Herramientas y plataformas de procesamiento: Un análisis sistemático en el contexto de IoT y Big Data
DOI:
https://doi.org/10.35290/ro.v6n1.2025.1479Palabras clave:
Big Data, Internet de las Cosas, Revisión Sistemática, Metodología Kitchenham, Escalabilidad, Gestión de DatosResumen
El Internet de las Cosas (IoT, por sus siglas en inglés) ha transformado diversos sectores al permitir la conexión y comunicación entre dispositivos inteligentes. La enorme cantidad de registros generados en estos dispositivos requiere herramientas de Big Data para su almacenamiento, procesamiento y análisis eficiente. Este estudio presentó una revisión sistemática de la literatura con el objetivo de identificar y evaluar las herramientas de Big Data más utilizadas en soluciones de IoT. Se utilizó la metodología propuesta por Kitchenham, seleccionada por su enfoque estructurado y replicable, que garantiza resultados de alta calidad al minimizar sesgos. Esta metodología facilitó la identificación de tendencias clave y la resolución de problemas específicos como la optimización de procesos industriales y la mejora en la toma de decisiones gerenciales mediante Big Data. A través del análisis, se generaron preguntas de investigación que evaluaron publicaciones relevantes de los últimos cinco años, revelando cómo Big Data ha sido implementado en IoT para gestionar grandes volúmenes de datos, mejorar la escalabilidad y optimizar procesos en tiempo real. Las herramientas analizadas han demostrado ser efectivas para resolver problemas concretos, como la detección de fallos y la toma de decisiones informadas.
Descargas
Citas
Acuña, E. (2023). Data Mining and Internet of Things (IoT) application for Biomedical products. TECHNO Review. International Technology, Science and Society Review / Revista Internacional de Tecnología, Ciencia y Socie- dad, 13(1). https://doi.org/10.37467/revtechno.v12.3444
Apaza, G., y Ñamo, E. (2022). Evolución e impacto del Big Data en el sector empresarial. Revista Scientific, 7(25), 227–242. https://doi.org/10.29394/scientific.issn.2542-2987.2022.7.25.12.227-242
Arroyo, A. y Brito, A. (2023). Big Data y su aplicación en el área legal. Yachana Revista Científica, 12(1), 31–41. https://doi.org/10.62325/10.62325/yachana.v12.n1.2023.848
Ball, C. y Degischer, D. (2024). IoT implementation for energy system sustainability: The role of actors and related challenges. Utilities Policy, 90. https://doi.org/10.1016/j.jup.2024.101769
Berisha, B., Mëziu, E., y Shabani, I. (2022). Big data analytics in Cloud computing: an overview. Journal of Cloud Computing, 11(1). https://doi.org/10.1186/s13677-022-00301-w
Bigdeli, M., Abolhassani, B., Farahmand, S., y Tellambura, C. (2023). Offline and Real-Time Deadline-Aware Sche- duling and Resource Allocation Algorithms Favoring Big Data Transmission Over Cognitive CRANs. IEEE Access, 11, 67755–67778. https://doi.org/10.1109/ACCESS.2023.3288996
Bohora, K., Bothe, A., Sheth, D., Chopade, R., y Pachghare, V. (2021). Backup and Recovery Mechanisms of Cassan- dra Database: A Review. The Journal of Digital Forensics, Security and Law, 15. https://doi.org/10.15394/ jdfsl.2021.1613
