在大数据时代下，视频监控的发展也开始与大数据融合，视频监控数据有两个方面的内涵——海量和非结构化。视频监控数据量规模庞大，并且随着高清化、超高清化的趋势加强，视频监控数据规模将以更快的指数级别增长;与通常讲的结构化数据不同……

得益于IT信息技术的快速进步，人类可以随时随地记录下产生的各类数据，而同时数据存储的成本也正以前所未有的速度下降，一个大数据的时代在悄然来临。根据IDC预测，全球在2010年正式进入ZB时代，全球数据量大约每两年翻一番，意味着人类在最近两年产生的数据量相当于之前产生的全部数据量。爆炸式增长的数据，正推动人类进入大数据的时代。

大数据是飞速增长的，用现有数据库管理工具难以管理所有的数据集合。这些数据包括：社交媒体、移动设备、科学计算和城市中部署的各类传感器等等，其中视频又是构成数据体量最大的一部分。在视频监控大联网、高清化推动下，视频监控业务步入数据洪水时代不可避免。

视频监控数据有两个方面的内涵——海量和非结构化。视频监控数据量规模庞大，并且随着高清化、超高清化的趋势加强，视频监控数据规模将以更快的指数级别增长;与通常讲的结构化数据不同，视频监控业务产生的数据绝大多数以非结构化的数据为主，这给传统的数据管理和使用机制带来了极大的挑战。

数据“洪水”带给视频监控的困境

飞速增长的视频监控数据，使得传统视频监控体系架构、数据的管理方式、数据分析应用等面临新的困境。

困境一，数据量的急剧扩大和IT投资之间的矛盾。按照I T产业的法则：在满足客户需求的前提之下，往往技术成本越低，其生命力越强。由于数据量的急速扩大，以及随之而来的大规模计算的需求越来越多，一味采用高配硬件，使得硬件投资成为客户不可承受之重，客户越来越希望在满足需求的前提下，用中低端的硬件来替换高配硬件。

困境二，海量数据和有效数据之间的矛盾。摄像头7×24小时工作，如实记录镜头覆盖范围发生的一切，仅仅记录信息是不够的，因为对于客户来讲可能大部分信息是无效，有效信息可能只分布在一个较短的时间段内，按照数学统计的说法，信息是呈现幂律分布的，也称之为信息的密度，往往越高密度的信息对客户价值越大。

困境三，资源利用和效率之间的矛盾，串行计算和并行计算的矛盾。视频监控业务网络化、大联网后，网络内的设备越来越多，利用闲置的计算资源，实现资源的最大化利用，关乎运算的效率。在视频监控领域，往往视频分析的效率决定价值，更低的延迟、更准确的分析往往是平安城市这类客户的普遍需求。随着数据量的增加，哪怕对TB级别的数据进行对视频内容的数据分析和检索，采用串行计算的模式都可能需要花费数小时的计算，已远远不能胜任时效性的需求。视频的分析和检索，不能依赖于传统的手段，巨量数据的效率优化，并行计算是视频智能分析的唯一出路。

因为大数据带来了很多现实中的难题，为了解决这些难题需要新的技术变革，需要新一代的数据库技术，业界称之为大数据技术 。IDC这样定义大数据技术：大数据技术将被设计用于在成本可承受(economically)的条件下，通过非常快速(velocity)的采集、发现和分析，从大量化(volumes)、多类别(variety)的数据中提取价值(value)，将是IT领域新一代的技术与架构的变革。

D1Net评论：

在这样的时代背景下，不得不提到Hadoop技术，Hadoop技术正是在此背景下诞生，历经数年的积累，Hadoop已成长为一个强大的生态系统，不但衍生出HDFS、HBase、Hive等多个子项目，成为IT领域广泛采用的大数据模型框架，在未来的视频监控领域，Hadoop的作用也将越来越显著。