AI大數據時代下云存儲技術

薩納斯 時間:2019-06-28 15:36:15 瀏覽:153

針對視頻云存儲技術,業內主流安防廠家可以說已經做得爐火純青了。安防廠家將云存儲的底層技術與安防專用流媒體結合,形成了安防特色云直存產品。無需外部設備拉流,存儲可直接接收前端傳輸過來的數據。但如今,安防行業也發生了翻天覆地的變化,視頻流已經完全不能代表安防行業的數據特色了,AI時代即將來臨。

目前業內的AI數據內容主要有人臉數據和結構化數據兩種,包含機動車、非機動車、行人。數據類型包含了圖片、抓拍記錄、報警記錄、圖片屬性信息等一系列非結構化數據。這類數據的特點是比較碎片化,與視頻流數據類型不同。視頻流可以保證持續不斷的寫入,而且文件打包大小比較均勻。但是碎片化的文件,由于其大小和數量都是未知,零散的寫入對CPU和硬盤資源的消耗都是很大的。對CPU來說,需要同時處理很多的線程。對于硬盤來說,磁頭需要不斷的換道尋址,大大減少了硬盤的壽命。

對于這種比較特別的數據類型,傳統的流媒體服務無法進行處理。目前主流安防廠商都為此專門開發了用于拉取此類數據流的軟件,安裝在通用的存儲硬件中就可實現存儲功能。由于是新興市場,目前絕大多數場景中使用單臺設備存儲就可以滿足,但隨著AI的普及,數據量也將不斷增大,對于一座城市來講,為了掌握城市中交通狀況,需要采集每一條道路、每一個路口的車輛數量信息、擁堵信息以及車流走向等。通過算法后的數據,可以模擬城市交通的運行狀況,以此來預測下一秒的動向,及時作出預警方案,實現真正的大數據時代。當數據規模擴大到一定程度的時候,底層的云存儲機制將是人們不得不考慮的技術支撐。但這樣的話問題就出現了,傳統安防云存儲只有對視頻的接入能力,無法主動獲取結構化數據。于是,在未來的短期內,這種AI數據云存儲勢必成為存儲應用層的主流。

雖然通過應用層與底層的對接,可以實現一體化的AI數據云存儲,但是當數據類型進一步進化,出現新的數據結構時,云存儲將如何應對?一味地做兼容開發勢必不是長久之計,還會浪費人力物力。更糟糕的是,如果在一個現場存在多種數據類型,那就需要部署多套云存儲來進行不同數據的存儲,這對存儲空間是一種浪費,占用的資金成本也高,可行性低。

為了解決這一困境,我們需要一種新的開發模式,那就是異構云存儲,將存儲的應用層與文件管理層、資源分配層獨立開發部署,這樣一來,做云存儲底層和硬件的廠商可以專心保障存儲機制的穩定性,應用廠商可以專心做不同數據類型的兼容。只要底層標準化做好,各大安防與存儲廠商就可以形成一個穩定的生態合作。一方提供物理資源,一方提供上層業務,不再局限于軟硬一體的產品模式。在此基礎上,一些受限于資本投入的廠家甚至可以開發自己的云服務。上層的應用軟件甚至可以存儲在云端,作為一個公用資源,讓終端用戶開發屬于自己的專業存儲服務。

未來已來,相信在不久的將來,勢必會看到各大安防廠商、算法廠商、存儲廠商共同合作,構建一個統一的AI存儲生態圈,為AI的場景化、民用化提供有力的數據支持。


商務合作
商務合作
上海时时彩0 qq营销号靠什么赚钱吗 包道加盟赚钱吗 学好ppt可以赚钱吗 夜总会哪里比较赚钱 卖gv赚钱 卖水果最赚钱吗 大学生一天赚钱活动 现在哪个理财赚钱快 淘宝卖小零食赚钱吗 那些网站图片处理可以赚钱 搞石场赚钱吗 现在微信有什么赚钱的软件 别人赚钱你却在观望 腾讯视频推广赚钱 哪些装备增幅后更赚钱 赚钱不多的人脾气大