Phân tích và xây dựng kiến trúc đa tầng cho nền tảng internet of things áp dụng cho hệ thống đo xa tại tp hồ chí minh

Với sự phát triển nhanh chóng của các thiết bị thông minh thì số lượng kết nối giữa các thiết bị đang tăng lên với một số lượng rất lớn theo Gartner thì đến năm 2020 thì sẽ có khoảng 26

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH

TRƯỜNG ĐẠI HỌC BÁCH KHOA

-

LÊ ĐOÀN SƠN NGUYÊN

PHÂN TÍCH VÀ XÂY DỰNG KIẾN TRÚC ĐA TẦNG CHO NỀN TẢNG INTERNET OF THINGS ÁP DỤNG CHO HỆ THỐNG ĐO XA TẠI TP HỒ CHÍ MINH

Chuyên ngành: HỆ THỐNG THÔNG TIN QUẢN LÝ

Mã số: 60.34.04.05

LUẬN VĂN THẠC SĨ

TP HỒ CHÍ MINH – Tháng 7 năm 2017

CÔNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA –ĐHQG -HCM Cán bộ hướng dẫn khoa học: TS Trần Minh Quang

Cán bộ chấm nhận xét 1: TS Lê Lam Sơn

Cán bộ chấm nhận xét 2: TS Nguyễn Tuấn Đăng

Luận văn thạc sĩ được bảo vệ tại:

Trường Đại học Bách Khoa, ĐHQG Tp HCM ngày 18 tháng 7 năm 2017

Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm:

(Ghi rõ họ, tên, học hàm, học vị của Hội đồng chấm bảo vệ luận văn thạc sĩ)

1 PGS.TS Đặng Trần Khánh

2 TS Trương Tuấn Anh

3 TS Lê Lam Sơn

4 TS Nguyễn Tuấn Đăng

5 TS Phan Trọng Nhân

Xác nhận của Chủ tịch Hội đồng đánh giá LV và Trưởng Khoa quản lý chuyên ngành sau khi luận văn đã được sửa chữa (nếu có)

CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA



ĐẠI HỌC QUỐC GIA TP.HCM

NHIỆM VỤ LUẬN VĂN THẠC SĨ

Họ tên học viên: Lê Đoàn Sơn Nguyên MSHV: 7141148

Ngày, tháng, năm sinh: 10/01/1992 Nơi sinh: Phú Yên

Chuyên ngành: Hệ thống thông tin quản lý Mã số: 60 34 04 05

I TÊN ĐỀ TÀI:

PHÂN TÍCH VÀ XÂY DỰNG KIẾN TRÚC ĐA TẦNG CHO NỀN TẢNG

INTERNET OF THINGS ÁP DỤNG CHO HỆ THỐNG ĐO XA TẠI TP HỒ CHÍ

MINH

II NHIỆM VỤ VÀ NỘI DUNG:

Nghiên cứu phương thức phân tích và xây dựng kiến trúc đa tầng cho nền tảng

Internet of Thing áp dụng cho hệ thống đo xa

Xây dựng mô hình Fog Computing áp dụng vào hệ thống đo xa

Thực hiện mô phỏng bằng công cụ IfogSim để đánh giá kết quả

III NGÀY GIAO NHIỆM VỤ : 16/01/2017

IV NGÀY HOÀN THÀNH NHIỆM VỤ: 18/06/2017

V CÁN BỘ HƯỚNG DẪN TS Trần Minh Quang

LỜI CẢM ƠN

Tôi xin chân thành cám ơn khoa Khoa học và Kỹ thuật Máy tính, trường Đại học Bách Khoa thành phố Hồ Chí Minh đã tạo điều kiện cho tôi thực hiện luận văn này Xin cám ơn thầy Trần Minh Quang người đã tận tình hướng dẫn, chỉ bảo tôi trong suốt thời gian thực hiện đề tài Trong thời gian làm việc với thầy, tôi không những học hỏi thêm nhiều kiến thức bổ ích mà còn học được tinh thần làm việc, thái độ nghiên cứu khoa học nghiêm túc của thầy

Xin gửi lời cám ơn chân thành đến gia đình và bạn bè, đồng nghiệp đã luôn hỗ trợ, giúp đỡ hết sức nhiệt tình để tôi có thể vượt qua những khó khăn trong suốt quá trình làm việc

Mặc dù đã cố gắng hoàn thành luận văn trong phạm vi và khả năng cho phép nhưng chắc chắn không tránh khỏi những thiếu sót Vì vậy kính mong nhận được sự thông cảm và chỉ bảo của quý Thầy (Cô) và các bạn

