So sánh cơ sở dữ liệu quan hệ và cơ sở dữ liệu đồ thị trong quản lý dữ liệu Internet kết nối vạn vật

Mục tiêu nghiên cứu của bài viết này là phân tích và so sánh toàn diện giữa cơ sở dữ liệu quan hệ và cơ sở dữ liệu đồ thị cho việc quản lý dữ liệu Internet kết nối vạn vật. Thông qua việc so sánh trên nhiều khía cạnh và các kết quả thực nghiệm, chúng tôi chỉ ra rằng cơ sở dữ liệu đồ thị rất phù hợp cho việc lưu trữ và phân tích dữ liệu Internet kết nối vạn vật.

ISSN 2354-0575 SO SÁNH CƠ SỞ DỮ LIỆU QUAN HỆ VÀ CƠ SỞ DỮ LIỆU ĐỒ THỊ TRONG QUẢN LÝ DỮ LIỆU INTERNET KẾT NỐI VẠN VẬT Nguyễn Hữu Đông, Vũ Huy Thế, Nguyễn Văn Quyết* Trường Đại học Sư phạm Kỹ thuật Hưng Yên Ngày tòa soạn nhận báo: 05/03/2020 Ngày phản biện đánh giá sửa chữa: 25/05/2020 Ngày báo duyệt đăng: 15/06/2020 Tóm tắt: Trong môi trường Internet kết nối vạn vật (Internet of Thing - IoT), thực thể với nhiều thuộc tính số lượng khác kết nối tạo thành mạng lưới dày đặc Ở đó, khơng máy tính thiết bị điện tử mà thực thể khác người, vị trí ứng dụng kết nối với Việc hiểu quản lý kết nối đóng vai trị quan trọng cho việc phát triển dịch vụ IoT kinh doanh Để giải vấn đề này, cách tiếp cận truyền thống sử dụng hệ quản trị sở liệu quan hệ MySQL hay MSSQL để lưu trữ truy vấn liệu IoT Tuy nhiên, sử dụng sở liệu quan hệ không linh hoạt hiệu phải xử lý liệu kết nối hỗn hợp IoT nhữ liệu có mối liên quan phức tạp theo chiều sâu, đòi hỏi câu truy vấn lồng phép toán nối (JOIN) phức tạp nhiều bảng liệu Gần đây, sở liệu đồ thị phát triển để lưu trữ phân tích liệu có tính kết nối dày đặc Trong báo này, phân tích so sánh tồn diện sở liệu quan hệ sở liệu đồ thị cho việc quản lý liệu Internet kết nối vạn vật Thơng qua việc so sánh nhiều khía cạnh kết thực nghiệm, sở liệu đồ thị phù hợp cho việc lưu trữ phân tích liệu Internet kết nối vạn vật Từ khóa: Graph Database, Graph Queries, Query Performance, Connected Data, IoT Data Management Giới thiệu Trong năm gần đây, sản phẩm dịch vụ Internet kết nối vạn vật sử dụng nhiều sống [1][2] Chúng khơng giúp cho sống trở nên an tồn, thuận tiện, mà cịn cải thiện hiệu cơng việc tạo thêm giá trị kinh doanh Ví dụ, tịa nhà thơng minh lớn có đến hàng vài chục nghìn cảm biến, thiết bị IoT kết nối với để cung cấp thông tin cho hệ thống quản lý thơng tin tịa nhà [3] Những thông tin sau xử lý hỗ trợ hệ thống định tình cần thiết cứu hộ khẩn cấp [4] Một ví dụ khác, trang trại thông minh trang bị nhiều cảm biến nhiệt độ, độ ẩm, thiết bị khác camera để theo dõi sâu bệnh, phát triển trồng…dữ liệu từ thiết bị thu thập biểu diễn thành tri thức, lưu trữ, khai thác để hỗ trợ hệ thống định trang trại thông minh [2] Việc lựa chọn sở liệu hỗ trợ lưu trữ khai phá tốt liệu kết nối thực tế hiển nhiên cho việc quản lý liệu IoT Khoa học & Công nghệ - Số 26/Tháng - 2020 Theo cách tiếp