视频监控数据飞速增长使传统视频监控体系架构以及数据的管理方式、数据的应用等都面临新的困境。

数据量的急剧扩大和IT投资之间的矛盾也日益增长。如果根据IT产业的法则，在满足客户需求的前提之下，技术成本往往不高，而生命力往往变强了。

由于数据量急速扩大，以及随之而来的大规模计算需求也越来越多，一味采用高配置的硬件，使得硬件投资成为客户不得不承受的，而客户越来越希望在满足需求的前提下，用中低端的硬件来替换高配硬件。

视频监控摄像头一般是7*24小时工作，如实记录镜头覆盖发生的一切，长时间工作导致海量数据和有效数据之间的矛盾。并且仅仅记录信息是不够的，因为对于客户来讲大部分信息可能都是无效的，有效信息只分布在一个比较短的时间段内。如果按照数学统计的说法则是：信息是呈现幂律分布的，也被称为信息的密度，往往越高密度的信息对客户才有更高的价值。

视频监控业务网络化、大联网之后，网络内的设备也越来越多，利用闲置的计算资料来实现资源的最大化利用，关乎运算的基本效率。

而资源利用和效率之间的矛盾，是串行计算和并行计算的矛盾。

在视频监控领域，往往视频分析的效率决定价值，更低的延迟、更准确的分析往往是平安城市等的普遍需求。随着数据量的增加，哪怕对TB级别的数据进行视频内容的数据分析和检索等，而采用串行计算的模式都可能需要话费好几个小时的计算，已经圆圆不能胜任时效性的需求。

视频监控的分析和检索，已经无法去以来传统的手段，巨量化数据的效率优化，而并行计算是视频智能分析的唯一出路。

源自：“/AnChong/120.html”