiÃt bá tÅng Things sÁ gāi dă liáu vÅ tình tr¿ng sức khỏe của bánh nhân lên tÅng Cloud, tÅng Cloud sÁ l°u tră dă liáu này và đ°a ra các quyÃt đánh dąa trên dă liáu lãn đó. Các quyÃt đánh này có thÇ là đ°a ra låi khuyên cho bánh nhân, hoặc đ°a ra các quyÃt đánh vÅ viác điÅu khiÇn các thiÃt bá tÅng Things.

Ví dā, nÃu tình tr¿ng sức khỏe của bánh nhân không tßt, tÅng Cloud sÁ đ°a ra låi khuyên cho bánh nhân nên nghß ng¢i, hoặc đ°a ra quyÃt đánh điÅu khiÇn các thiÃt bá tÅng Things nh° máy đo huyÃt áp, máy đo đ°ång huyÃt, máy đo nháp tim,. Mô hình điện toán đám mây Trong kiÃn trúc truyÅn thßng, các dă liáu đ°ÿc t¿o ra tÿ các thiÃt bá ç tÅng d°ãi đ°ÿc truyÅn lên đám mây đÇ xā lý tÃp trung. Khi các dách vā của đám mây đ°ÿc cung cÃp bçi bên thứ ba là các tÃp đoàn công nghá lãn nh° Amazon hay Google thì mô hình này còn đ°ÿc gãi là đián toán đám mây (Cloud Computing). Ý t°çng của mô hình này là ng°åi phát triÇn có thÇ tÃp trung vào phát triÇn các tính năng của dą án và viác quÁn lý h¿ tÅng n¢i dą án đ°ÿc triÇn khai sÁ đ°ÿc lo liáu bçi các tÃp đoàn công nghá lãn nh° Microsoft Azure1 hay Amazon AWS2.

Nhăng °u điÇm của mô hình này mang l¿i bao gám tính kinh tà của đÅu t° h¿ tÅng, tính co dãn của tài nguyên sā dāng, và są giÁm tÁi, tiÃt kiám băng thông. Trong đó, tính năng co dãn là đặc biát quan trãng đßi vãi các nhà cung cÃp dách vā mô hình này [5]–[7].