Big data và các công nghệ liên quan

Big Data là thuật ngữ dùng để chỉ một tập hợp dữ liệu rất lớn và rất phức tạp đến nỗi những công cụ, ứng dụng xử lí dữ liệu truyền thống không thể nào đảm đương được. Tuy nhiên, Big Data lại chứa trong mình rất nhiều thông tin quý giá mà nếu trích xuất thành công, nó sẽ giúp rất nhiều cho việc kinh doanh, nghiên cứu khoa học, dự đoán các dịch bệnh sắp phát sinh và thậm chí là cả việc xác định điều kiện giao thông theo thời gian thực,... Kích cỡ của Big Data đang từng ngày tăng lên, và tính đến nay thì nó có thể nằm trong khoảng vài chục terabyte cho đến nhiều petabyte chỉ cho một tập hợp dữ liệu mà thôi. Các công nghệ sử dụng trong Big Data hiện nay: Hệ xử lý phân tán, công nghệ ảo hóa, công nghệ điện toán đám mây, cơ sở dữ liệu bên trong bộ nhớ (In-memory database system - IMDS).

 

1. Hệ xử lý phân tán

Khái niệm hệ xử lý phân tán

Thuật ngữ xử lý phân tán thường dùng để chỉ những hệ thống gồm nhiều loại thiết bị khác nhau chẳng hạn như: hệ đa bộ xử lý, xử lý dữ liệu phân tán, mạng máy tính.

Về cơ bản, có hai mô hình xử lý phân tán như sau:

 

- Mô hình thứ nhất là mô hình Client/Server: Trong mô hình này, ứng dụng được chia thành hai phần, một phần hoạt động trên máy chủ (Server), còn một phần hoạt động trên máy khách (Client). Mô hình phân tán này cho phép truy cập và xử lý dữ liệu trực tiếp trên Server hoặc Client.

 

- Mô hình thứ hai là mô hình sử dụng đến nhiều hệ thống máy tính nhằm thực hiện các tác vụ xử lý phức tạp. Các không gian nhớ và bộ xử lý của nhiều máy tính sẽ cùng hoạt động một lúc để xử lý từng phần của một tác vụ. Các tiến trình này được giám sát và quản lý thông qua máy tính trung tâm.

Hệ thống phân tán là tập hợp các máy tính độc lập kết nối với nhau thành một mạng lưới, được cài đặt các hệ cơ sở dữ liệu và các phần mềm phân tán, cho phép nhiều người dùng truy cập và sử dụng cùng lúc. Các máy tính trong hệ thống phân tán có kết nối phần cứng lỏng lẻo, nghĩa là không chia sẻ bộ nhớ, chỉ có một hệ điều hành duy nhất trong toàn bộ hệ thống phân tán.

Hệ xử lý phân tán được định nghĩa là một tập hợp các phần tử xử lý tự trị (không nhất thiết đồng nhất) được kết nối với nhau bởi một mạng máy tính và cùng phối hợp thực hiện những công việc đã được định sẵn. Phần tử xử lý ở đây chỉ một thiết bị tính toán có khả năng thực hiện chương trình trên đó.

Vai trò của hệ thống xử lý phân tán đối với Big Data

Một trong những vấn đề gặp phải trong quản lý một lượng dữ liệu khổng lồ chính là độ trễ về mặt thời gian. Độ trễ ở đây có thể được hiểu là khoảng thời gian hoàn thành một tác vụ. Độ trễ là một vấn đề khá phổ biến trong hầu hết các lĩnh vực liên quan đến công nghệ điện toán bao gồm truyền thông, quản trị dữ liệu, hiệu suất hệ thống,...

Ví dụ, khi sử dụng điện thoại có hỗ trợ kết nối wifi, độ trễ chính là khoảng thời gian đợi việc truyền dữ liệu giữa điện thoại và thiết bị phát wifi được hoàn tất. Nếu quá trình này diễn ra lâu thì người dùng sẽ cảm thấy không hài lòng.

Trong một số trường hợp, độ trễ lại không ảnh hưởng đến sự hài lòng của khách hàng. Ví dụ trong trường hợp các công ty muốn phân tích kết quả thu thập được từ các trang mạng xã hội để chuẩn bị giới thiệu ra thị trường một sản phẩm mới, việc làm này hoàn toàn không đòi hỏi phải thực hiện trong khoảng thời gian quá ngắn.