cận truyền thống, số hệ thống phần mềm IoT sử dụng sở liệu quan hệ MySQL, MSSQL, MariaDB để lưu trữ truy vấn liệu IoT Tuy nhiên, sử dụng sở liệu quan hệ không đủ mạnh để quản lý liệu kết nối sâu mơi trường IoT, đó, liệu tồn dạng hỗn hợp có cấu trúc khơng có cấu trúc Việc truy vấn liệu kết nối sâu đòi hỏi nhiều câu truy vấn lồng sử dụng nhiều phép toán JOIN từ nhiều bảng liệu Điều khiến cho thời gian xử lý truy vấn tăng lên, hệ thống khó đáp dứng việc xử lý thời gian thực theo yêu cầu nhiều hệ thống IoT Gần đây, sở liệu phi quan hệ (nonrelation hay NoSQL) nhiều nhóm nghiên cứu, doanh nghiệp quan tâm phát triển khóagiá trị (key-value), (họ cột) column-family, tài liệu (document), sở liệu đồ thị (graph database) [5] Trong số sở liệu NoSQL trên, sở liệu đồ thị sở liệu phổ biến sử dụng nhiều doanh nghiệp Trong báo này, chúng tơi trình bày so Journal of Science and Technology 85 ISSN 2354-0575 sánh toàn diện sở liệu quan hệ sở liệu đồ thị cho việc quản lý liệu Internet kết nối vạn vật Đầu tiên, chúng tơi trình bày đặc tính liệu IoT thách thức việc quản lý liệu Sau chúng tơi so sánh sở liệu liệu quan hệ sở liệu đồ thị nhiều khía cạnh bao gồm: mơ hình liệu, hiệu truy vấn, hỗ trợ giao dịch, tính mở rộng Cuối cùng, chúng tơi đánh giá hiệu việc truy vấn liệu sở liệu quan hệ sở liệu đồ thị sử dụng liệu thực tế liệu tổng hợp Thông qua kết thực nghiệm, sở liệu đồ thị phù hợp cho việc lưu trữ phân tích liệu Internet kết nối vạn vật Các đặc tính liệu IoT thách thức quản lý liệu IoT Để thể rõ cần thiết sở liệu thay cho sở liệu quan hệ việc quản lý truy vấn liệu kết nối mơi trường IoT, phần này, chúng tơi trình bày đặc tính liệu IoT thách thức việc quản lý liệu IoT 2.1 Tính hỗn hợp Với nhiều thực thể khác môi trường IoT, hệ thống IoT tạo kiểu liệu khác bao gồm liệu có cấu trúc, bán cấu trúc, hay khơng có cấu trúc [6] Ví dụ, hệ thống IoT dành cho quản lý tịa nhà thơng minh, liệu sinh từ nhiều thiết bị cảm biến nhiệt độ, khói, khơng có cấu trúc; khi, thơng tin người hay phịng tịa nhà quản ý dạng bảng liệu có cấu trúc tệp tin bán cấu trúc XML [7][8] Do đó, việc quản lý liệu IoT hỗn hợp cho chúng khai thác cách dễ dạng hệ thống IoT xem thách thức 2.2 Tính kế nối dày đặc Trong mơi trường IoT có nhiều loại thực thể, loại thực thể tồn với số lượng thuộc tính khác [9] Chúng kết nối với tạo thành mạng lưới dày đặc Ví dụ, trọng tịa nhà thơng minh tên Edge Amsterdam có khoảng 22,000 thiết bị IoT kết nối với [3] Một vài câu hỏi đặt cảm biến phòng báo nhiệt độ phòng lạnh 86 thơng thường “tại nhiệt độ phịng lại lạnh hơn? trạng thái hệ thống sưởi phòng nào?, hay có người phịng?” Để trả lời câu hỏi đó, cần phải phân tích thứ xung quang liên quan đến phòng Bởi vậy, việc hiểu quản lý kết nối thực thể mơi trường IoT thách thức đóng vai trị quan trọng hệ thống IoT 2.3 Tính