Bornholt, J., Joshi, R., Astrauskas, V., Cully, B., Kragl, B., Markle, S., Sauri, K., Schleit, D., Slatton, G., Tasiran, S., Van Geffen, J., y Warfield, A. (2021). Using Lightweight Formal Methods to Validate a Key-Value Storage Node in Amazon S3. SOSP 2021. Proceedings of the 28th ACM Symposium on Operating Systems Principles (pp. 836–850). United States. https://doi.org/10.1145/3477132.3483540
Campetella, M., Cechich, A., Buccella, A., Montenegro, A., Muñoz, Á., y Rodríguez, A. (2023). Identificación Top- Down de Variedad de Contexto: Un Caso de Estudio en Fluctuaciones de la Napa Freática. Actas - XXIX Congreso Argentino de Ciencias de la Computación - CACIC 2023 (308-317). Argentina. https://sedici.unlp. edu.ar/handle/10915/164924
Cao, K., Liu, Y., Meng, G., y Sun, Q. (2020). An Overview on Edge Computing Research. IEEE Access, 8, 85714– 85728). https://doi.org/10.1109/ACCESS.2020.2991734
Chahid, I. y Marzouk, A. (2017). A Secure IoT Data Integration in Cloud Storage Systems using ABAC Access Control Policy. International Journal of Advanced Engineering Research and Science, 4(8), 34–37. https:// doi.org/10.22161/ijaers.4.8.6
Chhetri, T., Dehury, C., Varghese, B., Fensel, A., Srirama, S., y DeLong, R. (2024). Enabling privacy-aware intero- perable and quality IoT data sharing with context. Future Generation Computer Systems, 157, 164–179. https://doi.org/10.1016/j.future.2024.03.039
Deepthi, K., Balakrishnan, T., Krishnan, P., Ebenezar, U., y Nageshwari (2024). Optimized Data Storage Algorithm of IoT Based on Cloud Computing in Distributed System. Proceedings 2024 OPJU International Technology Conference (OTCON) on Smart Computing for Innovation and Advancement in Industry 4.0 (1–5). https:// doi.org/10.1109/OTCON60325.2024.10688356
Dhulfiqar, A., Abdala, M., Pataki, N., y Tejfel, M. (2024). Deploying a web service application on the EdgeX open edge server: An evaluation of its viability for IoT services. Procedia Computer Science, 235, 852–862. ht- tps://doi.org/10.1016/j.procs.2024.04.081
Domínguez, T., Barral, V., Escudero, C., y García, J. (2024). An IoT system for a smart campus: Challenges and solutions illustrated over several real-world use cases. Internet of Things, 25. https://doi.org/10.1016/j. iot.2024.101099
Dubey, K., Dubey, R., Panedy, S., y Kumar, S. (2024). A Review of IoT Security: Machine Learning and Deep Lear- ning Perspective. Procedia Computer Science, 235, 335–346. https://doi.org/10.1016/j.procs.2024.04.034
Espinosa, A., Ponte, D., Gibeaux, S., y González, C. (2021). Estudio de Sistemas IoT Aplicados a la Agricultura Inteligente. Revista Plus Economía, 9(1), 33–42. https://revistas.unachi.ac.pa/index.php/pluseconomia/ article/view/479
Falah, M., Fridelin, Y., Sukaridhoto, S., Cornelius, A., Kriswantoro, M., Satria, B., y Usman, S. (2021). Comparison of cloud computing providers for development of big data and internet of things application. Indonesian Jour- nal of Electrical Engineering and Computer Science, 22(3), 1723–1730. https://doi.org/10.11591/ijeecs. v22.i3.pp1723-1730
Fernández, A. (2023). Nuevos modelos para la gestión eficiente de infraestructuras big data streaming en entor- nos IoT con aplicación a la Industria 4.0.[Tesis de posgrado, Centro de Estudios de Postgrado Universidad Pablo de Olavide]. Repositorio Institucional. https://investiga.upo.es/documentos/6675ce36ba7d30377a- b2eb59