Trong công nghệ Big Data, nhiều ứng dụng đòi hỏi phải có độ trễ thấp do phải phụ thuộc vào tốc độ gia tăng, dung lượng và độ đa dạng của dữ liệu. Một ứng dụng sẽ không được coi là hiệu suất cao nếu không đáp ứng được độ trễ tối thiểu cho phép. Trong quá trình xử lý dữ liệu lớn, xác thực dữ liệu với một khoảng thời gian xấp xỉ thời gian thực cũng chịu ảnh hưởng bởi yếu tố này. Vì vậy, để giải quyết vấn đề về xử lý thời gian thực, trước tiên cần giải quyết các bài toán liên quan đến độ trễ.

Tuy nhiên, sự ra đời của hệ xử lý phân tán và kỹ thuật xử lý song song có thể giúp các tổ chức giải quyết được vấn đề này.

 

2. Công nghệ ảo hóa

Khái niệm công nghệ ảo hóa

Ảo hóa là công nghệ được thiết kế để tạo ra tầng trung gian giữa hệ thống phần cứng máy chủ và phần mềm chạy trên nó. Công nghệ ảo hóa máy chủ là từ một máy vật ký đơn lẻ có thể tạo thành nhiều máy ảo độc lập. Mỗi máy ảo đều có một thiết lập nguồn hệ thống riêng rẽ, hệ điều hành và các ứng dụng riêng. Người dùng không cần quan tâm tới hệ thống đang ở đâu, các hoạt động tính toán, xử lý dữ liệu xảy ra như thế nào. Người dùng chỉ cần gửi yêu cầu và nhận kết quả.

Có ba kiểu ảo hóa cơ bản:

- Ảo hóa lưu trữ: gộp ổ lưu trữ thực từ nhiều thiết bị lưu trữ mạng để tạo ra một ổ lưu trữ duy nhất.

- Ảo hóa mạng: kết hợp tài nguyên máy tính trong một mạng bằng cách phân đôi dải băng thông thành những kênh độc lập mà có thể gán cho một máy chủ hay một thiết bị cụ thể trong thời gian thực.

- Ảo hóa máy chủ: ẩn thuộc tính vật lý của tài nguyên máy chủ, bao gồm con số và nhận dạng của máy chủ cá nhân, bộ xử lí và hệ điều hành từ những phần mềm chạy trên đó.

 

Vai trò của công nghệ ảo hóa đối với Big Data

Sử dụng công nghệ ảo hóa, các nền tảng Big Data có thể hoạt động hiệu quả hơn. Mặc dù ảo hóa không phải là kỹ thuật bắt buộc cho việc phân tích dữ liệu, nhưng các nền tảng phần mềm như được sử dụng trong Big Data như MapReduce lại hoạt động hiệu quả hơn trong môi trường ảo hóa.

Công nghệ ảo hóa có bốn đặc điểm hỗ trợ khả năng mở rộng và hoạt động hiệu quả cho môi trường Big Data bao gồm:

- Chia nhỏ (Partitioning): Công nghệ ảo hóa cho phép chạy nhiều máy ảo trên một máy tính với các hệ điều hành khác nhau hoặc tách từng dịch vụ ra đề cài trên từng máy ảo.

VD: Khi chưa sử dụng ảo hóa, để tận dụng sức mạnh của Server, thay vì cài các dịch vụ như AD, Web, FTP, SQL trên cùng một máy thì có thể tách riêng ra để cài trên bốn máy ảo khác nhau (AD và SQL cài trên hai máy ảo Windows, Web và FTP cài trên hai máy ảo Linux).(Hnh 1)

- Cô lập (Isolation): Khi mỗi dịch vụ quan trọng được cài trên một máy ảo riêng biệt thì nếu một dịch vụ xảy ra lỗi, các dịch vụ chạy trên các máy ảo khác không bị ảnh hưởng. Thậm chí, nếu hệ điều hành chạy dịch vụ đó hư hỏng nặng và không thể phục hồi lại được thì cũng không ảnh hưởng gì. Trong trường hợp này, chỉ phải cài lại và triển khai lại máy ảo (VM) và dịch vụ bị lỗi.