Tác giả

Lê Đoàn Sơn Nguyên

ưu điểm của kiến trúc Fog Computing so với Cloud Computing

ABSTRACT

Fog Computing is a model of Cloud Computing extended to the edge of the network Fog Computing has the characteristics: low latency and location awareness; geographical distribution; mobility; large number of nodes; the role of wireless access prevails; strength of characters of real-time applications; heterogeneity With the benefits of Fog Computing, the thesis aims at research for model development and applied by Fog Computing architecture to solve the problem of telemetry systems in the power industry in Ho Chi Minh City The study investigated the Fog Computing architecture and conducted simulations for the intelligent power meter problem, then compared the Fog Computing architecture with the Cloud Computing architecture for data latency, power consumption to see the advantages of Fog Computing compared

to Cloud Computing architecture

LỜI CAM ĐOAN

Tôi cam đoan rằng luận văn thạc sĩ của tôi dưới sự hướng dẫn của Tiến Sĩ Trần Minh Quang là do tôi thực hiện, ngoại trừ các kết quả, tham khảo được tham khảo từ các công trình khác Các tham khảo này đều được ghi rõ trong phần Tài liệu tham khảo

Ngày 19 tháng 06 năm 2017

Lê Đoàn Sơn Nguyên

MỤC LỤC

NHIỆM VỤ LUẬN VĂN THẠC SĨ 3

CÁN BỘ HƯỚNG DẪN 3

CHỦ NHIỆM BỘ MÔN ĐÀO TẠO 3

DANH MỤC HÌNH ẢNH 10

DANH MỤC BẢNG BIỂU 11

CHƯƠNG 1: TỔNG QUAN ĐỀ TÀI 12

1.1 Lý do hình thành đề tài 12

1.2 Đối tượng, phạm vi nghiên cứu 13

1.3 Mục đích nghiên cứu 13

1.4 Phương pháp nghiên cứu 13

1.5 Ý nghĩa khoa học và thực tiễn 13

1.6 Cấu trúc đề tài 14

CHƯƠNG 2: MÔ TẢ BÀI TOÁN VÀ PHÂN TÍCH CÁC NGHIỆP VỤ TRONG BÀI TOÁN 15

2.1 Mô tả bài toán của hệ thống đo xa: 15

2.2 Phân tích nghiệp vụ và mô hình hoá các nghiệp vụ 16

CHƯƠNG 3: CƠ SỞ LÝ THUYẾT 20

3.1 Mô hình Internet of Things 20

3.2 Tổng quan về Fog Computing 21

3.2.1 Fog Computing 21

3.2.2 Kiếntrúc của Fog Computing: 23

3.3 Tổng quan về iFogSim 25

CHƯƠNG 4: MÔ PHỎNG BÀI TOÁN VỚI MÔ HÌNH IFOGSIM 28

4.1 Thiết lập thông số 28

4.2 Mô hình hoá 29

4.2.1 Mô hình hoá về năng lượng 30

4.2.2 Mô hình hoá về độ trễ 31

CHƯƠNG 5: ĐÁNH GIÁ KẾT QUẢ THỰC HIỆN MÔ PHỎNG 33

5.1 Độ trễ của vòng lặp: 35

5.2 Năng lượng tiêu thụ : 36

5.3 Network được sử dụng: Error! Bookmark not defined CHƯƠNG 6: KẾT QUẢ ĐẠT ĐƯỢC VÀ HƯỚNG PHÁT TRIỂN 38

6.1 Kết quả đạt được 38

6.2 Hướng phát triển 38

DANH MỤC CÁC TÀI LIỆU THAM KHẢO 40

PHỤ LỤC 42

Bảng các dịch vụ 42

Bảng mapping input-output giữa các module 46

Bảng kết quả thực hiện 2 tình huống trên với 4 config lần lượt là config 1 (1 Cloud, 1 HES, 4 Modem, 4 Meter), config 2 (1 Cloud, 2 HES, 8 Modem, 8 Meter), config 3 (1 Cloud, 3 HES, 12 Modem, 12 Meter) và config 4 (1 Cloud, 4 HES, 16 Modem, 16 Meter) 53

PHẦN LÝ LỊCH TRÍCH NGANG 55

QUÁ TRÌNH ĐÀO TẠO 55

QUÁ TRÌNH CÔNG TÁC 55

DANH MỤC HÌNH ẢNH

Hình 2.1: Sơ đồ vật lý hệ thống đo xa 15

Hình 2.2: Các module và mối quan hệ giữa các module trong hệ thống đo xa 17 Hình 3.1: Model Internet of Things [12] 20

