海康存儲現(xiàn)狀分析

大家下午好，我們的系統(tǒng)很早就已經(jīng)非常成熟了，現(xiàn)在大部分的視頻監(jiān)控相關的AI應用，在AI技術基礎之上，實現(xiàn)了大數(shù)據(jù)運算，大數(shù)據(jù)目標。這種系統(tǒng)在全國非常普及，大部分的公安新系統(tǒng)都是這樣，無非就是一個攝像頭識別100個，1000個，10000個目標的區(qū)別。

過去海康威視在存儲這個領域就是視頻跟圖片，還有少數(shù)的結構化數(shù)據(jù)。在以往僅僅是視頻，人用眼睛一個一個看，可能需要花很久很久時間，現(xiàn)在智能結構化有了之后可以搜新文件形式的出現(xiàn)。

我這里依托?？低曇延械娜诤显拼鎯Φ钠脚_應用，解釋一下我們的視頻數(shù)據(jù)，到現(xiàn)在到底發(fā)生了什么，我們看到這些視頻數(shù)據(jù)是視頻監(jiān)控的基礎，我們海量數(shù)據(jù)首先要先存下來，我聽到好多嘉賓說視頻不斷成長，會成為以后數(shù)據(jù)量成長的關鍵節(jié)點。

在整個數(shù)據(jù)存儲中，視頻數(shù)據(jù)的成長遠超于其他任何一個領域，我們現(xiàn)在說的視頻數(shù)據(jù)，不單指視頻監(jiān)控、視頻數(shù)據(jù)，比如說抖音。這些數(shù)據(jù)會是今后視頻主要的數(shù)據(jù)成長引擎，還有就是視頻數(shù)據(jù)以后的攝像頭從8K變成16K，會不會變成120K，這是很有可能的，這也是我們努力的目標。但是整個視頻存儲依賴于很多因素，現(xiàn)在來看，機械硬盤的成長還依賴于一個服務器，而視頻監(jiān)控存儲量成長一個是應用，我想存更久的東西，還是說我的視頻更有價值了？視頻數(shù)據(jù)價值在以前比如說我一個視頻數(shù)據(jù)有百分之幾是可用的，在1%以下，大數(shù)據(jù)沒有外發(fā)的時候是不會拿出來看，大部分數(shù)據(jù)都在一定時間段以后被覆蓋掉了。

說數(shù)據(jù)量成長，一方法是說它的分辨率從以前更小，現(xiàn)在更大，以及我們公共視頻監(jiān)控，以及民用視頻監(jiān)控體量的成長。比如說以前我家里沒裝攝像頭，現(xiàn)在加了一個攝像頭。但是僅僅依賴于分辨率上升是不夠的，因為分辨率上升有一個明顯的局限，所有的攝像頭采集到數(shù)據(jù)需要先編碼再傳輸?shù)侥硞€地方去，再存下來。

整個鏈路上無論是編碼層還是傳輸層，還是已顯示層，? 這些一定要就緒，是有很多受到整個產(chǎn)業(yè)鏈中間的限制。我還清晰記得當初剛進公司不久，從普輕變高清的時候，很痛苦的是好多顯示器顯示不出來我們的錄像，因為沒有顯示200萬和400萬的能力，我們?nèi)绻氚阉龅?K、16K，肯定依賴于更多配套相關東西來成長。

圖片存儲在視頻監(jiān)控中一直以來都是比較核心的東西，以前比較簡單，比如說發(fā)生移動偵測，我發(fā)現(xiàn)畫面中有人動，我就發(fā)現(xiàn)畫面有改變，就把圖片保存下來，這是AI的雛形，我只是判斷有東西在動，就把這個東西作為判定。現(xiàn)在說有很多應用有人臉、有人體、有車輛。首先以扣圖的形式，存下來和剛才的視頻數(shù)據(jù)就分開了。

還有智能結構化數(shù)據(jù)，這個也是近幾年，我需要把視頻中圖象數(shù)據(jù)轉化成一些字符，存圖象，機械無法理解，我把它結構化成字符放在結構里面，它就表示當前目標，所以加結構化數(shù)據(jù)。

這些是車輛特征，人體特征，用這些東西以后才有機會做后面的大數(shù)據(jù)。這是問題大數(shù)據(jù)的基礎，后面你想從人群中找到人是不可能的。現(xiàn)在說應用，視頻監(jiān)控說熱數(shù)據(jù)有點不太自信，因為視頻監(jiān)控冷數(shù)據(jù)太多了，現(xiàn)在有了AI之后，明顯把數(shù)據(jù)挖掘出來，如何把這個數(shù)據(jù)從以前1%使用率調(diào)到2%。

現(xiàn)在我首先在整個事件中獲得一些智能事件，還有應用反饋，以及動作反饋，比如說手機按上一個客戶端，現(xiàn)在我的攝像頭發(fā)現(xiàn)一個人在門口，它給我抓了一個圖，我是不知道，云后臺就發(fā)現(xiàn)門口有個人在動，他把這個人相關的錄像設置為熱數(shù)據(jù)，因為它知道事件發(fā)生了。還有很多判定，比如說我現(xiàn)在把應用打開了，然后翻我的事件，我動作點開哪個事件，后臺云就認為，點開這個事件認為想要看這個事件，后臺認為和這個事件相關的數(shù)據(jù)是熱數(shù)據(jù)，這也是作為判定的依據(jù)。