Các vấn đề về lỗi và bảo mật được cô lập ở mức phần cứng

 

- Đóng gói (Encapsulation): Một máy ảo chạy trên nền tảng ảo hóa thực chất là một tập hợp các tập tin cấu hình và dữ liệu, vì vậy có thể chép toàn bộ các tập tin này ra ngoài để chạy hoặc sao lưu trên một hệ thống ảo hóa khác. Khi có sự cố xảy ra, dữ liệu có thể phục hồi lại mà không cần cài đặt và cấu hình cũng như chép lại dữ liệu (điều này không thể thực hiện được khi chạy trên máy thật).

 

Trạng thái của máy ảo có thể được lưu vào các tập tin

 

- Độc lập với phần cứng (Hardware Independence): Với công nghệ ảo hóa, một máy ảo có thể di chuyển từ một môi trường ảo hóa này (Server cài phần mềm ảo hóa) sang môi trường ảo hóa khác tương tự để chạy mà không gặp bất cứ khó khăn nào. Vì vậy, phần cứng (vật lý) dễ dàng được nâng cấp mà không cần cài lại các máy ảo.

 

Di chuyển dữ liệu giữa các máy ảo có kiến trúc tương tự

 

Một trong những yêu cầu quan trọng nhất để triển khai thành công Big Data là hiệu suất phần cứng phải đáp ứng được phân tích khối lượng dữ liệu cực lớn và phức tạp. Công nghệ ảo hóa giúp các thành phần trong cơ sở hạ tầng công nghệ thông tin hoạt động hiệu quả hơn, đáp ứng nhu cầu phân tích dữ liệu lớn.

Tuy nhiên, ảo hóa toàn bộ cơ sở hạ tầng tại cùng một thời điểm là không cần thiết, để cải thiện hiệu suất có thể chỉ cần ảo hóa một phần hệ thống chẳng hạn như ảo hóa máy chủ.

Sử dụng công nghệ ảo hóa, các thành phần trong môi trường công nghệ thông tin như máy chủ, thiết bị lưu trữ, các ứng dụng, dữ liệu, các thiết bị mạng, vi xử lý, bộ nhớ và các dịch vụ sẽ hoạt động hiệu quả hơn trong quá trình phân tích dữ liệu lớn.

 

3. Công nghệ điện toán đám mây

Khái niệm công nghệ điện toán đám mây

Điện toán đám mây (Cloud computing), còn gọi là điện toán máy chủ ảo, là mô hình điện toán sử dụng các công nghệ máy tính và phát triển dựa vào mạng Internet. Thuật ngữ “đám mây” ở đây là lối nói ẩn dụ chỉ mạng Internet (dựa vào cách được bố trí của nó trong sơ đồ mạng máy tính) và như một liên tưởng về độ phức tạp của các cơ sở hạ tầng chứa trong nó. Ở mô hình điện toán này, mọi khả năng liên quan đến công nghệ thông tin đều được cung cấp dưới dạng các “dịch vụ”, cho phép người sử dụng truy cập các dịch vụ công nghệ từ một nhà cung cấp nào đó “trong đám mây” mà không cần phải có các kiến thức, kinh nghiệm về công nghệ đó, cũng như không cần quan tâm đến các cơ sở hạ tầng phục vụ công nghệ đó.

Vai trò của công nghệ điện toán đám mây đối với Big Data

Một vài đặc điểm của công nghệ điện toán đám mây giữ vai trò quan trọng trong hệ thống Big Data, bao gồm:

- Khả năng mở rộng: Khả năng mở rộng về phần cứng giúp cho việc tăng sức mạnh xử lý trở nên dễ dàng mà không cần thay đổi kiến trúc. Còn khả năng mở rộng về phần mềm giúp cho các thiết bị phần cứng hoạt động một cách thống nhất và đồng bộ. Vì vậy, sử dụng công nghệ điện đám mây, tính toán dung lượng của dữ liệu lớn là hoàn toàn khả thi.

Hệ xử lý phân tán, một phần của mô hình đám mây, hoạt động dựa trên nguyên tắc “chia nhỏ để xử lý”. Vì vậy, các dữ liệu có dung lượng lớn có thể được chi nhỏ thông qua các máy chủ đám mây. Một trong những đặc điểm quan trọng của IaaS (cơ sở hạ tầng như là một dịch vụ) đó là khả năng mở rộng linh hoạt. Điều này có nghĩa là các tài nguyên có thể được bổ sung thêm nếu được yêu cầu.