Hình 3.2: The IoT và Fog Computing [3] 22

Hình 3.3: Kiến trúc của Fog Computing [7] 23

Hình 3.4: Những lớp chính trong iFogSim [7] 25

Hình 4.1: Lưu đồ về trình tự hình thành các Tuple và thực thi các Tuple 29

Hình 5.1: Config 1 (1 Cloud, 1 HES, 4 Modem, 4 Meter) 33

Hình 5.2: Config 2 (1 Cloud, 2 HES, 8 Modem, 8 Meter) 34

Hình 5.3: Config 3 (1 Cloud, 3 HES, 12 Modem, 12 Meter) 34

Hình 5.4: Config 4 (1 Cloud, 4 HES, 16 Modem, 16 Meter) 34

Hình 5.5: Average Latency of Control Loop 35

Hình 5.6: Energy Consumption 36

Hình 5.7: Biểu đồ về số lượng Smart Meter và độ phức tạp dữ liệu 37

DANH MỤC BẢNG BIỂU

Bảng 2.1: Bảng các dịch vụ 16

Bảng 2.2: Định nghĩa các module 18

Bảng 4.1: Thông số các thiết bị vật lý 28

Bảng 4.2: Mô tả các thông số của các tuple 28

Bảng 4.3: Mô tả quan hệ giữa các App module và các Tuple 28

CHƯƠNG 1: TỔNG QUAN ĐỀ TÀI

1.1 Lý do hình thành đề tài

Internet of Things (IoT) hiện tại đã mang lại kết nối cho hầu hết các thiết bị trong cuộc sống hiện tại như nhà, xe, nơi làm việc, các thiết bị kết nối thông minh Với sự phát triển nhanh chóng của các thiết bị thông minh thì số lượng kết nối giữa các thiết

bị đang tăng lên với một số lượng rất lớn (theo Gartner thì đến năm 2020 thì sẽ có khoảng 26 tỉ đơn vị kết nối) [11]

Giải pháp phổ biến hiện nay là tập trung xử lý dữ liệu tại Cloud để xử lý Bởi vì phương pháp phân tích dữ liệu hiện có được thiết kế để đối phó với khối lượng lớn

dữ liệu nhưng không theo thời gian thực Với hàng triệu dữ liệu được tạo ra từ các thiết bị thông minh, toàn bộ những dữ liệu đó đều chuyển đến các Cloud, tại đây không thích hợp cho việc ra quyết định theo thời gian thực Và giải quyết thách thức của Cloud, Cisco đã đưa ra một kiến trúc mới gọi là Fog Computing [7][12], là mô hình mở rộng của Cloud Computing đến các cạnh của mạng Ngoài ra Fog Computing còn giải quyết được hai vấn đề lớn đó là: xử lý dữ liệu theo thời gian thực và làm việc trong giới hạn băng thông có sẵn Với những ưu điểm đó, Fog Computing có thể giải quyết được những vấn đề trong các lĩnh vực sản xuất, dầu khí, dịch vụ, vận tải, khai thác mỏ, năng lượng và các khu vực công cộng

Trong lĩnh vực giao thông Fog Computing có thể đóng góp nhiều vai trò vào việc cải thiện hệ thống giao thông như việc triển khai hệ thống giao thông thông minh (Intelligent Transport Systems – ITS) nhằm áp dụng những sensors cảm biến đo khoảng cách và tốc độ tiếp cận các phương tiện từ mọi hướng để phát cảnh báo cho phương tiện giao đang tham gia giao thông; sử dụng sensor cảm biến phát hiện người

đi bộ khi băng qua đường để giảm thiểu các tai nạn giao thông có thể xảy ra

Đề tài đặt ra là bài toán trong ngành điện và Fog Computing là một công nghệ thích hợp để giải quyết các vấn đề trong ngành điện Bài toán về thu thập dữ liệu thông số vận hành từ các công tơ điện ở các trạm biến áp đưa trung tâm dữ liệu để hiển thị dữ liệu về sản lượng điện năng, thông số vận hành của các công tơ điện, chỉ số chốt hàng tháng của các công tơ, các cảnh báo và sự kiện của công tơ Yêu cầu các cảnh báo và

sự kiện công tơ cần được gửi đến trung tâm và người xử lý sự cố trong thời gian ngắn nhất (độ trễ thấp), kiểm tra được các nguồn lực cho các thiết bị trong hệ thống (nguồn lực về server, bandwith, khả năng tính toán)

1.2 Đối tượng, phạm vi nghiên cứu

- Đề tài tập trung vào phân tích và xây mô hình kiến trúc đa tầng cho hệ thống đo xa trong ngành điện nhằm đánh giá về khả năng tính toán, độ trễ dữ liệu, mức độ tắc nghẽn mạng, năng lượng tiêu thụ của hệ thống khi áp dụng mô hình đưa ra

