雲栖号： https://www.aliyun.com/#module-yedOfott8 第一手的上雲資訊，不同行業精選的上雲企業案例庫，基于衆多成功案例萃取而成的最佳實踐，助力您上雲決策！
很多人會困惑，雲計算究竟是什麼？
它是可以被看作為商品的一種計算能力，可以線上上被無限制流通，就如水、電、瓦斯一樣，可以被人們友善地取用，且價格相較低廉。
十多年前，無論是中國、美國，亞洲、歐洲，無論是大企業還是小公司，建設企業IT架構，為公司的業務和戰略做資訊支撐的思路都如出一轍——購買伺服器，隻是多或少的問題。
今天來看，這類IT基礎設施的布局是一項非常不必要的高額支出，因為他們可以通過租用“公有雲”的雲計算服務來擷取成本效益更高的IT能力。
雲計算将許多計算資源集合起來，通過軟體實作自動化管理，對于硬體資源的使用率，以及業務系統的建構和部署，都帶來了更細粒度的控制和更高的效率。
眼下，經由阿裡、亞馬遜、微軟等中外雲企業的不斷教育市場，雲計算部署已經成為科技轉型不可逆轉的趨勢， 建構合理的雲平台成了任何IT領域建構系統時的一種共識。
AI安防市場亦不例外。
安防專有視訊雲建構三大銅牆
1、海量實時多媒體資料傳輸及存儲
對于安防的認知，大多數人至今還是有些誤解：
安防就等于視訊監控，幾個攝像頭連接配接到大樓保安室，幾個保安盯着幾塊螢幕一整天。
實際上，星羅密布的監控攝像頭已經化為一個個智能終端，它們有網口、能控制甚至可接雙向音頻，攝像頭的互聯已經成為炙熱趨勢。
例如公共視訊網絡，已經從一個城市的互聯，發展到一個省的互聯，逐漸到一個國家的互聯，無論是新的網絡攝像頭，還是舊模拟攝像頭+DVS/DVR，都開始加速接入一個龐大的雲平台，從單純的視訊流媒體資料到雲台操作，每一個終端都成為了一個可被遠端控制的智能化終端。
這些單個攝像頭的涓涓接入，會形成一股氣吞山河的資料洪流。
據IHS Markit資料顯示，2018年全球視訊監控市場規模為182億美元，其中中國視訊監控市場占了全球市場佔有率的45%，是全球最大的一塊市場，而且增長速度也遠高于海外市場。
預估到2020年，全國攝像頭數量不少于4000萬個，某投行的報告稱行業每年還在以20%加速增長。假設所有攝像頭切換為1080P，每天的資料量是64G，每年的資料量是23T，中國每年至少将産生超過十億T的視訊資料。
面對如此大的資料洪流沖擊，一套安防系統需要應對和滿足的性能挑戰諸多，宇視科技丁強介紹說，主要有四點：
對圖像的排程時間要求保持在1 秒以内；
對編解碼以及整網傳輸延時不能超過300ms；
監控系統規模擴充都不能影響上述名額；
多元度的内容組織及挖掘，前端及後端智能結合，内容大資料索引化。
2、資料的高度安全可靠性
圖像資料需要專業儲存設備存儲，并用RAID 甚至多節點糾删卷進行保護。資料存儲重要性必須永遠放在第一位進行保證，是以無論錄像還是圖檔，都需要優異的讀寫分離體系作為支援。
另外，端到端接入授權、全鍊路資料加密的安全保障也是至關重要一環，無論是中間網絡截獲還是存儲媒體暴露，均須做到無法直接恢複出有效資料，保證最進階别的安防資料可靠性。
3、圖檔與結構化資料爆炸式增長
人工智能的深入應用， 給人工視訊調閱式的資訊了解方式帶來了機器了解，這讓視訊的資訊使用率一下子提升了成百上千倍。
此外，得益于視訊的内容了解、視訊被資料化和資訊化，因而在這樣的視圖大資料平台上，視圖大資料平台上的安防監控業務應用體系也得到了爆炸式增長。
安防專有視訊雲的部署及建構
正是上述安防資料的實時特點，必然需要引入邊緣計算，去作為中心服務雲做部分功能解除安裝，并就近內建安防業務相關的特殊功能子產品。
