安防大数据储存受七大因素制约区域

随着互联和信息技术的同步发展，各行各业都积累了大量数据。据全球领先的信息技术研究和咨询公司Gartner报告，驱动大数据发展的重要因素主要来自两个方面：一是消费领域，如购及社交媒体应用产生的大量数据;另一方面来自城市基础设施建设，便是其中之一。同时，该报道称，到2018年，70%的Hadoop的部署将无法满足节约成本和增加收入的目的，这主要因为来自技能和整合方面的挑战。

技能和整合方面面临着什么样的挑战?目前所有厂商是否能使大数据轻松流畅地被使用?如果不能实现，其困难在哪里?

安防大数据储存面临七大制约

传统的安防监控进入络智能时代之后，高清化、智能化、集成化的发展成了安防行业发展的趋势。如今进入了大数据的时代。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。之于安防行业，大数据来了，因此，问题也来了。

1.容量问题

数据具有高并发、大容量的特点。以1080P为例，在8Mbps的码率下，每只摄像头每天产生的视频数据约84GB，中等城市的监控规模一般为数千到数万个摄像头，而且这些数据一般要求必须在系统中保存 0天以上。系统还必须具有高级别的容错性，存储介质的故障率通常较高，但故障发生时不应造成监控数据的丢失。此外，由于安防项目本身在不断发展，系统可能要进行扩容和升级，因此，海量数据存储系统也一定要有相应等级的扩展能力。与此同时，存储系统的扩展一定要简便，可以通过增加模块或磁盘柜来增加容量，甚至不需要停机。

大数据应用除了数据规模巨大之外，还意味着拥有庞大的文件数量。因此如何管理文件系统层累积的元数据是一个难题，处理不当的话会影响到系统的扩展能力和性能，而传统的NAS系统就存在这一瓶颈。所幸的是，基于对象的存储架构就不存在这个问题，它可以在一个系统中管理十亿级别的文件数量，而且还不会像传统存储一样遭遇元数据管理的困扰。基于对象的存储系统还具有广域扩展能力，可以在多个不同的地点部署并组成一个跨区域的大型存储基础架构。

2.延迟问题

大数据 应用还存在实时性的问题。有很多 大数据 应用环境需要较高的IOPS性能，比如HPC高性能计算。此外，服务器虚拟化的普及也导致了对高IOPS的需求，正如它改变了传统IT环境一样。为了迎接这些挑战，各种模式的固态存储设备应运而生，小到简单的在服务器内部做高速缓存，大到全固态介质的可扩展存储系统等等都在蓬勃发展。