thay đổi động Hầu hết ứng dụng IoT làm việc môi trường liệu thay đổi nhanh thực thể liên tục thêm/bớt vào hệ thống làm cho kết nối thực thể liên tục thay đổi [10][11] Ví dụ, dịch vụ giao thơng thơng minh, tơ chia sẻ thơng tin trạng thái tuyến đường với xe khác xung quanh Các kết nối xe tạo thành mạng lưới hay đồ thị Nhưng, xe di chuyển nhanh nhanh chóng ngắt kết nối với xe khác, thách thức làm để quản lý kết nối cách hiệu Do đó, địi hỏi mơ hình liệu dễ dạng biểu diễn thông tin thực thể, hỗ trợ cập nhật mối quan hệ thực mà không ảnh hưởng đến tính hoạt động hệ thống IoT 2.4 Dữ liệu thời gian thực lớn Dữ liệu lớn tạo từ hàng nghìn loại thiết bị dịch vụ cảm biến, camera, hay mạng xã hội liên quan đến hệ thống IoT [12][13] Ví dụ, lượng lớn ảnh hay video sinh theo thời gian thực qua việc sử dụng thiết bị camera an ninh tịa nhà, khơng phù hợp để lưu trữ sở liệu quan hệ thông thường MySQL hay MSSQL Do vậy, việc mơ hình hóa liệu cho dễ dàng xử lý thời gian thực thách thức lớn hệ thống IoT So sánh sở liệu quan hệ sở diệu đồ thị Để đánh giá khác biệt sở liệu quan hệ sở liệu đồ thị, thực việc so sánh bốn đặc tính quan trọng bao gồm: mơ hình liệu, hiệu truy vấn, hỗ trợ giao dịch, khả mở rộng 3.1 Mơ hình liệu Cơ sở liệu quan hệ sử dụng cấu trúc cố định Khoa học & Công nghệ - Số 26/Tháng - 2020 Journal of Science and Technology ISSN 2354-0575 với bảng xác định trước hàng cột Điều làm cho chúng không phù hợp để lưu trữ liệu IoT khơng có cấu trúc bán cấu trúc Trong đó, sở liệu đồ thị sử dụng cấu trúc linh hoạt cách sử dụng cấu trúc đồ thị, đó, nút sử dụng để thể thơng tin thực thể cạnh thể mối quan hệ thực thể Nhờ đó, dễ dàng mô tả liệu không đồng liệu kết nối dày đặc Cơ sở liệu quan hệ mô tả mối quan hệ thực thể sử dụng mối quan hệ tiêu chuẩn: mộtmột, một-nhiều nhiều-nhiều Các bảng liên kết với sử dụng khóa ngoại để đảm bảo tính thống liệu Điều gây khó khăn việc lưu trữ xử lý liệu liên tục thay đổi môi trường IoT Với sở liệu đồ thị, việc thêm xóa thực thể quan hệ chúng thao tác đơn giản 3.2 Hiệu truy vấn Cơ sở liệu quan hệ sử dụng Ngơn ngữ truy vấn có cấu trúc (SQL) để truy cập liệu Ngôn ngữ SQL định nghĩa rõ ràng sử dụng phổ biến học thuật hệ thống doanh nghiệp Tuy nhiên, sở liệu quan hệ không thiết kế để xử lý liệu lớn liệu có tính kết nối dày đặc liệu IoT ứng dụng đại Do đó, hiệu truy vấn thấp phải sử dụng nhiều câu truy vấn lồng số lượng lớn phép nối từ nhiều bảng Ngược lại, đồ thị sở liệu xây dựng có chủ đích để lưu trữ xử lý liệu kết nối dày đặc; đó, đạt hiệu cao việc truy vấn liệu IoT Điểm giúp sở liệu đồ thị đạt hiệu cao việc áp dụng kỹ thuật duyệt đồ thị BFS DFS Trong đó, sở liệu quan hệ sử dụng kỹ thuật kết hợp quét băm liệu để so sánh dẫn đến tốn chi phí thao tác với bảng lớn nhiều phép nối Do đó, hiệu truy vấn sở liệu quan hệ giảm tăng