大数据存储容易出现问题

在大数据时代来临之际，我们面临的挑战还有存储问题。大数据中的大容量通常可达到PB级的数据规模，那么对于海量数据存储系统扩展能力的要求也会很高。以国内某省为例，公共视频监控已经超过100多万个摄像头，总保有量近400万，以此估计，全国摄像头数量不少于4000万，某投行的报告称行业每年还在以20%加速增长，行业龙头海康威视12年的年报披露的销售量就达570万套（含前后端），增长37%。而另一个数据也很惊人，英国的摄像头数量与人口数量之比已经达到1:15。粗略计世界至少有1亿个摄像头在角落静静的看着，这样的视频监控将是数据的大生成器。从摄像前端的海量数据和到有效数据之间的也存在矛盾，摄像头不停歇的工作，如实记录镜头覆盖范围发生的一切，但对于客户来讲大部分信息是无效，有效信息可能只分布在一个较短的时间段内，大量的数据存储给数据库带来不小的压力，而无效的数据更是对于资源的浪费。

与此同时，存储系统的扩展一定要简便，尽量能通过增加模块或磁盘柜来增加容量，甚至不需要停机。基于这样的需求，客户现在越来越青睐Scale-out架构的存储。Scale-out集群结构的特点是每个节点除了具有一定的存储容量之外，内部还具备数据处理能力以及互联设备，与传统存储系统的烟囱式架构完全不同，Scale-out架构可以实现无缝平滑的扩展，避免存储孤岛。

大数据时代数据的行为分析

数据共享就意味着无可限量的机会。市场调研机构IDC指出，大数据已经走出了“科学研究”阶段，逐渐进入了商业主流。大数据时代，最重要的一点就是数据共享和数据分析处理，从庞大的数据库中，找寻到相对应的线索，贯穿起来创出意想不到的效果。除此之外，还可以通过大数据分析营销习性，海康威视一款智能监控摄像机的应用证实了这一点，它通过对视频信号进行分析理解，透析卖场商铺人流量和产品关注度等。大数据将带来一波生产率增长和消费者盈余浪潮，

电子科技大学互联网科学中心主任周涛教授介绍了今年公开的一项最新研究成果：某个手机用户只要曾出现在4个基站的服务区，利用大数据模型，研究者就能把他从百万用户中区分出来，识别他的身份，准确率为95%。同样的案例在安防领域也时有发生，监控视频数据，透过智能分析发现某人、车在银行外无故多次徘徊，就可以从实施重点监控，以防不测。常见的应用包括入侵检测、周界告警、车辆识别、交通违法监控等。

小结：

全国性的大数据时代在安防行业还有一段路要走，亟待解决的问题还很多。但是从局部的的数据共享，数据联网来看，已经表现出了不俗的前景，可以预见未来市场更为广阔。