- Nguyên tắc nghiệp vụ của ngành điện để triển khai vào mô hình đề xuất

1.3 Mục đích nghiên cứu

Mục đích đặt ra của đề tài là xây dựng kiến trúc đa tầng thông minh cho nền tảng IoT:

- Triển khai kiến trúc đa tầng Fog Computing vào nhiều lĩnh vực (năng lượng, điện năng …)

- Cải tiến công cụ mô phỏng kiến trúc Fog Computing – iFogSim hiệu quả hơn 1.4 Phương pháp nghiên cứu

Phương pháp nghiên cứu lý thuyết: Nghiên cứu tài liệu liên quan đến các đối tượng nghiên cứu được trình bày ở mục 1.1

Phương pháp mô phỏng: Dùng công cụ IfogSim để thực hiện mô phỏng mô hình Fog Computing

1.5 Ý nghĩa khoa học và thực tiễn

Về lý thuyết:

Hiểu rõ về IoT và Fog Computing, từ đó thực hiện phân tích và xây dựng kiến trúc phù hợp

Về thực tiễn:

Ứng dụng thành công mô hình kiến trúc đa tầng góp phần giúp nhà quản lý xây dựng

hệ thống IoT, cụ thể ở nghiên cứu này là ứng dụng cho hệ thống đo xa trong ngành điện với việc tối ưu về quản lý nguồn lực của hệ thống như khả năng tính toán, độ trễ, mức độ nghẽn mạng, năng lượng tiêu thụ

Mở rộng mô hình kiến trúc đa tầng kết hợp với xử lý dữ liệu trong Big Data

1.6 Cấu trúc đề tài

Nội dung chính của đề tài gồm 6 chương:

Chương 1: Trình bày tổng quan về đề tài, cơ sở hình thành đề tài, mục tiêu của đề tài, phạm vi đề tài, phương pháp nghiên cứu

Chương 2: Mô tả bài toán và phân tích các nghiệp vụ trong bài toán

Đưa ra bài toán: thu thập dữ liệu thông số vận hành từ các công tơ điện ở các trạm biến áp đưa về trung tâm dữ liệu để hiện thị dữ liệu về sản lượng điện năng, thông số vận hành của các công tơ điện, chỉ số chốt hàng tháng của các công tơ, các cảnh báo

và sự kiện của công tơ Yêu cầu các cảnh báo và sự kiện công tơ cần được gửi đến trung tâm và người xử lý sự cố trong thời gian ngắn nhất (độ trễ thấp), kiểm tra được các nguồn lực cho các thiết bị trong hệ thống (nguồn lực về server, bandwith, khả năng tính toán)

Chương 3: Cơ sở lý thuyết: Giới thiệu về Internet of Things, tổng quan về Fog Computing, tìm hiểu về công cụ mô phỏng iFogSim Để có những tri thức cơ sở về kiến trúc Fog Computing, công cụ iFogSim để mô phỏng cho bài toán đã đặt ra ở chương 2

Chương 4: Mô phỏng bài toán với mô hình iFogSim:

Dùng công cụ mô phỏng để hiện thực (iFogSim) mô phỏng mô hình đề xuất giải quyết bài toán đặt ra

Chương 5: Đánh giá kết quả khi thực hiện mô phỏng:

Đánh giá mô hình đã mô phỏng ở chương 4 qua các tiêu chí: Khả năng tính toán, độ trễ, tiết kiệm năng lượng

Chương 6: Kết quả đạt được và hướng phát triển

CHƯƠNG 2: MÔ TẢ BÀI TOÁN VÀ PHÂN TÍCH CÁC NGHIỆP VỤ

TRONG BÀI TOÁN

Chương này tập trong vào việc mô tả bài toán của hệ thống đo xa về giải quyết vấn

đề tối ưu hoá thời gian khi dữ liệu được gửi từ các công tơ điện đến trung tâm xử lý những dữ liệu này tại điện lực TP HCM và phân loại các nghiệp vụ xử lý dữ liệu của bài toán

2.1 Mô tả bài toán của hệ thống đo xa:

Thu thập dữ liệu thông số vận hành từ các công tơ điện ở các trạm biến áp đưa về trung tâm dữ liệu để hiển thị dữ liệu về sản lượng điện năng, thông số vận hành của các công tơ điện, chỉ số chốt hàng tháng của các công tơ, các cảnh báo và sự kiện của công tơ Yêu cầu các cảnh báo và sự kiện công tơ cần được gửi đến trung tâm và người xử lý sự cố trong thời gian ngắn nhất (độ trễ thấp), kiểm tra được các nguồn lực cho các thiết bị trong hệ thống (nguồn lực về server, bandwith, khả năng tính toán) Sau đây là mô hình tổng quan về kiến trúc của hệ thống đo xa:

