监控是个好东西,但这么多数据怎么放是大问题
视频监控已是安防工作
不可或缺的一部分
小到个人物品丢失、
大到国家治安的有效保障
监控经常都常常起到了关键作用

然而伴随着监控质量和数量的提升
问题来了……
源源不断的视频数据如何有效存放?
买更多的存储就可以?
并没有那么简单
下面这个客户
就经历了视频监控数据庞大
但束手无策的窘境
它的故事供你参考
服务器利旧并不能一劳永逸
S公司是国内某领先AI企业,在全国各地有多个分支机构。出于公司内部设备及人员安全性的考虑,S公司陆续建立起了配套视频监控系统。以北京总部为例,目前办公楼内有高清摄像头100多个,每个摄像头采集视频数据保留1年,预计数据存储量为1PB以上。

过去,S公司每年都会把淘汰下服务器利旧,作为视频存储服务器。在公司发展壮大的早期,这套方案完全可谓一举两得,既无需额外购买存储服务器,又能让淘汰下的服务器充分发挥余热,为公司省下成本。
然而随着公司规模扩大,摄像头数量的增长,以及视频保留时间的延长,经年累月,视频存储服务器已经达到30多台。而且由于各服务器型号和配置年代不同,性能及容量也都存在很大差异,该模式的弊端开始凸显。
一次技术交流吐露了心声
在一次技术交流中,S公司的IT人员向戴尔易安信技术人员吐露了他们的心声和痛点,详细说明了监控系统的使用情况,具体表现为:
数据管理困难
物理设备激增
机房空间不足
运营成本增加

针对客户的面临问题,经过调研和分析。戴尔易安信技术人员为S公司推荐了IP SAN解决方案作为公司面向未来的视频存储IT架构。

IP SAN解决方案方案
1
该方案的设计,出于以下几点考虑:
需要保证高可靠性;
要保证数据安全性,防止数据丢失;
未来数据量还会不断增加,系统需具有良好的可扩展性;
在满足客户当前和未来应用的基础上,采用性价比最优的企业级产品和解决方案。
以上考虑,IP SAN轻松化解
IP SAN方案可以提供一个大存储池,无需客户频繁手动挂载空间;
后期扩容便捷,只需在存储后端添加扩展柜即可完成扩容;
扩展潜力大,存储容量灵活扩展至PB 级;

管理与存储分离,计算节点和存储节点解耦;
专业的存储设备拥有更多的数据安全措施;
存储设备可提供高达5个9的可靠性;
MTBF(Hours):25万以上
存储设备硬件全冗余;
由于IP SAN存储的空间可以通过IP网络灵活映射给其他业务服务器使用,所以企业内部多种应用均可以不受地域限制,进行集中的数据存储,提高存储设备的复用率;
1台4U60盘位IP SAN存储=5台服务器(12盘位存储型服务器)
空间节省60%(服务器10U-> IP SAN存储4U)
功耗降低53% (5台服务器3750W-> IP SAN存储1755W)

点击图片了解 PowerVaultMD4 10 Gb iSCSI阵列内容
为了更加清楚直观地了解到客户现有服务器模式与IP SAN方案的差异,下面将这两种方案的优缺点汇总如下。在不同的发展阶段,用户可以根据自身的实际需求选出更适合的解决方案。
客户现有服务器模式
IP SAN集中存储模式
优点
• 部署成本较低,可通过添加软件模块实现安防监控的所需功能;
• 比较适合多点部署的项目,超大型的监控项目可以就近存储视频文件,节省带宽。
• 管理与存储分离,功能的单一保障了系统的稳定;
• 专业的存储设备拥有更多的数据安全措施如指定数据冷备盘、冗余控制器、双电源;
• 更方便且安全的扩容方式,只需在存储后端添加扩展柜即可完成扩容;更便捷的管理,可通过网页的形式对存储系统进行管理、监控;
• 存储容量灵活扩展至 PB 级;
适用于绝大多数集中式视频监控存储情形。
缺点
• 单台存储服务器容量有限,超过服务器承载容量,需要手动调整存储位置;
• 如果数据量很大,存储服务器的管理就成为了一项挑战,各存储服务器较为独立,缺乏数据的整体安全方案,如果一台服务器宕机,这台服务器上的数据短时间内很难快速恢复;
• 管理及部署相对复杂,存储服务器与前端摄像机存在一一对应关系,机器出现故障则该机器管理的部分摄像机无法进行数据存储。
对网络带宽的要求较高,当所有的数据全部汇聚存储到后端中心,会给网络造成一定压力。
综述
存储服务器方案适合数据量较小的情形,可以快速部署,且可实现所有的软件功能;
在数据量较大的情形下,管理及数据的安全就成为一种挑战。
• IP SAN方案作为十分常用且成熟的解决方案适用于绝大多数情形,因其保证了数据容量、数据安全、管理的便捷;
• 此方案大多数部署在局域网或专网内。
目前,IP SAN解决方案已经在S公司北京总部、成都分公司等多个地方上线运行,顺利承接了S公司视频数据存储的重任。后续,该方案还会陆续为其它分支机构进行升级改造。