比如說我看攝像頭的錄像，我如何判定錄像是熱數(shù)據(jù)，我首先就是先把一些有事件，有人員有移動的數(shù)據(jù)變成熱數(shù)據(jù)，然后我按照以往的，我認為首先想看到晚上的畫面，我們判定熱數(shù)據(jù)之后就把熱數(shù)據(jù)放在SD里面，以備迅速翻出來。

這就是熱數(shù)據(jù)動態(tài)存儲應用，還有應用就是安防數(shù)據(jù)和普通視頻數(shù)據(jù)不一樣，比如說我現(xiàn)在看一個電影，這部電影有頭有尾，它可以選擇是不是1080P的，2個G你看不看？比如說我流量不夠，我選個720P的，它知道這個路線有多大，它也知道從什么時候開始，什么時候結束。

流數(shù)據(jù)就不一樣，流失數(shù)據(jù)，特別視頻監(jiān)控數(shù)據(jù)無頭無尾，你發(fā)現(xiàn)?？低曚浵衲闷胀ǖ牟シ牌鞣挪涣耍驗槲覀兾募^，沒有文件尾，這時候廠家說我就用NFS好了，我每隔段時間給你切片錄像。我們視頻監(jiān)控就變成分錄像，實際上我們下面的應用，下面的物理層完全無差別的，但是如何展示給用戶好像是我們把錄像分開了呢？我們肯定和剛才一樣有一個判定依據(jù)。
比如說發(fā)生一個從下午1-3點中間，這個門口從來沒有動過，從3點門進來一個人，到這個人走出攝像頭的范圍，我們認為另外一段，這個作為我們流數(shù)據(jù)文件展示的方式，這也是一種判定。

我如果判定是一個新的文件，這種實際上也是未來做大數(shù)據(jù)的時候，怎么能迅速把文件找出來，迅速把這些文件跟目標，跟對象，跟事件還有人臉的特征關聯(lián)起來一個重要的前提。還有一個現(xiàn)在不得不提的應用，這個應用實際上是一個放在攝像頭上的存儲，很多人都再說你們視頻監(jiān)控怎么就把這個錄像放在攝像頭上了？實際上是一個大勢所趨，我們無法回頭。整個應用起來，比如現(xiàn)在說一個民用數(shù)據(jù)，我沒有理由把攝像頭放在另外一個錄像盒子里面，我肯定是買攝像頭，你給我配的東西往里面存就好了。

我們回頭說一說整個分級和應用的整體，我剛才說的那么多種類的文件，數(shù)據(jù)分層中是無差別的被放到數(shù)據(jù)池里面，分層只是應用，下面有很多設備存一些大數(shù)據(jù)。融合云存儲，本身有高速池，中速池可以把SSD和SATA所有應用覆蓋掉，這些應用放在里面之后識別一些冷熱數(shù)據(jù)，是通過一些視頻分析，行為分析，把最終我們認為冷數(shù)據(jù)，實際上視頻監(jiān)控在AI發(fā)展之前都是冷數(shù)據(jù)，因為數(shù)據(jù)還是比較冷，幾乎很少翻出來看?，F(xiàn)在數(shù)據(jù)如果一個攝像頭放在一個路口，活躍度很高。

我這說的熱溫冷數(shù)據(jù)都不是通常說的概念，我們剛才說了分層存儲，我們說一個分布還有緩存加速概念，我現(xiàn)在說一個云的概念，我們這個云是一個黑盒子。我們的云有可能是這個東西，我們組成個人的東西，我們這就有一個非常好的概念，我這個大樓，我建了私有云，我買了4個黑盒子，分別放在ABCD，這四個黑盒子建立起私有云，不需要跟外界聯(lián)絡，可以存儲，可以分析，也可以做很多想做事，私有云可以把這些完成。

比如說有一個逃犯，我想把他抓出來，我把我的東西放在緩存池里面，我在實時畫面搜這個人，這個冷熱數(shù)據(jù)動態(tài)分層，在整個視頻監(jiān)控應用非常火熱?；谏厦娴睦斫猓一仡^說SSD，我們自己也在做，SSD我們理解應該分為專用的和通用的，我如果理解的事情通用SSD很容易理解，比如說SATA SSD，我必須適配你這個惠普，你這個戴爾，你什么都要適配，這些是好多通用SSD必須要驗過的。還有就是通用的，數(shù)據(jù)也好，分類也好，應用也好都是基于對某一類文件的理解。

比如說我就對視頻監(jiān)控文件理解很透徹，我所有應用都可以基于視頻監(jiān)控來做，我所有環(huán)境，我的使用，我的文件屬性，我的特性以及往下寫的一些那么多的速度，I/O，延遲都可以基于我們這個特殊應用來做。

所以我們以后SSD一定是走向專用的，就包括對我們自有系統(tǒng)的優(yōu)化，緩存的優(yōu)化以及溫數(shù)據(jù)和視頻監(jiān)控的優(yōu)化都會逐漸走入更加專業(yè)的一個小圓圈里面，現(xiàn)在用了很多通用，但以后會變更專業(yè)起來。