目前存储产品的价格上涨持续已经接近一年，而且这种完全出自于市场行为的状况依然没有要停歇的势头。Garter最新的一份报告中称，他们认为想要等到存储设备降价只能到2019年了。报告显示，除了智能手机和PC以外，物联网设备、自动驾驶等都对存储芯片有着巨大的需求，缺口也很大。而部分存储芯片可能会在今年年底时涨势有所下滑，但是前提是价格已经涨到一定程度。

信息技术不断进步，闪存、磁盘、数据中心、DNA等各种新的存储技术不断出现。可即便如此，仍难以满足日渐庞大的数据体量的存储需求，加之IoT（物联网）行业的发展，致使数据的体量更为惊人。不可否认，这些数据中许多都蕴含着价值，但也不能忽视数据的惊人体量。难道到2020年我们要将44ZB的数据全部记录并存储下来吗？因此，我们需要用云计算技术对数据进行智能分析。今天就来探讨2017年安防云计算核心技术。

大规模混合计算技术

监控系统产生的大量视频图像数据如果只靠人工来进行处理，效率会非常低，借助于视频智能化处理算法，已经可以从视频图像数据中获取一些简单的特征进行比对，或者进行模式匹配产生报警事件，提高了处理的效率。这种方式能够处理的数据量，数据组合的程度，数据的类型等等都还处于较低的水平，无法应对海量数据和日益增长的需求。大规模计算技术的目的就是为了提供一种统一的数据处理平台，上面可以集成各种智能化算法和计算模型，综合处理海量监控数据，以更快的速度得到更有价值的数据。

统一资源管理技术

监控系统产生的主要数据就是视频和图像数据，原始数据经过处理后，会产生更丰富的数据，处理的方式也会有很大不同。比如对于历史视频数据可以在后台处理的视频数据检索，对于卡口的车牌和人脸特征数据需要实时布控，对历史卡口信息需要做到实时检索。这些数据都需要不同的计算框架进行处理，通过引入统一的资源管理平台，可以在同一个资源池里运行不同的计算框架，大幅提高资源的利用率，同时在资源被某种业务独占时，又能最大限度的发挥系统的性能。

实时检索技术

传统的结构化数据都采用关系型数据库进行保存，通过RAC等技术形成数据库集群，通过索引方式进行加速，但是核心还是基于行存储和关系运算，面对海量记录时在各个方面都已经遇到了瓶颈。实时检索技术通过引入分布式数据库，列式存储，内存计算，索引引擎等技术，能应对100亿级别的结构化数据，在存储容量，可扩展性，检索速度等多个方面都可以得到大幅提升。该系统在智能交通、刑事侦查等视频监控领域具备重要的研究价值和广阔的应用前景。

复杂事件处理技术

随着安防行业的发展，业务变的也来越复杂，比如智能交通领域，出现了车辆积分研判、套牌车分析、同行车分析等需求。这些需求存在产生结果所依赖的条件多、处理过程实时性的要求高、需要处理的数据量巨大等特点。传统的方式是采用关系数据库，通过复杂的SQL语句组合，不断查询比对的方式，很难满足实时性的要求。复杂事件处理通过引入流式计算等技术，动态地对输入数据进行实时的分析，处理速度可以大幅提供。不符合条件的数据都被丢弃掉，系统中只存在处理的结果或者可能有用的中间数据，这样对存储的要求也变小了，完全在内存中进行全过程的分析，实时性得到了保证。

人脸检索技术

人脸检索的技术在单台服务器上的应用已经比较成熟，可以应用在身份鉴别、在逃人员抓捕、可疑人员排查、身份证查重等领域。人脸检测过程可以分为以下几个阶段：视频或图像解码、人脸检测、特征提取、特征比对，前三个步骤都是每次请求对应一次计算，计算量相对可控，而最后一个步骤特征比每次请求则需要和达亿级的人脸特征进行比对，是运算量最大的一个阶段。