丁強說，接入邊緣傳感資料進行實時化業務的同時，其與中心雲“統一雲計算服務架構”承接，并繼續資料的互通，進而協同分析挖掘，形成進一步的業務服務&資料服務。
通過這樣的模式，達到中心雲計算與邊緣計算的優勢互補：
雲計算：成本低、高擴充和高可靠，适用于計算非實時、長周期場景；
邊緣計算：低延時、高可靠和更安全，适用于計算實時性、短周期場景；
邊緣計算與雲計算中心協同工作，提供更優質體驗服務。
梳理整個邊緣計算的發展，應該說安防監控領域成了邊緣計算最成熟的應用場景，結合邊緣計算，現有安防專有視訊雲的部署模式也基本成型，而在具體的視訊雲平台的建構上，丁強認為，需要注意以下幾個方面：
1、雲邊統一的雲計算服務架構
合理利用雲計算與超融合的架構，以統一的軟體定義計算、存儲、網絡的架構，合理利用專有硬體解除安裝實時計算需求，兼顧中心雲計算和邊緣計算的訴求，以統一界面建設視訊雲。
充分利用雲、邊、端全路徑的智能異構資源進行多媒體的實時處理，讓資料資訊最大化，同時基于算法倉、服務倉靈活部署，有效實作計算、存儲資源的全拉通。
2、以“資料湖”架構建構安防雲存儲系統
“資料湖”是一種在系統或存儲庫中以自然格式存儲資料的方法，它有助于以各種模式和結構形式配置資料，通常是對象塊或檔案。
“資料湖”的主要思想是對企業中的所有資料進行統一存儲，從原始資料（這意味着源系統資料的精确副本）轉換為用于報告、可視化、分析和機器學習等各種任務的轉換資料。
湖中的資料包括：結構化資料如關系資料庫（行和列）、半結構化資料（CSV、XML、JSON 的日志）、非結構化資料（電子郵件、文檔、PDF）和二進制資料（圖像、音頻、視訊），進而形成可容納所有形式資料的集中式資料存儲。
3、安防特點的資料治理架構
安防監控主要的資料來源，除了音視訊的結構化分析，還包括各種車輛、人臉等卡口資訊， 和案件警情、MAC、RFID等外圍采集資訊。
是以，必須要建構靈活的多元資料接入架構，同時在合理的資料中台管理架構下，保證資料的合理内化，進而為整個安防衍生業務提供完整的資料平台支援，這也是視訊雲架構中DAAS 建設重點。
4、安防業務驅動的深度安全運維管控架構
随着GB 35114-2017《公共安全視訊監控聯網資訊安全技術要求》的釋出和執行， 以及智能在安防行業的資料資訊化，人臉、車牌、軌迹等各種資訊安全問題，都不得不讓人對安防行業的安全管控提到前所未有的高度，更别說維護社會治安的系統不安全更是無法讓人接受了。
但傳統安全往往都過于關注裝置的漏洞、防入侵防攻擊等領域，對于安防視訊本身的業務體系涉足太少。是以，有必要基于安防業務特點出發，建構深度的視訊安全管控架構，實作雲、邊、端的全鍊路安全防控運維體系，具體包括晶片級密鑰管理發放、視訊傳輸加擾、大資料安全、準入安全等，同時結合可視化呈現，實作全網可視綜合态勢感覺平台。
安防内涵正不斷裂變
安防就像核反應堆，内涵在不斷裂變，外延在迅速擴張。
安防行業的内涵已經從事後驗證調查，向預判、預警和預防演進。與此同時，可以發現視訊監控不僅僅是用于公共安全，還有如視訊的直播和對講、食品衛生監督管理、工業自動化、生産自動化、司法公正、警務公開、政務公開等等。
如此龐大的外延業務，必然需要一個強而有力的雲平台的支撐，安防專有視訊雲平台建設應該是每個廠商應該思考的問題。
原文釋出時間：2019-12-11
本文作者：張棟
本文來自阿裡雲雲栖号合作夥伴“
雷鋒網”，了解相關資訊可以關注“
”
![9.spark Core 進階2--Cashe[圖]](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACwAAAAAAQABAAACAkQBADs=)