số lượng ghi bảng số lượng mối quan hệ bảng, với sở liệu đồ thị, hiệu giảm tăng số lượng kết nối thực thể 3.3 Hỗ trợ giao dịch Một chức quan trọng sở liệu quan hệ khiến chúng lựa chọn ưu tiên doanh nghiệp phần mềm ứng dụng Khoa học & Công nghệ - Số 26/Tháng - 2020 ACID (Atomicity - nguyên tử, Consistency - quán, Isolation - độc lập, Durability - bền vững) Các thuộc tính ACID cung cấp chế để đảm bảo liệu giao dịch không bị hỏng lý (ví dụ: giao dịch chuyển tiền tài khoản ngân hàng) Trong hầu hết sở liệu NoSQL sử dụng mơ hình qn BASE (Tính khả dụng bản, trạng thái mềm, tính quán cuối cùng) để hỗ trợ giao dịch sở liệu, sở liệu đồ thị (ví dụ: Neo4J, OrientDB) giữ lại thuộc tính ACID yêu cầu ứng dụng IoT đại 3.4 Khả mở rộng Để xử lý liệu lớn, khả mở rộng quan trọng hệ thống IoT Cơ sở liệu quan hệ sử dụng khả mở rộng theo chiều dọc, điều có nghĩa việc cải thiện hiệu xử lý liệu lớn thực cách nâng cấp dung lượng lưu trữ khả tính tốn (ví dụ: sử dụng ổ SSD, tăng số lõi CPU, v.v.) phần cứng có hệ thống Mở rộng theo chiều dọc thường tốn chi phí khả phục hồi có lỗi hệ thống khơng đảm bảo lỗi máy chủ sở liệu Trong đó, sở liệu đồ thị sử dụng khả mở rộng theo chiều ngang, có nghĩa lượng liệu IoT tăng nhanh, thêm nhiều tài nguyên (ví dụ: tăng số lượng máy chủ) vào hệ thống để mở rộng lưu trữ cải thiện hiệu truy vấn Kết thực nghiệm Trong phần này, tạo thực nghiệm để so sánh sở liệu quan hệ sở liệu đồ thị hiệu truy vấn Để làm điều này, sử dụng hai liệu bao gồm: Sakila Gnutella • Sakila: liệu thực tế cửa hàng cho thuê DVD cung cấp nhóm phát triển MySQL [14] Bộ liệu có 16 bảng 47,271 ghi Chúng thực chuyển đổi sang nhập vào sở liệu đồ thị (Neo4J) với 40,810 nút 114,706 cạnh • Gnutella: liệu thực tế mạng ngang hàng Internet [15] Chúng nhập liệu vào bảng MySQL với 138,142 ghi Bộ liệu nhập vào Neo4J với 60,000 nút 138,142 cạnh Journal of Science and Technology 87 ISSN 2354-0575 Bảng Hiệu truy vấn SQL liệu Sakila Kiểu truy vấn Tra cứu (Look Up) Phạm vi (Range) Phức tạp (Complex) Tập hợp (Aggregation) #Câu Thực thi truy vấn lần (ms) Q1 15 Q2 16 Q3 16 Q4 16 Q5 16 Q6 16 Q7 31 Q8 63 Q9 94 Q10 32 Q11 79 Q12 94 Thực thi lần (ms) 15 15 15 16 16 15 31 62 93 32 78 94 Thực thi lần (ms) 16 15 15 16 15 16 32 62 79 31 78 93 Thời gian trung bình (ms) 15.33 15.33 15.33 16.00 15.67 15.67 31.33 62.33 88.67 31.67 78.33 93.67 Độ lệch chuẩn (ms) 0.58 0.58 0.58 0.00 0.58 0.58 0.58 0.58 8.39 0.58 0.58 0.58 Bảng Hiệu truy vấn Cypher liệu Sakila Kiểu truy vấn Tra cứu (Look Up) Phạm vi (Range) Phức tạp (Complex) Tập hợp (Aggregation) #Câu truy vấn Thực thi lần (ms) Thực thi lần (ms) Thực thi lần (ms) Q1 Q2 Q3 Q4 Q5 Q6 Q7 Q8 Q9 Q10 Q11 Q12 1 1 1 21 10 27 33 77 1 1 1 21 10 23 31 77 1 1 1 19 10 21 31 75 Thời gian Độ lệch chuẩn trung bình (ms) (ms) 1.00 0.00 1.00 0.00 1.00 0.00 1.00 0.00 