《企业网D1Net》6月23日讯

在大数据时代下，视频监控的发展已经进入快速时期，如此同时，大数据与视频监控结合趋势更加明显，对于大数据的视频监控处理，我们根据数据的特点，基于大数据的架构，几种视频监控数据在处理起来的时候更加的方便。

第一，架构更加灵活，伸缩弹性更大

对于一些中大型项目，由于起点的差异，缺乏视频监控架构的顶层设计，后期的扩容升级难免尾大不掉，如在建设初期就引入面向大数据的架构，为业务扩张和管理带来好处。

第二，以廉价通用硬件迎合视频监控数据的爆发性增长

在面向大数据的架构中，可根据视频监控业务的部署需要，设立多个HDFS集群组成，采集的流数据会被划分成段，并分布于数据节点，这些数据节点可以采用廉价通用型的硬件，由软件技术保证其高可靠性，这种方式避免采用传统高端硬件的模式，大大降低投资成本。

第三，通过高速并行计算实现智能分析和数据挖掘

对于金矿来讲，唯有熠熠发光的金子才是有价值，视频监控数据就犹如这样一座金矿，传统人工和串行的数据筛选方式已在大数据时代不能满足要求。面向大数据的架构原理就是将海量数据分解为较小的更易访问的批量数据，在多台服务器上并行分析处理，从而大大加快视频数据的处理进程。

结合视频监控业务特点，引入Hadoop的架构，以顶层设计的视角来构建面向大数据视频监控架构，将对未来视频监控业务的规划设计产生深远的影响。下面简要描述下大数据视频监控逻辑架构。

数据源层，包括实时数据和非实时数据。实时数据指IP摄像头和传感器产生的实时流媒体数据。非实时数据指从DVR、编码器、第三方系统导入的媒体数据。

大数据存储层，采用了HDFS和HBASE，实现数据低成本、高可靠的管理。把采集的视频流保存在HDFS集群内，并通过HBase建立访问的索引。把传统NVR和专用存储进行重构，纳入到整体的分布式文件系统中来。

大数据计算层，实现智能分析和数据挖掘。通过MapReduce把对大视频的分析进行分解，充分利用闲置资源，把计算任务交由多台服务器进行并行计算分析，另外一方面，根据智能分析产生的视频元数据，通过Hive挖掘视频元数据的价值信息。业务及管理层，实现设备和业务管理。基于Zookeeper组成的服务器集群，可以保证业务系统的无故障运营，基于Ganglia实现对摄像头等设备的监管。

D1Net评论：

由此可见，基于大数据的视频架构，本质上是把视频数据作为最有价值的资产，以数据作为核心来构建的技术架构，重点解决了海量的视频数据分散和集中式存储并存、多级分布问题，极大提升了非结构化视频数据读写的效率，为视频监控的快速检索、智能分析提供了端到端的解决方案。