【干货】基于Hadoop的视频云存储
分享
本期导读
传统网络视频监控系统应用中，前端摄像机码流被NVR抓取后，直接存储在NVR的附加存储设备中，可以采用NAS/DAS/SAN等存储架构。此类架构的问题在于NVR的存储通道支持数量及存储容量固化，不便于后期扩展、数据写入性能有瓶颈、数据的分布计算处理实施比较难。
云存储需要解决现有嵌入式NVR、存储服务器在分布式计算/智能分析/数据处理等存在的性能瓶颈和大规模存储的问题。
视频云存储可以解决的问题
1.全域虚拟化技术
全域存储资源虚拟化统一管理；
虚拟池最多可分成千上万的录像池；
录像池弹性可调整，不但能扩大，同样能缩小；
录像池逻辑分配、使用时存储资源实时调用；
2.离散存储技术
流数据离散算法均衡切片，保证流数据可靠性和高效性；
系统级存储资源配发方案，数据流分散到不同存储节点内；
并发组流推送，录像回放、数据提取并发执行；
3.高效集群技术
管理节点集群负载均衡算法，全面提升业务响应、策略调度性能；
存储节点集群升级系统化并发执行能力，海量吞吐、云化存储；
系统级高可靠性和业务持续性，安全系数全面提升；
4.Hadoop HDFS 分布式文件系统具有如下特点：
非常适合海量数据的存储和处理；
可扩展性高，只需简单添加服务器数量，即可实现存储容量和计算能力的线性增长；
数据冗余度高，缺省每份数据在3台服务器上保留备份；
适合“流式”访问，即一次写入，多次读取，数据写入后极少修改，这非常适合视频监控文件的特点；
除了数据存储能力外，Hadoop MapReduce 分布式计算框架还可以充分利用各服务器CPU的计算资源，便于后期开展基于海量视频监控数据的视频分析、图像内容检索、视频挖掘等密集型计算。
-
-
-
{{item.createTime}}
{{item.userAccount}}
匿名评论
{{item.likeCount}} {{item.content}}
-
-
-
{{item.replyTime}}
{{item.replyPerson}}
{{item.replyContent}}
-
-
-
栏目简介
篇幅虽短却能网罗业内最新的热点事件、各类黑科技的前沿资讯，我们以独特的视角进行解读，并邀您一起展望行业的未来发展。