- Tính linh hoạt: Điều này có nghĩa là các thiết bị phần cứng máy tính có thể được mở rộng ngay lập tức nếu được yêu cầu. Một trong những lợi ích rất lớn mà công nghệ điện toán đám mây mang lại đó là người dùng có thể sử dụng nhiều hơn những dịch vụ họ cần. Điều này đặc biệt hữu ích khi cần thêm nhiều tài nguyên phần cứng hơn để giải quyết các vấn đề liên quan đến dữ liệu lớn.

- Hợp nhất tài nguyên: Kiến trúc đám mây cho phép tạo và quản lý các nhóm tài nguyên được chia sẻ một cách hiệu quả. Điều này mang lại nhiều lợi ích về kinh tế.

- Tự phục vụ (Self-service): Với khả năng tự phục vụ, các nguồn tài nguyên đám mây có thể được kiểm soát và quản lý thông qua trình duyệt web hoặc qua giao diện cổng thông tin điện tử. Điều này khác hoàn toàn so với các trung tâm dữ liệu, nơi mà mọi yêu cầu về tài nguyên phần cứng cần phải thông qua bộ phận công nghệ thông tin để được chấp thuận.

- Chi phí trả trước thường thấp: Để giải quyết các bài toán liên quan đến dữ liệu lớn, các nhà cung cấp dịch vụ điện toán đám mây cung cấp nhiều gói giải pháp giá rẻ, vì vậy các công ty không cần thiết phải đầu tư mua hoặc thuê ngoài các thiết bị phần cứng quá tốn kém.

- Thanh toán theo dịch vụ chọn mua: Các nhà cung cấp dịch vụ điện toán đám mây bán các giải pháp với các tùy chọn khác nhau, vì vậy các tổ chức, doanh nghiệp chỉ cần chọn mua các dịch vụ cần thiết cho dự án triển khai Big Data.

- Khả năng chịu lỗi: Các nhà cung cấp dịch vụ điện toán đám mây xây dựng khả năng chịu lỗi bên trong kiến trúc của họ, vì vậy các dịch vụ vẫn có thể hoạt động liên tục nếu một hoặc nhiều thành phần của thống bị lỗi.

Kết hợp công nghệ điện toán đám mây vào giải quyết bài toán Big Data là một giải pháp rất hiệu quả, có thể dẫn ra một vài ví dụ như sau:

- Các tổ chức, doanh nghiệp có thể thuê dịch vụ IaaS (cơ sở hạ tầng như là một dịch vụ) từ các nhà cung cấp dịch vụ điện toán đám mây để hỗ trợ việc triển khai Big Data, thay vì phải đầu tư mua cơ sở hạ tầng vật lý tốn kém. IaaS cho phép tạo ra các máy ảo với sức mạnh tính toán và lưu trữ không hạn chế. Vì vậy, người dùng có thể lựa chọn hệ điều hành mong muốn, linh hoạt mở rộng hệ thống khi cần thiết.

- PaaS là một gói cơ sở hạ tầng đầy đủ, được sử dụng để thiết kế, thực hiện và triển khai các ứng dụng và dịch vụ trong môi trường đám mây riêng hoặc công khai. PaaS cho phép một tổ chức tương tác với các các dịch vụ trung gian quan trọng mà không cần phải giải quyết bài toán quản lý các thiết bị phần cứng và phần mềm phức tạp.

Các nhà cung cấp dịch vụ PaaS bắt đầu tích hợp các công nghệ Big Data như là Hadoop và MapReduce vào trong hệ thống của họ, nhằm giúp người dùng xây dựng các ứng dụng đặc biệt để lưu trữ, xử lý và phân tích dữ liệu lớn. Các ứng dụng này có thể đáp ứng nhu cầu xử lý theo thời gian thực rất hiệu quả.

- Dịch vụ SaaS trong các đám mây lai giúp phân tích giọng nói của của khách hàng từ nhiều nguồn khác nhau một cách hiệu quả. Một trong những nguồn dữ liệu quan trọng chính là dữ liệu phản ánh suy nghĩ và nhận xét của khách hàng về công ty. Xử lý giọng nói của khách hàng, các tổ chức, doanh nghiệp có thể hiểu được các thông tin vô giá về xu hướng hành vi tiêu dùng bên trong đó.