1.00 0.00 1.00 0.00 2.67 0.58 20.33 1.15 10.00 0.00 23.67 3.06 31.67 1.15 76.33 1.15 Bảng Hiệu truy vấn SQL liệu Gnutella #Câu truy vấn Q1 Tra cứu Q2 (Look Up) Q3 Q4 Phạm vi Q5 (Range) Q6 Q7 Phức tạp Q8 (Complex) Q9 Q10 Tập hợp Q11 (Aggregation) Q12 Kiểu truy vấn 88 Thực thi lần (ms) 47 47 47 62 63 63 157 406 890 109 141 125 Thực thi lần (ms) 47 46 47 62 63 63 156 391 875 94 141 110 Thực thi lần (ms) 47 47 47 62 62 63 156 390 875 94 125 109 Khoa học & Công nghệ - Số 26/Tháng - 2020 Thời gian Độ lệch chuẩn trung bình (ms) (ms) 47.00 0.00 46.67 0.58 47.00 0.00 62.00 0.00 62.67 0.58 63.00 0.00 156.33 0.58 395.67 8.96 880.00 8.66 99.00 8.66 135.67 9.24 114.67 8.96 Journal of Science and Technology ISSN 2354-0575 Bảng Hiệu truy vấn Cypher liệu Gnutella Kiểu truy vấn Tra cứu (Look Up) Phạm vi (Range) Phức tạp (Complex) Tập hợp (Aggregation) #Câu truy vấn Q1 Q2 Q3 Q4 Q5 Q6 Q7 Q8 Q9 Q10 Q11 Q12 Thực thi lần (ms) 1 1 1 55 71 95 350 385 264 Thực thi lần (ms) 1 1 1 55 71 95 316 359 254 Chúng đánh giá bốn loại truy vấn phổ biến bao gồm Tra cứu (Look up), Phạm vi (Range), Phức tạp (JOIN / NESTED), Tập hợp (Aggregation) thường sử dụng để trích xuất tri thức từ liệu IoT Đối với tập liệu, viết Thực thi Thời gian Độ lệch lần (ms) trung bình (ms) chuẩn (ms) 1.00 0.00 1.00 0.00 1.00 0.00 1.00 0.00 1.00 0.00 1.00 0.00 49 53.00 3.46 71 71.00 0.00 94 94.67 0.58 309 325.00 21.93 345 363.00 20.30 248 255.33 8.08 mười hai truy vấn, loại truy vấn gồm ba câu truy vấn Các truy vấn viết ngôn ngữ SQL để chạy MySQL ngôn ngữ Cypher để chạy Neo4J Các kết thực nghiệm minh họa từ Bảng đến Bảng Hình So sánh hiệu sở liệu quan hệ sở liệu đồ thị liệu Sakila Hình So sánh hiệu sở liệu quan hệ sở liệu đồ thị liệu Gnutella Khoa học & Công nghệ - Số 26/Tháng - 2020 Journal of Science and Technology 89 ISSN 2354-0575 So sánh hiệu truy vấn sở liệu quan hệ biểu đồ sở liệu tập liệu Sakila Gnutella mô tả Hình Hình Từ kết quả, thấy sử dụng truy vấn Cypher Neo4J có hiệu tốt so với việc sử dụng truy vấn SQL MySQL tất trường hợp nói chung Cụ thể, câu lệnh tra cứu truy vấn phạm vi có chi phí thấp sở liệu quan hệ sở liệu đồ thị Trong trường hợp kiểm tra truy vấn phức tạp tên liệu Sakila truy vấn lồng liệu Gnutella, hiệu sử dụng truy vấn Cypher sở liệu đồ thị nhiều nhanh so với sử dụng truy vấn SQL sở liệu quan hệ Chúng quan sát thấy truy vấn với Cypher giảm thời gian thực trung bình khoảng 12, 3, lần so với truy vấn SQL trường hợp liệu Sakila giảm 3, 5, lần với liệu Gnutella tương ứng câu truy vấn #Q7, # Q8, # Q9 Chúng quan sát thấy truy vấn tập hợp sở liệu đồ thị thường tốn nhiều thời gian thực thi Thật vậy, hiệu chúng xấp xỉ với truy vấn SQL (#10, #11, #12) tập liệu Sakila, chí chậm nhiều lần trường hợp thử nghiệm với liệu Gnutella Kết luận Bài báo phân tích so sánh tồn diện sở liệu