Hình 2.1: Sơ đồ vật lý hệ thống đo xa Hình 2.1 mô tả hiện trạng hiện tại của hệ thống là những dữ liệu được thu thập từ những công tơ điện (thông số vận hành, cảnh báo và sự kiện) sẽ được gửi về những nhà cung cấp các công tơ (các HES – Head End System) Sau đó các HES sẽ chuyển

dữ liệu này về trung tâm tập trung dữ liệu để tiến hành xử lý các số liệu để hiển thị

lên hệ thống website cho nhà quản lý theo dõi Những vấn đề mà hệ thống hiện tại chưa cải tiến được gồm những dữ liệu về cảnh báo và sự kiện của các công tơ điện chưa được gửi một cách tức thời về trung tâm tập trung dữ liệu để kịp thời xử lý khi

có sự cố xảy ra; thời gian nhận dữ liệu từ công tơ đến trung tâm tập trung dữ liệu còn chậm do qua bước trung gian là các nhà cung cấp; các tiến trình xử lý đều tập trung thực hiện tại trung tâm tập trung dẫn đến cần một nguồn lực tại trung tâm rất lớn nhưng chưa tận dụng được những nguồn lực có sẵn tại các khu vực, tại chính nhà cung cấp

Từ những vấn đề trên nên tác giả đưa ra việc áp dụng mô hình Fog Computing vào

hệ thống đo xa để giải quyết những vấn đề còn tồn tại

2.2 Phân tích nghiệp vụ và mô hình hoá các nghiệp vụ

Sau khi khảo sát nghiệp vụ trong hệ thống đo xa của ngành điện, tác giả đã đưa ra được bảng phân loại dịch vụ ứng với từng dịch vụ như sau:

Bảng 2.1: Bảng các dịch vụ

4 Cảnh báo giá trị dòng trên pha A quá ngưỡng Cảnh báo

5 Cảnh báo giá trị dòng trên pha B quá ngưỡng Cảnh báo

6 Cảnh báo giá trị dòng trên pha C quá ngưỡng Cảnh báo

7 Cảnh báo giá trị hệ số công suất thấp hơn ngưỡng Cảnh báo

Concentration Calculator

Instantaneous

Meter

Edge Calculator

Instantaneous_area

Alert, Event

Hình 2.2: Các module và mối quan hệ giữa các module trong hệ thống đo xa Hình 2.2 mô tả những dữ liệu từ những công tơ điện thông minh (Smart Meter) là Meter (những chỉ số của công tơ) sẽ được gửi đến module Generated Parameters, tại đây module này sẽ thực hiện việc chuyển đổi những liệu (Meter) thành những dữ liệu như thông số vận hành (Instantaneous), cảnh báo (Alert), sự kiện (Event) để chuyển đến các module tiếp theo để xử lý Thông số vận hành sẽ được chuyển đến module EdgeCalculator để thực hiện tính toán theo từng khu vực (Instantaneous_area), sự kiện và cảnh báo sẽ được gửi đến module Concentration Calculator để làm các báo cáo cho nhà quản lý

2 Edge Calculator Tại module này sẽ nhận bảng tin thông số vận hành

(Instantaneous) để tính toán theo khu vực và gửi về module Concentration Calculator

3 Concentration

Calculator

Tại module này nhận bảng tin đã được tính toán tại Edge Calculator sau đó sẽ thực hiện việc tổng hợp số liệu tập trung cho ra các báo cáo sản lượng, chỉ số điện năng, báo cáo tổn thất … Ngoài ra còn tổng hợp lại các Event và Alert đã xảy ra tại các công tơ điện Bảng 2.2 đã đưa mô tả cụ thể các module được thiết kế khi áp dụng mô hình Fog Computing vào hệ thống đo xa

Từ hình 2.1, bảng 2.2 tác giả đưa ra những đề xuất khi áp dụng mô hình Fog Computing:

- Module GenerateParameters phải nằm trên thiết bị vật lý là Modem để có thể nhận các thông số từ các Smart Meter một cách nhanh chóng và gửi các thông số đó

về Module EgdeCalculator và vì thiết bị Modem gắn chung với Smart Meter nên để tối ưu thì các Modem chỉ xử lý những nghiệp vụ đơn giản

- Module EgdeCalculator sẽ nhận những thông số từ Module GenerateParameters trên các Modem để tổng hợp số liệu của một khu vực bao gồm nhiều Smart Meter vì vậy Module EgdeCalculator nên được đặt trên thiết bị gần với thiết bị Modem để làm giảm độ trễ của dữ liệu Do đó tác giả đề xuất đặt Module EgdeCalculator trên các thiết bị HES (là nên tập trung dữ liệu thành từng khu vực theo từng quận)