 

4. Cơ sở dữ liệu bên trong bộ nhớ (In-memory database system - IMDS)

Khái niệm IMDS

 

Một chương trình máy tính chuyên biệt phổ biến dành cho cơ sở dữ liệu chính là hệ quản trị dữ liệu DBMS (Database Management System). Đó là nơi cung cấp phương pháp chuẩn hóa về tính toàn vẹn dữ liệu, thiết lập các mối quan hệ dữ liệu phức tạp, đảm bảo truy nhập thông tin nhanh và hiệu quả. Nhưng điểm hạn chế của các hệ thống DBMS là thường kết hợp với thao tác nhập/xuất (I/O) trên ổ đĩa, một tiến trình cơ học có thể làm giảm hiệu năng của máy tính.

Tuy nhiên, trong một thập niên trở lại đây, các nhà cung cấp phần mềm đã tập trung phát triển cơ sở dữ liệu bên trong bộ nhớ (In-memory database system - IMDS) nhiều hơn. IMDS được mô tả như là một mô hình DBMS mới giúp tăng tốc độ lưu trữ, truy xuất và phân loại thông tin bằng cách lưu giữ tất cả dữ liệu trong bộ nhớ chính.

 

Khi IMDS chưa xuất hiện, DBMS đã dùng bộ nhớ đệm để giữ các bản ghi được cập nhật thường xuyên trong RAM giúp truy xuất nhanh. Ngoài ra, một số DBMS truyền thống khác có bảng bộ nhớ để giữ các tập dữ liệu trong bộ nhớ. Đôi khi, DBMS được triển khai trên đĩa RAM (RAM disk - bộ nhớ RAM giả lập thành ổ đĩa cứng, khi mất nguồn điện, toàn bộ dữ liệu trên RAM disk sẽ mất) và gần đây là ổ đĩa SSD.

IMDS là hệ quản trị cơ sở dữ liệu lưu trữ toàn bộ dữ liệu trong bộ nhớ chính nên giúp cho việc ghi/đọc trong hệ thống tập tin nhanh hơn nhiều. Quan điểm trong thiết kế của IMDS là bộ nhớ ngang bằng với không gian lưu trữ vì hiệu quả sử dụng bộ nhớ là tối quan trọng.

 

Điểm mạnh của IMDS loại bỏ cách quản lý bộ nhớ đệm (cache) cũng như thiết bị I/O, giúp tăng hiệu năng hệ thống so với DBMS trên ổ đĩa với bộ nhớ đệm. Cache là nơi lưu trữ sẵn các dữ liệu được dự đoán là sẽ phục vụ yêu cầu của các ứng dụng hay hệ thống nhằm tăng tốc độ xử lý (không phải tốn thời gian tìm kiếm). Bộ nhớ đệm chỉ tăng tốc khi trích xuất/đọc thông tin. Trong trường hợp cập nhật hay tạo ra bản ghi mới trong cơ sở dữ liệu, thông tin phải được ghi vào cache, sau đó vào đĩa. Tuy nhiên, có lúc cache thiếu tính linh hoạt vì trong lúc người dùng thực hiện nhiều thao tác ghi/đọc liên tục có thể kích thước cache không đủ lớn để đáp ứng. Lúc đó người dùng không thể tác động vào những bản ghi quan trọng, vì dữ liệu đã được lưu trữ tự động bởi các thuật toán. Khi cache đầy, một số dữ liệu sẽ được ghi vào hệ thống tập tin với tốc độ được tính bằng micro giây.

Vai trò của IMDS đối với Big Data

 

IMDS được xem là mô hình cơ sở dữ liệu nhúng hay hệ thống cơ sở dữ liệu máy khách/chủ thời gian thực. IMDS chạy trên hệ điều hành cung cấp các phản hồi trong các ứng dụng như định tuyến, chuyển mạch trong viễn thông.

 

Ngoài ra, IMDS có thể kiểm soát cơ sở dữ liệu trong thiết bị nghe nhạc MP3 và xử lý trình dữ liệu trong bộ giải mã (set-top box). Bên cạnh đó, IMDS cũng hướng đến các ứng dụng không nhúng, ví dụ, các số liệu tính toán hay các ứng dụng khác trong thị trường tài chính. Thêm vào đó, IMDS còn có thể sử dụng để truy xuất dữ liệu tức thời hay một số ứng web như thương mại điện tử, mạng xã hội hay để lưu trữ dữ liệu vào các hệ thống cơ sở dữ liệu dùng ổ đĩa. Đôi khi, các ứng dụng dành cho doanh nghiệp cũng cần lưu trữ dữ liệu lớn bên trong bộ nhớ (thường phiên bản IMDS 64 bit mới có thể đáp ứng).