Gélvez, L. y Santos, L. (2020). Internet de las Cosas: una revisión sobre los retos de seguridad y sus contramedi- das. Revista Ingenio, 17(1), 56–64. https://doi.org/10.22463/2011642x.2370
González, J., Figueroa, P., Amezcua, I., y Benavides, J. (2022). Diseño arquitectural de una plataforma iot para la monitorización ambiental aplicada en viveros de plantas de ornato. 3 c TIC: cuadernos de desarrollo aplica- dos a las TIC, 11(1), 223-249. https://dialnet.unirioja.es/servlet/articulo?codigo=8415585
Guan, S., Zhang, C., Wang, Y., y Liu, W. (2024). Hadoop-based secure storage solution for big data in cloud com- puting environment. Digital Communications and Networks, 10(1), 227–236. https://doi.org/10.1016/j. dcan.2023.01.014
Hamdan, S., Ayyash, M., y Almajali, S. (2020). Edge-computing architectures for internet of things applications: A survey. Sensors (Switzerland), 20(22), 1–52. https://doi.org/10.3390/s20226441
Hasan, M., Ogan, K., y Starly, B. (2021). Hybrid blockchain architecture for Cloud Manufacturing-as-a-service (CMaaS) platforms with improved data storage and transaction efficiency. Procedia Manufacturing, 53, 594–605. https://doi.org/10.1016/j.promfg.2021.06.060
Huang, S. (2024). Big data processing and analysis platform based on deep neural network model. Systems and Soft Computing, 6. https://doi.org/10.1016/j.sasc.2024.200107
Huaranga, E., González, S., Castillo, M., Cimmino, A., y García, R. (2024). From cloud and fog computing to fe- derated-fog computing: A comparative analysis of computational resources in real-time IoT applications based on semantic interoperability. Future Generation Computer Systems, 159, 134–150. https://doi.or- g/10.1016/j.future.2024.05.001
Hwang, D. (2022). Data Speak How to Treat Disease Big data-based precision medicine. Molecules and Cells, 45(9), 620–621. https://doi.org/10.14348/molcells.2022.0119
Kitchenham, B. (2004). Procedures for Performing Systematic Reviews [report]. Keele University Technical Report Kong, L., Tan, J., Huang, J., Chen, G., Wang, S., Jin, X., Zeng, P., Khan, M., y Das, S. K. (2022). Edge-computing-dri-
ven Internet of Things: A Survey. ACM Computing Surveys, 55(8), 1-41. https://doi.org/10.1145/3555308
Liang, C., Zhang, J., Ma, S., Zhou, Y., Hong, Z., Fang, J., Zhou, Y., y Tang, H. (2024). Study on data storage and verification methods based on improved Merkle mountain range in IoT scenarios. Journal of King Saud University - Computer and Information Sciences, 36(6). https://doi.org/10.1016/j.jksuci.2024.102117
Loconte, D., Ieva, S., Pinto, A., Loseto, G., Scioscia, F., y Ruta, M. (2024). Expanding the cloud-to-edge continuum to the IoT in serverless federated learning. Future Generation Computer Systems, 155, 447–462. https://doi. org/10.1016/j.future.2024.02.024
Ma, C., Zhao, M., y Zhao, Y. (2023a). An overview of Hadoop applications in transportation big data. Journal of Trafic and Transportation Engineering, 10(5), 900–917). https://doi.org/10.1016/j.jtte.2023.05.003
Mailewa, A., Mengel, S., Gittner, L., y Khan, H. (2022). Mechanisms and techniques to enhance the security of big data analytic framework with MongoDB and Linux Containers. Array, 15. https://doi.org/10.1016/j. array.2022.100236
Miquel, S. y Aced, C. (2019). Big data: la revolución de los datos y su impacto en la comunicación corporativa.