- Module ConcentrationCalculator là nơi tổng hợp tất cả dữ liệu cho cả hệ thống,

nhận các cảnh báo, những sự kiện của Smart Meter và cũng là nơi tổng kết các số liệu

đạt được để xuất ra các hoá đơn tính điện cho người dùng cuối Chính vì các lý do

trên, module ConcentrationCalculator nên được đặt tại Cloud (Data Center)

CHƯƠNG 3: CƠ SỞ LÝ THUYẾT

3.1 Mô hình Internet of Things

Hình 3.1: Model Internet of Things [12]

Hình 3.1 mô tả chức năng cần thiết cho một hệ thống IoT Trong hệ thống IoT thì luồng dữ liệu đi theo cả hai hướng, với mô hình kiểm soát thì luồng dữ liệu đi từ phía trên mô hình (tầng 7) đến dưới cùng (tầng 1), với mô hình giám sát thì dòng thông tin

đi theo chiều ngược lại:

 Tầng 1: Bộ điều khiển và thiết bị vật lý: gồm thiết bị vật lý và bộ điều khiển

có thể điều khiển nhiều thiết bị

 Tầng 2: Kết nối: là nơi giao tiếp và kết nối, truyền tải thông tin giữa các thiết

bị ở tầng 1, truyền tải thông tin đi trên khắp mạng, truyền tải thông tin giữa tầng 2 và tầng 3

 Tầng 3: Tính toán tại cạnh: các chức năng của tầng này được thúc đẩy bởi nhu cầu để chuyển đổi dữ liệu mạng thành thông tin phù hợp cho việc lưu trữ và

xử lý tại tầng 4 (tích lũy dữ liệu) Điều này có nghĩa rằng các hoạt động ở tầng

3 tập trung vào việc phân tích dữ liệu với khối lượng lớn và thực hiện chuyển đổi

 Tầng 4: Tích luỹ dữ liệu: chuyển đổi dữ liệu động thành dữ liệu tĩnh, dữ liệu này có thể được sử dụng được bởi các ứng dụng trên nền tảng không phải thời

chuyển đổi dữ liệu dựa trên sự kiện sang xử lý dựa trên truy vấn Đây là một bước quan trọng trong việc làm cầu nối sự khác biệt giữa ứng dụng thời gian thực và ứng dụng không theo thời gian thực

 Tầng 5: Dữ liệu trừu tượng: tập trung phiên dịch dữ liệu và lưu trữ nó theo một cách cần thiết cho sự phát triển các ứng dụng ở tầng sau: tạo ra các lược đồ và quan điểm của dữ liệu theo cách mà các ứng dụng muốn; kết hợp dữ liệu từ nhiều nguồn, đơn giản hóa ứng dụng; lọc, lựa chọn, bảo vệ và định dạng lại

 Tầng 7: Quy trình và tương tác: các ứng dụng thực hiện logic kinh doanh để trao quyền cho con người Mọi người sử dụng các ứng dụng và dữ liệu liên quan cho các nhu cầu cụ thể của họ Thông thường, nhiều người sử dụng cùng một ứng dụng cho nhiều mục đích khác nhau Vì vậy, mục tiêu không phải là ứng dụng - đó là trao quyền cho mọi người làm tốt hơn công việc của họ Tầng này cung cấp những ứng dụng (tầng 6) cho đúng người, đúng thời điểm 3.2 Tổng quan về Fog Computing

3.2.1 Fog Computing

Theo Flavio Bonomi (2012)[2], Fog Computing là một nền tảng có thể ảo hóa nhằm cung cấp tính toán, lưu trữ, và các dịch vụ mạng giữa các thiết bị đầu cuối và truyền thống của Cloud Computing, nhưng không phải duy nhất nằm ở rìa của mạng

Hình 3.2: The IoT và Fog Computing [3]

Hình 3.2 trình bày những thông tin và kiến trúc tính toán hỗ trợ cho các ứng dụng IoT trong tương lai, và minh hoạ được vai trò của Fog Computing

Những đặc điểm của Fog Computing:

- Độ trễ thấp và nhận thức vị trí: Fog có thể được truy cập từ đề xuất ban đầu để

hỗ trợ thiết bị đầu cuối với các dịch vụ ở các cạnh của mạng, bao gồm cả các ứng dụng với yêu cầu độ trễ thấp (ví dụ chơi game, video trực tuyến)

- Trải dài, phân bố theo địa lý: Ngược với Cloud, các dịch vụ và ứng dụng của Fog thì phân bố rộng, trải dài Ví dụ: trong giao thông, Fog có vai trò tích cực trong việc cung cấp dữ liệu trực tuyến về việc chuyển động của các phương tiện giao thông thông qua các điểm truy cập được bố trí dọc theo đường cao tốc