未来展望
近年来,视频监控行业向“高清化、网络化、智能化”的趋势加速演进,这三点需求也正是存储设备尤其IPSAN存储的发展机遇:
高清化催生了数据量的高速增长,需要将数据完整而高效地保存下来;
网络化要求系统具备更强的存储、检索和备份等功能;

智能化是通过机器视觉技术,对视频数据流进行图像处理、目标分析,以实现自动检测、目标跟踪等目的。目前S公司已经积攒了海量监控数据,可以结合AI技术,采用后端处理方式,使用服务器CPU+GPU架构,GPU集群服务器可以充分利用多GPU的并行处理能力,对数据进行高效、便捷的管理。
这种方式借助IPSAN存储非常容易实现,GPU服务器集群可以通过网络非常方便地访问到内网的视频数据,从而有效地提高视频处理效率,以及提升后期对监控数据的查验和检索效率。

相关推荐
Myth:@yu199195 大神的分布式事务补偿框架 添加了自己的东西
Myth @yu199195 大神的分布式事务补偿框架 添加了自己的东西
Scaling_Django_Apps_With_Amazon_AWS.pdf
英文版教程,切记不懂英文或英文不6的不要下载。同时欢迎懂英文的做个中文版的,谢谢!
Navicat_Premium_11.0.10 全能 pj 版
Navicat_Premium_11.0.10 全能版本,可以连接acc,sqlserver 。oracle,mysql,sqlite,postgresql, 无限制!
无人机手势控制数据集46176张VOC+YOLO格式.zip
数据集格式:VOC格式+YOLO格式 压缩包内含:3个文件夹,分别存储图片、xml、txt文件 JPEGImages文件夹中jpg图片总计:46176 Annotations文件夹中xml文件总计:46176 labels文件夹中txt文件总计:46176 标签种类数:8 标签名称:["follow","follow_hand","land","land_hand","null","object","takeoff","takeoff-hand"] 每个标签的框数(注意yolo格式类别顺序不和这个对应,而以labels文件夹classes.txt为准): follow 框数 = 22056 follow_hand 框数 = 4038 land 框数 = 7609 land_hand 框数 = 3300 null 框数 = 2642 object 框数 = 2 takeoff 框数 = 3494 takeoff-hand 框数 = 3645 总框数:46786 图片清晰度(分辨率:像素):清晰 图片是否增强:否 标签形状:矩形框,用于目标检测识别 重要说明:暂无 特别声明:本数据集不对训练的模型或者权重文件精度作任何保证,数据集只提供准确且合理标注
三相光伏发电系统中MPPT和并网控制策略的研究(Simulink仿真实现)
内容概要:本文系统研究了三相光伏发电系统中的最大功率点跟踪(MPPT)与并网控制策略,深入分析光伏阵列在不同光照和温度条件下的输出特性,设计并实现了基于Simulink的完整仿真模型。该模型涵盖光伏阵列、DC-DC变换器、MPPT控制器、逆变器及锁相环等关键模块,重点验证了系统在动态环境变化下实现高效能量转换的能力,并确保并网电流符合电能质量标准。研究对比了多种MPPT算法的动态响应与稳定性表现,优化了并网控制策略以提升整体系统性能,为光伏系统的设计与控制提供了理论依据与仿真支持。; 适合人群:具备电力电子、自动控制或新能源发电基础知识的高校研究生、科研人员及从事光伏系统设计与仿真的工程技术人员。; 使用场景及目标:①用于教学与科研中深入理解光伏发电系统的MPPT原理与并网控制机制;②指导实际工程项目中光伏逆变器控制策略的设计与仿真验证;③为撰写相关学术论文或完成课程设计提供可复现的Simulink模型与理论支持。; 阅读建议:建议读者结合文中提供的Simulink仿真文件,逐步搭建系统模型,调试MPPT与并网控制参数,观察关键波形如光伏电压、电流、功率及并网电流的变化,加深对控制逻辑的理解。同时可尝试改进算法以进一步提升系统动态响应与鲁棒性。


其他
