AI大数据时代下云存储技术
针对视频云存储技术，业内主流安防厂家可以说已经做得炉火纯青了。安防厂家将云存储的底层技术与安防流媒体结合，形成了安防特色云直存产品。无需外部设备拉流，存储可直接接收前端传输过来的数据。但如今，安防行业也发生了翻天覆地的变化，视频流已经*不能代表安防行业的数据特色了，AI时代即将来临。
目前业内的AI数据内容主要有人脸数据和结构化数据两种，包含机动车、非机动车、行人。数据类型包含了图片、抓拍记录、报警记录、图片属性信息等一系列非结构化数据。这类数据的特点是比较碎片化，与视频流数据类型不同。视频流可以保证持续不断的写入，而且文件打包大小比较均匀。但是碎片化的文件，由于其大小和数量都是未知，零散的写入对CPU和硬盘资源的消耗都是很大的。对CPU来说，需要同时处理很多的线程。对于硬盘来说，磁头需要不断的换道寻址，大大减少了硬盘的寿命。
对于这种比较特别的数据类型，传统的流媒体服务无法进行处理。目前主流安防厂商都为此专门开发了用于拉取此类数据流的软件，安装在通用的存储硬件中就可实现存储功能。由于是新兴市场，目前绝大多数场景中使用单台设备存储就可以满足，但随着AI的普及，数据量也将不断增大，对于一座城市来讲，为了掌握城市中交通状况，需要采集每一条道路、每一个路口的车辆数量信息、拥堵信息以及车流走向等。通过算法后的数据，可以模拟城市交通的运行状况，以此来预测下一秒的动向，及时作出预警方案，实现真正的大数据时代。当数据规模扩大到一定程度的时候，底层的云存储机制将是人们不得不考虑的技术支撑。但这样的话问题就出现了，传统安防云存储只有对视频的接入能力，无法主动获取结构化数据。于是，在未来的短期内，这种AI数据云存储势必成为存储应用层的主流。
虽然通过应用层与底层的对接，可以实现一体化的AI数据云存储，但是当数据类型进一步进化，出现新的数据结构时，云存储将如何应对？一味地做兼容开发势必不是长久之计，还会浪费人力物力。更糟糕的是，如果在一个现场存在多种数据类型，那就需要部署多套云存储来进行不同数据的存储，这对存储空间是一种浪费，占用的资金成本也高，可行性低。
为了解决这一困境，我们需要一种新的开发模式，那就是异构云存储，将存储的应用层与文件管理层、资源分配层独立开发部署，这样一来，做云存储底层和硬件的厂商可以专心保障存储机制的稳定性，应用厂商可以专心做不同数据类型的兼容。只要底层标准化做好，各大安防与存储厂商就可以形成一个稳定的生态合作。一方提供物理资源，一方提供上层业务，不再局限于软硬一体的产品模式。在此基础上，一些受限于资本投入的厂家甚至可以开发自己的云服务。上层的应用软件甚至可以存储在云端，作为一个公用资源，让终端用户开发属于自己的专业存储服务。
未来已来，相信在不久的将来，势必会看到各大安防厂商、算法厂商、存储厂商共同合作，构建一个统一的AI存储生态圈，为AI的场景化、民用化提供有力的数据支持。(作者：付邦鹏 靳龙雪 )