Theo báo cáo của McObject, IMDS 64 bit đã triển khai trên máy chủ SGI Altix 4700 160 nhân chạy phiên bản SUSE Linux Enterprise Server 9 từ Novell. CSDL đã tăng đến 1,17 terabyte và có thể đạt đến 15,54 triệu bản ghi. Đối với câu lệnh SELECT đơn giản, IMDS xử lý được 87,78 triệu giao dịch truy vấn trên một giây thông qua giao diện trình ứng dụng (API) và đạt 28,14 triệu giao dịch/giây qua API SQL ODBC.

Đầu năm 2010, Sybase đã giới thiệu phiên bản đầu tiên về phần mềm hệ thống CSDL hoạt động toàn bộ trên bộ nhớ, đó là Adaptive Server Enterprise 15.5. Theo Sybase, trong lĩnh vực tài chính, có từ 300.000 đến 400.000 phiên giao dịch diễn ra trong một giây và IMDS thích hợp dùng để phân tích nhanh lượng thông tin lên đến hàng terabyte. IMDS sẽ giúp tốc độ giao dịch nói trên sẽ đạt mức một triệu lượt giao dịch trong một giây. Ngoài ra, một số nhà cung cấp phần mềm hàng đầu đã giới thiệu những gói sản phẩm dựa trên IMDS, ví dụ Oracle cũng giới thiệu gói Oracle TimesTen In-Memory Database 11G kể từ lúc Oracle mua lại Công ty TimesTen năm 2005; IBM đã tung ra sản phẩm solidDB sử dụng công nghệ IMDS.

 

Tóm lại, IMDS được xem như là tập con của DBMS. IMDS có thể là sự lựa chọn phù hợp với những yêu cầu đòi hỏi yếu tố nhỏ gọn trong quản lý dữ liệu. IMDS đáp ứng nhu cầu lưu trữ, truy xuất, cập nhật... của ứng dụng mới, những yêu cầu của hệ thống cũng như môi trường của hệ điều hành mới.

Mặc dù IMDS có thể chưa hẳn là một giải pháp lựa chọn cho ứng dụng đòi hỏi nhiều về quản lý dữ liệu nhưng sẽ là ứng cử viên “sáng giá” cho những yêu cầu cần độ truy xuất nhanh, độ trễ thấp. Ngày nay, với nhu cầu ngày càng cao đối với ngành viễn thông, hàng không vũ trụ, quốc phòng và các hệ thống khác đòi hỏi thời gian thực cũng như sự bùng nổ của các thiết bị di động thì IMDS có thể thỏa mãn nhu cầu của người dùng cuối và những nhà phát triển (vì thời gian phát triển ngắn hơn). Ngoài ra, IMDS cũng giúp giảm thiểu nhu cầu trang bị phần cứng và cắt giảm chi phí sản xuất cho các nhà cung cấp phần mềm. Đồng thời, nhờ bỏ bộ nhớ đệm và các tiến trình khác nên IMDS cũng giúp tăng độ an toàn cho các ứng dụng.

 

Kết luận

Với những ưu điểm mạnh mẽ nhờ kết hợp nhiều công nghệ, kỹ thuật và phương pháp hiện đại, tối ưu mà Big Data đang dần thể hiện rõ tầm quan trọng của mình đối với các tổ chức, doanh nghiệp hiện tại và trong tương lai. Tuy nhiên, sử dụng các phương pháp phân tích dữ liệu lớn vẫn là một thách thức lớn đối với các doanh nghiệp do chi phí cho phần mềm và đội ngũ tư vấn triển khai là rất đắt nhưng với sự hỗ trợ của công nghệ điện toán đám mây, các nhà cung cấp giải pháp dữ liệu lớn trên đám mây đã có thể xây dựng sẵn các mô hình phân tích và doanh nghiệp chỉ cần ký hợp đồng và trả một khoản phí là có thể sử dụng.

(Cnth theo Tạp chí thnh)