数据类型不同。在IT领域，大数据处理的对象往往是网页索引、用户行为、日志记录等字符型数据，这些是结构化、方便计算识别处理的数据。而在安防领域，数据往往以图片、音频、视频等非结构化的数据，往往计算机不能直接识别，这些数据只有在人面前才显得有意义。

 

　　数据量在数量级上的不同。在互联网领域，单条日志记录一般在一百字节之内，到了1PB的日志记录，已经是一个足够大的量。但在安防领域，一张普通的缩略图就几百KB，如果考虑高清摄像，高清视频，这个数量要更大。一个普通的中等城市，在主要交通卡口拍摄的图片，一年下来就能积压几个PB的数据，如果考虑视频，这个数据量更大。

 

　　对数据的实时性要求不同。在互联网行业，以日志型数据分析为主的典型应用中，对实时性要求没那么高，比如淘宝的推荐系统，是否分析最近一个小时用户的浏览记录对于推荐效果关系不大。而在安防领域，前端摄像头录制的都是实时流，这是一个不间断的数据流，最近录制的数据超过一定时间没有得到有效保存，将会永远被丢失。

 

　　针对安防领域与IT领域在数据本身上的异同，把适合IT领域常规的大数据技术搬到安防领域就会碰到一些技术难点，表现如下：

 

　　存储成本问题。在IT领域，海量的数据往往保存在分布式存储系统中，为了提高数据的可靠性，一份数据往往复制成几份相同的副本，分别保存在不同的节点中，当其中一些副本丢失时，可以从其他节点读出数据。比如在Hadoop中，一份数据往往在集群中保存了相同的3份。如果有1PB的原始数据，则至少要占用3PB的磁盘空间。而在安防领域，几个交通卡口的视频，在一个较短的时间内，如果不覆盖之前的数据，就能轻易积压几个PB。由于图像、音频、视频数据本身的量太大，生搬传统的多副本策略成本过高，我们需要设计出一些更高效同时不损失可用性的方案。

 

　　小文件存储问题。这个问题是大数据技术面临的一个共性问题，但在安防领域可能又突现得较为严重。在互联网，小文本、图片、音乐都是小文件，当层积较多时，都面临如何存取这些海量小文件的问题。而在安防行业，小文件主要以图片为主，比如一个城市的主要交通卡口在一年内，就能产生百亿张图片。对于这些海量的小文件的存储，涉及到大量元数据的管理，保证存取的性能是问题的关键。

 

　　当然，问题并不可怕，通过分析研究安防应用场景，我们摸索出一些贴合安防大数据的解决方案。

 

　　D1Net评论:

 

　　总而言之，在借鉴互联网大数据技术的同时，也要深入研究我们的安防场景，探索一些贴切安防应用的大数据技术。安防大数据第一阶段要解决安防大数据的存储问题，当解决好存储问题后，我们进入到安防大数据分析处理阶段，当我们具备娴熟的分析处理技术后，可以进入深度学习，多维数据挖掘的深入应用。这一路还很漫长，我们慢慢探索，精益求精，一定能让安防大数据更好的服务安防业，保证我们的幸福安康。