Comunicación y hombre: Revista interdisciplinar de ciencias de la comunicación y humanidades, (16), 115–
https://dialnet.unirioja.es/servlet/articulo?codigo=7302665
Mostajabi, F., Safaei, A., y Sahafi, A. (2021). A Systematic Review of Data Models for the Big Data Problem. IEEE Access, 9, 128889–128904. https://doi.org/10.1109/ACCESS.2021.3112880
Mothukuri, V., Cheerla, S. S., Parizi, R., Zhang, Q., y Choo, K. (2021). BlockHDFS: Blockchain-integrated Hadoop distributed file system for secure provenance traceability. Blockchain: Research and Applications, 2(4). ht- tps://doi.org/10.1016/j.bcra.2021.100032
Naidu, K., Ravi, B., Hassen, S., Kaur, C., Al Ansari, M., Vinod, R., Nivetha, M., y Kiran, B. (2022). Analysis of Hadoop log file in an environment for dynamic detection of threats using machine learning. Measurement: Sensors,
https://doi.org/10.1016/j.measen.2022.100545
Nguyen, H., Nawara, D., y Kashef, R. (2024). Connecting the indispensable roles of IoT and artificial intelligence in smart cities: A survey. Journal of Information and Intelligence, 2(3), 261-285. https://doi.org/10.1016/j. jiixd.2024.01.003
Palacios, D., Vazquez, J., Sánchez, B., Moreno, R., Schetakis, N., Vazquez, L., y Titov, D. (2022). Serverless archi- tecture for data processing and detecting anomalies in MARSIS instrument. The Astronomical Journal,
(1). https://iopscience.iop.org/article/10.3847/1538-3881/acd18d
Pham, T. y Nguyen, T. (2020). Optimization of resource management for NFV-enabled IoT systems in edge cloud computing. IEEE Access, 8. https://doi.org/10.1109/ACCESS.2020.3026711
Prashant, D. y Pranay, D. (2020). A comparative analysis of IoT features between AWS and Azure. Internatio- nal Journal of Advance Research, 5(2),113-116. https://www.ijariit.com/manuscript/a-comparative-analy- sis-of-iot-features-between-aws-and-azure/
Quintero, J., Orjuela. L., Gordillo, J., y Sánchez, A. (2022). Análisis de las posibilidades de uso del Big Data en el ejercicio profesional de la Contaduría Pública en Colombia. Revista Temario Científico, 2(1), 50–59. https:// doi.org/10.47212/rtcAlinin.1.2.5
Rajagopalan, A., Swaminathan, D., Bajaj, M., Damaj, I., Rathore, R. S., Singh, A., Blazek, V., y Prokop, L. (2024). Empowering power distribution: Unleashing the synergy of IoT and cloud computing for sustainable and efficient energy systems. Results in Engineering, 21.https://doi.org/10.1016/j.rineng.2024.101949
Ramirez, G. y Ramirez, B. (2022). Programa estadístico R, Herramienta clave en el análisis y visualización de datos. Agro-Divulgación, 2(2), 17-22. https://dialnet.unirioja.es/servlet/articulo?codigo=8681872
Rekha, V., Manoharan, J., Hemalatha, R., y Saravanan, D. (2022). Deep Learning Models for Multiple Face Mask Detection under a Complex Big Data Environment. Procedia Computer Science, 215, 706–712. https://doi. org/10.1016/j.procs.2022.12.072
Reynoso, L., Amaro, S., López, L., Sánchez, V., Rotter, M., y Cotal, S. (2023). Tecnologías de Datos Espaciales, Visualización y Realidad Virtual. Actas de XXV Workshop de Investigadores en Ciencias de la Computación. Junín. https://sedici.unlp.edu.ar/handle/10915/163914
Rozo, F. (2020). Revisión de las tecnologías presentes en la industria 4.0. Revista UIS Ingenierías, 19(2), 177–191. https://doi.org/10.18273/revuin.v19n2-2020019
Sayeed, S., Ahmad, A., y Peng, T. (2022). Smartic: A smart tool for Big Data analytics and IoT. F1000Research, 11-17. https://doi.org/10.12688/f1000research.73613.1
Shah, A., Ali, B., Wahab, F., Ullah, I., Amesho, K., y Shafiq, M. (2023). Entropy-based grid approach for handling outliers: a case study to environmental monitoring data. Environmental Science and Pollution Research, 30, 125138–125157. https://doi.org/10.1007/s11356-023-26780-1
Stephen, C. y Degischer, D. (2024). IoT implementation for energy system sustainability: The role of actors and related challenges. Utilities Policy, 90. https://doi.org/10.1016/j.jup.2024.101769
Taboada, A. (2024). Big data en ciencias sociales. Una introducción a la automatización de análisis de datos de texto mediante procesamiento de lenguaje natural y aprendizaje automático. Revista CENTRA de Ciencias Sociales, 3(1). https://doi.org/10.54790/rccs.51
