對一套安防監(jiān)控系統(tǒng)而言，數(shù)以萬計的相機接入，數(shù)據(jù)洪流源源不斷的流入后端云存儲系統(tǒng)中，如下幾個數(shù)據(jù)訴求是不能回避的：海量的多媒體數(shù)據(jù)內(nèi)容組織及檢索

具體來講，對圖像的調(diào)度時間要求保持在1秒以內(nèi)；

對編解碼以及整網(wǎng)傳輸延時不能超過300ms；

監(jiān)控系統(tǒng)安裝規(guī)模再大也不能影響這個指標；

多維度的內(nèi)容組織及挖掘，前端及后端智能結合，內(nèi)容大數(shù)據(jù)索引化；數(shù)據(jù)保存的安全可靠性

圖像數(shù)據(jù)需要專業(yè)存儲設備存儲并用RAID甚至多節(jié)點糾刪卷進行保護；

讀寫分離體系數(shù)據(jù)存儲永遠放在第一位保證，無論錄像還是圖片；

優(yōu)化的數(shù)據(jù)組織方式，更懂存儲特質的數(shù)據(jù)業(yè)務設計，最大化挖掘不同存儲介質性能；

端到端接入授權、全鏈路數(shù)據(jù)加密保障的安全保障，無論是中間網(wǎng)絡截獲還是存儲介質暴露，均無法直接恢復m有效數(shù)據(jù)；人工智能帶來的數(shù)據(jù)存儲挑戰(zhàn)

一方面，存儲對象由最早單純的原始視頻變到了視頻、圖片以及A1分析后的結構化半結構化數(shù)據(jù)。對象的改變，使得存儲系統(tǒng)要更多的考慮，如何更好的去適配多樣化的存儲對象?如何最高效的去存儲各類數(shù)據(jù)，并提供可靠的保護?海量小文件混合存儲的時候，如何避免傳統(tǒng)存儲中性能的大打折扣?

另一方面，存儲的寫讀模型也發(fā)生了大變化。原先的原始視頻存入存儲后基本不會被調(diào)閱，寫讀模型基本為10：1，但AI技術的出現(xiàn)徹底激活了這些數(shù)據(jù)，存入的視頻可以被高性能分析服務器提取進行人臉分析、車型分析、結構化分析，寫讀模型也變成了1：1甚至是l：N。在這樣的寫讀模型下，對存儲設備也提出了更高的要求，存儲不再是單單考慮如何存的更快存的更多，而是要考慮如何與AI業(yè)務融合，進行最優(yōu)的結合。

而當AI技術對數(shù)據(jù)價值進行提煉后，提煉出來的數(shù)據(jù)價值就發(fā)生了變化。例如原始視頻可能我們只需要保留30天，但是經(jīng)過結構化分析后的涉案嫌疑人圖片的重要性就不言而喻了，需要永久保存。那么當一套存儲系統(tǒng)中存在這樣那樣不同重要程度的數(shù)據(jù)時，完善的生命周期管理體系就顯得尤為重要了。何來區(qū)分數(shù)據(jù)的重要性，并提供有層次的保護技術變得尤為重要。

安防監(jiān)控公司表示當上面的種種挑戰(zhàn)出現(xiàn)后，我們還將直面一個現(xiàn)實問題：在爆炸量的數(shù)據(jù)、超高的性能要求和翻倍的成本面前，我們?nèi)绾稳プ非笮阅苋萘康淖顑?yōu)配比，找到最低TCO的方案，實現(xiàn)最優(yōu)解。

這一系列的變化，促使了安防數(shù)據(jù)已經(jīng)演變成了一個新的數(shù)據(jù)湖，必須借助一系列的數(shù)據(jù)治理手段，才能推動數(shù)據(jù)的有效利用。