quan hệ sở liệu đồ thị việc quản lý liệu Internet kết nối vạn vật Chúng tơi so sánh đặc tính quan trọng sở liệu gồm: mô hình liệu, hiệu truy vấn, hỗ trợ giao dịch, khả mở rộng Chúng đánh giá so sánh thực nghiệm mặt hiệu truy vấn sở liệu với hai liệu thực tế Sakila Gnutella Thơng qua việc so sánh nhiều đặc tính kết thực nghiệm sở liệu đồ thị phù hợp việc lưu trữ phân tích liệu kết nối môi trường IoT Tài liệu tham khảo [1] Lee, I and Lee, K., 2015 The Internet of Things (IoT): Applications, investments, and challenges for enterprises Business Horizons, 58(4), pp.431-440 [2] Van-Quyet, Nguyen, et al “Design of a Platform for Collecting and Analyzing Agricultural Big Data.” JDCS vol 18, no.1, pp 149-158, 2017 [3] A Mulholland, “Iot: Where graphs fit with business requirements.” [Online] Available: https://neo4j.com/blog/iot-graphs-business-requirements/ (Accessed June 28, 2020) [4] Lin, C.Y., Chu, E., Ku, L.W and Liu, J., Active disaster response system for a smart building Sensors, 14(9), pp.17451-17470, 2014 [5] Van-Quyet Nguyen, Huu-Duy Nguyen, Giang-Truong Nguyen, Kyungbaek Kim, “A Graph Model of Heterogeneous IoT Data Representation: A Case Study from Smart Campus Management”, In Proceedings of KISM Fall Conference 2018 [6] S Wu, L Bao, Z Zhu, F Yi, and W Chen, “Storage and retrieval of massive heterogeneous iot data based on hybrid storage,” in 2017 13th International Conference on Natural Computation, Fuzzy Systems and Knowledge Discovery (ICNC-FSKD) IEEE, pp 2982–2987, 2017 [7] S K Sowe, T Kimata, M Dong, and K Zettsu, “Managing heterogeneous sensor data on a big data platform: Iot services for data-intensive science,” in 2014 IEEE 38th International Computer Software and Applications Conference Workshops IEEE, pp 295–300, 2014 [8] F Ullah, M A Habib, M Farhan, S Khalid, M Y Durrani, and S Jabbar, “Semantic interoperability for big-data in heterogeneous iot infrastructure for healthcare,” Sustainable cities and society, vol 34, pp 90–96, 2017 [9] Arora, Vaibhav, Faisal Nawab, Divyakant Agrawal, and Amr El Abbadi “Multi-representation based data processing architecture for IoT applications.” In Distributed Computing Systems (ICDCS), 2017 IEEE 37th International Conference on IEEE, pp 2234-2239, 2017 90 Khoa học & Công nghệ - Số 26/Tháng - 2020 Journal of Science and Technology ISSN 2354-0575 [10] D Puschmann, P Barnaghi, and R Tafazolli, “Adaptive clustering for dynamic iot data streams,” IEEE Internet of Things Journal, vol 4, no 1, pp 64–74, 2017 [11] M Bermudez-Edo, T Elsaleh, P Barnaghi, and K Taylor, “Iot-lite: a lightweight semantic model for the internet of things and its use with dynamic semantics,” Personal and Ubiquitous Computing, vol 21, no 3, pp 475–487, 2017 [12] K Yasumoto, H Yamaguchi, and H Shigeno, “Survey of real-time