Teli, S., Guerra, C., Icaza, V., Perez, R., Ghassemlooy, Z., y Zvanovec, S. (2023). Hybrid Optical Wireless Communi- cation for Versatile IoT Applications: Data Rate Improvement and Analysis. IEEE Access, 11, 55107–55116. https://doi.org/10.1109/ACCESS.2023.3280850
Ting, Y. y Chan, K. (2024). Optimising performances of LoRa based IoT enabled wireless sensor network for smart agriculture. Journal of Agriculture and Food Research, 16. https://doi.org/10.1016/j.jafr.2024.101093
Tu, T. (2023). The Relationship Between Big Data and IoT. Journal of Computing and Electronic Information Ma- nagement, 10(3), 150-154. https://doi.org/10.54097/jceim.v10i3.8768
Ullah, H., Uzair, M., Jan, Z., y Ullah, M. (2024). Integrating industry 4.0 technologies in defense manufacturing: Challenges, solutions, and potential opportunities. Array, 23. https://doi.org/10.1016/j.array.2024.100358
Ullah, I., Adhikari, D., Su, X., Palmieri, F., Wu, C., y Choi, C. (2024). Integration of data science with the intelligent IoT (IIoT): current challenges and future perspectives. Digital Communications and Networks. https://doi. org/10.1016/j.dcan.2024.02.007
Valdivieso, A., y Bonini, T. (2021). Uso de big data y data mining en los procesos de automatización de la comu- nicación de las organizaciones. GIGAPP: Estudios Working Papers, 8, 128–142. https://dialnet.unirioja.es/ servlet/articulo?codigo=9321360
Woo, W., Richards, W., Selker, J., y Udell, C. (2023). WeatherChimes: An Open IoT Weather Station and Data Soni- fication System. HardwareX, 13. https://doi.org/10.1016/j.ohx.2023.e00402
Wu, X., Jing, Z., y Wang, X. (2024a). The security of IOT from the perspective of the observability of complex ne- tworks. Heliyon, 10(5). https://doi.org/10.1016/j.heliyon.2024.e27104
Wu, X., Jing, Z., y Wang, X. (2024b). The security of IOT from the perspective of the observability of complex ne- tworks. Heliyon, 10(5). https://doi.org/10.1016/j.heliyon.2024.e27104
Zagan, E. y Danubianu, M. (2023). Data Lake Architecture for Storing and Transforming Web Server Access Log Files. IEEE Access, 11, 40916–40929. https://doi.org/10.1109/ACCESS.2023.3270368
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Wilmer Antonio Moreira Sánchez, Marely del Rosario Cruz Felipe, Gabriel Agustín Cotera Ramírez, Gema Isabel Medranda Cobeña

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que participen de los procesos de evaluación y publicación de sus ediciones conservan sus derechos de autor, cediendo a la revista el derecho a la primera publicación, tal como establecen las condiciones de reconocimiento en la licencia Creative Commons Reconocimiento 4.0 Internacional (CC BY), donde los autores autorizan el libre acceso a sus obras, permitiendo que los lectores copien, distribuyan y transmitan por diversos medios, garantizando una amplia difusión del conocimiento científico publicado.
- Toda derivación, a partir de esta obra, deberá citar la fuente y a la primera publicación en esta revista. Se permiten derechos comerciales no lucrativos sobre sus contenidos.
- Los autores pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista, es decir, podrán incluirlo en un repositorio institucional o publicarlo en un libro, siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
- Se permite y recomienda a los autores compartir su trabajo en línea, con la finalidad de intercambios productivos para una mayor y más rápida citación del trabajo como lo establece los efectos del movimiento ‘Acceso Abierto’.
- No puede aplicar términos legales o medidas tecnológicas que restrinjan legalmente a otros de hacer cualquier cosa que permita la licencia: https://creativecommons.org/licenses/by/4.0/deed.es
- La Revista ODIGOS es financiada completamente de los aportes realizados por nuestra entidad editora: Universidad Tecnológica Israel; por tal motivo, no establece cargos o cobros de ninguna índole a sus autores y colaboradores, así como tampoco genera pagos o remuneraciones de ningún tipo a ellos.
- Se asignará un Digital Object Identifier (DOI) a cada publicación.