- Khả năng di động: là điều cần thiết cho nhiều ứng dụng Fog để giao tiếp với các thiết bị di động

- Cần một lượng lớn các nút như một hệ quả của phân phối rộng rãi theo địa lý, bằng chứng là trong các mạng cảm biến, cụ thể là lưới điện thông minh

- Sự chiếm ưu thế của truy cập không dây

- Tương tác theo thời gian thực, các ứng dụng của Fog liên quan đến tương tác thời gian thực chứ không phải là xử lý hàng loạt

- Tính không đồng nhất Các nút Fog có nhiều hình thức khác nhau và sẽ được triển khai trong một loạt các môi trường

3.2.2 Kiến trúc của Fog Computing:

Hình 3.3: Kiến trúc của Fog Computing [7]

Hình 3.3 trình bày sự sắp xếp thứ bậc của các nút Fog trong hệ thống mạng giữa cảm biến và các đám mây tại vùng cốt lõi của mạng Trong kiến trúc này, cảm biến IoT được đặt ở các lớp dưới cùng của kiến trúc và phân bố ở các vùng địa lý khác nhau,

và phát ra các giá trị đến các tầng trên qua Fog Devide để tiếp tục xử lý và sàn lọc:

- Cảm biến và bộ truyền động: được đặt ở các lớp dưới cùng của kiến trúc, phân

bố ở các vùng địa lý khác nhau và phát sinh ra các giá trị cho các lớp trên quan sát thông qua các cổng để thực hiện các tiến trình khác

- Thiết bị tại cạnh của hệ thống mạng: có khả năng lưu trữ các module ứng dụng, kết nối cảm biến với Internet thường được gọi là gateway, bao gồm các tài

nguyên điện toán đám mây đang được cung cấp theo yêu cầu từ các trung tâm

dữ liệu phân phối theo địa lý

- Luồng dữ liệu: được tạo ra từ chuỗi các giá trị bất biến được phát ra bởi các sensors

- Giám sát cơ sở hạ tầng: theo dõi việc sử dụng tài nguyên và tính sẵn sàng của cảm biến, thiết bị truyền động, Fog Devices và các phần tử mạng Ngoài ra còn theo dõi các ứng dụng và dịch vụ triển khai trên cơ sở hạ tầng bằng cách giám sát hiệu suất và tình trạng của các thành phần trên nhằm cung cấp thông tin này cho các dịch vụ khác theo yêu cầu

- Quản lý nguồn tài nguyên: là thành phần cốt lõi của kiến trúc và bao gồm các thành phần quản lý tài nguyên một cách chặt chẽ với mức độ ứng dụng Quality

of Service (QoS – chất lượng dịch vụ) nhằm đáp ứng và giảm thiểu lãng phí tài nguyên Hai thành phần Placement và Scheduler đóng một vai trò quan trọng của việc theo dõi tình trạng của các nguồn lực sẵn có (thông tin được cung cấp bởi các dịch vụ giám sát) để xác định các ứng cử viên tốt nhất cho việc lưu trữ một module ứng dụng

- Mô hình ứng dụng: Các ứng dụng được phát triển để triển khai trong Fog được dựa trên mô hình Distributed Data Flow (DDF)[5] Một ứng dụng được mô phỏng như một bộ các module, tạo thành các yếu tố xử lý dữ liệu Dữ liệu được tạo từ đầu ra của module i có thể được sử dụng như là đầu vào của một module

j, làm tăng sự phụ thuộc dữ liệu giữa các module i và j Mô hình ứng dụng này cho phép đại diện cho một ứng dụng trong các hình thức của một đồ thị có hướng, với các đỉnh đại diện cho các module ứng dụng và cạnh đại diện cho thấy dòng chảy của dữ liệu giữa các module Sau đây là hai ứng dụng mẫu mô hình hóa như DDF:

o Mô hình cảm biến và thiết bị truyền động: Các thông tin được thu thập bởi các sensor được phát ra như dòng dữ liệu (data stream), trong đó chịu tác động của các ứng dụng chạy trên các Fog Devices và các lệnh kết quả được gửi đến thiết bị truyền động (actuators)

o Mô hình dòng dữ liệu: Các mô hình xử lý dòng có một mạng lưới các module ứng dụng chạy trên Fog Devices liên tục xử lý luồng dữ liệu phát ra từ các cảm biến (sensor) Các thông tin khai thác từ các dòng

dữ liệu đến được lưu trữ trong trung tâm dữ liệu để phân tích quy mô lớn và dài hạn