processing technologies of iot data streams,” Journal of Information Processing, vol 24, no 2, pp 195–202, 2016 [13] S Verma, Y Kawamoto, Z M Fadlullah, H Nishiyama, and N Kato, “A survey on network methodologies for real-time analytics of massive iot data and open research issues,” IEEE Communications Surveys & Tutorials, vol 19, no 3, pp 1457–1477, 2017 [14] O Corporation, “Sakila sample database.” [Online] Available: https://dev.mysql.com/doc/ sakila/ (Accessed June 28, 2020) [15] M Ripeanu and I Foster and A Iamnitchi “Mapping the Gnutella Network: Properties of Large-Scale Peer-toPeer Systems and Implications for System Design” IEEE Internet Computing Journal, 2002 A COMPREHENSIVE COMPARISON OF RELATIONAL DATABASES AND GRAPH DATABASES FOR HETEROGENEOUS IOT DATA MANAGEMENT Abstract: In an Internet of Thing (IoT) environment, entities with different attributes and capacities are going to be collaborated in a highly connected Specifically, not only the mechanical and electronic devices but also other entities such as people, locations and applications are connected to each other Understanding and managing these connections play an important role for businesses, which identify opportunities for new IoT services Traditional approaches for storing and querying IoT data are used of relational database management systems (RDMS) such as MySQL or MSSQL However, using RDMS is not flexible and suffcient for handling highly connected heterogeneous IoT data because these data have deeply complex relationships which require nested queries and complex joins on multiple tables Recently, graph databases have been recently developed for storing and analyzing highly connected data This paper presents an analysis and a comprehensive comparison of relational databases and graph databases for heterougeneous IoT data management Through the comparison in various aspects and experimental results, we find that graph databases are applicable for storing and analyzing the IoT connected data Keywords: Graph Database, Graph Queries, Query Performance, Connected Data, IoT Data Management Khoa học & Công nghệ - Số 26/Tháng - 2020 Journal of Science and Technology 91 ... với liệu Gnutella Kết luận Bài báo phân tích so sánh tồn diện sở liệu quan hệ sở liệu đồ thị việc quản lý liệu Internet kết nối vạn vật Chúng so sánh đặc tính quan trọng sở liệu gồm: mơ hình liệu, ... Các kết thực nghiệm minh họa từ Bảng đến Bảng Hình So sánh hiệu sở liệu quan hệ sở liệu đồ thị liệu Sakila Hình So sánh hiệu sở liệu quan hệ sở liệu đồ thị liệu Gnutella Khoa học & Công nghệ -... 2354-0575 sánh toàn diện sở liệu quan hệ sở liệu đồ thị cho việc quản lý liệu Internet kết nối vạn vật Đầu tiên, chúng tơi trình bày đặc tính liệu IoT thách thức việc quản lý liệu Sau chúng tơi so sánh