ХМАРНІ ПЛАТФОРМИ ЯК КЛЮЧ ДО ЕФЕКТИВНОГО ЗБЕРІГАННЯ ТА АНАЛІЗУ IOT-ДАНИХ
DOI:
https://doi.org/10.28925/2663-4023.2025.31.1003Ключові слова:
IoT, хмарні обчислення, аналітика даних, машинне навчання, AWS, Azure, GCP, масштабованість, безпека, промисловий моніторингАнотація
Стрімкий розвиток Інтернету речей (IoT) спричинив суттєве зростання обсягів даних, що генеруються пристроями, сенсорами та автоматизованими системами. Це створює потребу у високопродуктивних рішеннях для їх зберігання, обробки та аналітики в реальному часі. Традиційні серверні інфраструктури виявилися недостатньо гнучкими й затратними, тому все більше організацій переходять до використання хмарних платформ, які забезпечують масштабованість, надійність і інтеграцію з інструментами машинного навчання. У статті проведено аналіз ключових можливостей провідних хмарних провайдерів: Amazon Web Services (AWS), Microsoft Azure та Google Cloud Platform (GCP) у контексті побудови IoT-рішень. Розглянуто їхні сервіси для підключення пристроїв, потокової обробки даних, аналітики, безпеки та візуалізації. Порівняльна оцінка платформ за критеріями масштабованості, інтеграції, безпеки, аналітичних можливостей і вартості показала, що AWS і Azure мають найвищі загальні показники ефективності (8.375 балів), тоді як GCP вирізняється швидкістю аналітики завдяки сервісам BigQuery і Dataflow. На основі аналізу запропоновано універсальну модель розгортання IoT-рішень у хмарному середовищі, що охоплює етапи підключення пристроїв, передачі даних, їхнього зберігання, потокової обробки, аналітики та візуалізації. Практичний приклад промислової системи моніторингу показує, як поєднання хмарних сервісів і алгоритмів машинного навчання дозволяє виявляти аномалії у роботі обладнання та запобігати простою виробництва. Отримані результати доводять, що хмарні технології є ключовим чинником підвищення ефективності IoT-систем, забезпечуючи оптимальний баланс між масштабованістю, безпекою та економічною доцільністю. Запропонований підхід може бути використаний для побудови гнучких і безпечних рішень у промисловості, транспорті, енергетиці та «розумних» містах.
Завантаження
Посилання
Amazon Web Services. (n.d.). AWS IoT Core. https://aws.amazon.com/iot-core/
Microsoft Azure. (n.d.). Azure IoT Hub. https://azure.microsoft.com/en-us/services/iot-hub/
Google Cloud. (n.d.). Google Cloud IoT. https://cloud.google.com/iot/
International Organization for Standardization. (n.d.). ISO/IEC 27001 — Information security management. https://www.iso.org/isoiec-27001-information-security.html
Petriv, O. O. (2021). Cloud computing in the development of the Internet of Things. Modern Information Systems, (2), 15–22.
Sydorenko, V. I. (2022). Security in cloud IoT infrastructures. Information Protection Technologies, (3), 47–53.
Yeremenko, P. M. (2023). Machine learning in cloud platform environments. Computer Science and Cybersecurity, (1), 29–35.
Hassija, V., Chamola, V., Saxena, V., Jain, D., Goyal, P., & Sikdar, B. (2020). A survey on IoT security: Application areas, security threats, and solution architectures. IEEE Access, 8, 164769–164798. https://doi.org/10.1109/ACCESS.2020.3023801
Gubbi, J., Buyya, R., Marusic, S., & Palaniswami, M. (2013). Internet of Things (IoT): A vision, architectural elements, and future directions. Future Generation Computer Systems, 29(7), 1645–1660. https://doi.org/10.1016/j.future.2013.01.010
Kreuzberger, D., Kühl, N., & Satzger, G. (2022). Machine learning operations (MLOps): Overview, definition, and architecture. IEEE Transactions on Artificial Intelligence, 3(5), 646–658. https://doi.org/10.1109/TAI.2022.3154489
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Іван Кукулевський, Євгеній Сокирка, Андрій Толбатов
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