3.3 Tổng quan về iFogSim

iFogSim là công cụ (phần mềm) dùng để mô phỏng mô hình Fog Computing

Những lớp chính trong phần mềm:

Hình 3.4: Những lớp chính trong iFogSim [7]

Hình 3.4 mô tả các lớp trong ứng dụng iFogSim, trong đó:

- FogDevice: Lớp này chỉ định các đặc tính phần cứng của thiết bị tại cạnh mạng

và các kết nối của chúng với các thiết bị, cảm biến và bộ truyền động khác

- Sensor: là các thực thể hoạt động như các cảm biến trong IoT được mô tả trong kiến trúc Lớp chứa các thuộc tính đại diện cho các đặc tính của một cảm biến,

từ kết nối đến các thuộc tính đầu ra Lớp chứa một thuộc tính tham chiếu đến thiết bị Fog Devide vào mà cảm biến được kết nối và độ trễ của kết nối giữa chúng

- Tuple: Tuple tạo thành đơn vị cơ bản của truyền thông giữa các thực thể trong Fog Tuple được đại diện cho thực thể của lớp Tuple trong iFogSim, được thừa hưởng từ lớp Cloudlet của CloudSim

- Application: Một ứng dụng được mô hình như một đồ thị trực tiếp, các đỉnh của đồ thị acyclic (DAG) Đại diện cho module thực hiện xử lý dữ liệu đến và biểu thị sự tương quan giữa các module Các thực thể này được thực hiện bằng cách sử dụng các lớp sau:

o AppModule: Trường hợp của lớp AppModule đại diện cho các phần tử

xử lý của các ứng dụng trong Fog AppModule được thực hiện bằng cách mở rộng lớp PowerVm trong CloudSim Đối với mỗi tuple đến, một cá thể AppModule sẽ xử lý nó và tạo ra bộ dữ liệu đầu ra được gửi tới các module kế tiếp trong DAG

o AppEdge: Trường hợp AppEdge biểu thị sự phụ thuộc dữ liệu giữa một cặp module ứng dụng và đại diện cho một cạnh có hướng trong mô hình ứng dụng Mỗi cạnh được đặc trưng bởi loại tuple mà nó mang theo, được quy định bởi thuộc tính tupleType của lớp AppEdge cùng với các yêu cầu xử lý và độ dài của dữ liệu đóng gói trong các bộ này IFogSim

hỗ trợ hai loại cạnh ứng dụng - định kỳ và dựa trên sự kiện Tuple trên AppEdge định kỳ được phát ra theo khoảng thời gian đều đặn Một bộ trên cạnh sự kiện e = (u; v) được gửi đi khi module nguồn u nhận được một bộ và mô hình chọn lọc của u cho phép phát ra các bộ đôi được thực hiện bởi e

o AppLoop: AppLoop là một lớp bổ sung, được sử dụng để xác định các vòng kiểm soát quy trình mà người dùng quan tâm Trong iFogSim, nhà phát triển có thể chỉ định các vòng điều khiển để đo độ trễ kết thúc đến đầu cuối Ví dụ AppLoop về cơ bản là một danh sách các phân hệ bắt đầu từ nguồn gốc của vòng lặp đến module, nơi vòng kết thúc

Các bước thực hiện một ví dụ giả lập trên iFogsim:

Đầu tiên, các thực thể vật lý cần phải được tạo ra, cấu hình theo quy định Chúng bao gồm các sensors, gateways và cloud virtual machines và các liên kết mô tả cách

các thực thể được kết nối Để mô hình các khối lượng công việc của hệ thống, đầu tiên chúng ta nên thiết lập tỷ lệ truyền tải (transmit rates), tuple (task) Bước tiếp theo trong mô hình là xác định khối lượng công việc, tài nguyên được yêu cầu để xử lý các tuple (task) Đối với việc xác định việc sử dụng tài nguyên bao gồm cả CPU và

bộ nhớ RAM, các biến cần thiết sẽ được định nghĩa trong lớp tuple (task)

Thứ hai, tác giả sẽ tạo các mô hình ứng dụng dựa trên những dịch vụ đã khảo sát từ mô hình thực tế Một ứng dụng được mô hình hóa như một đồ thị acyclic (DAG), và được xây dựng qua ba lớp của AppModule, AppEdge, và AppLoop Cuối cùng, cần phải xác định chính sách và lập kế hoạch vị trí mà các module ứng dụng sẽ được đặt tại các Fog devices Các chính sách có thể xem xét một loạt các tiêu chí bao gồm cả độ trễ, sản lượng, chi phí, tiêu thụ điện năng, và các thiết bị hạn chế Như đã đề cập ở phần trước, các lớp ModulePlacement và Controller là nơi đặt các vị trí được thực hiện