当前市面上有一些所谓的监控云存储系统，一般都只存储视频或图像业务相关的数据，和业务是紧密耦合的，数据可靠性和访问速度也得不到保证。在旧的时期，这种系统满足了基本的数据存储需求，但长远来看，是无法适应安防大数据的应用需求的。这类系统没有核心的分布式文件系统支持，不是真正的云存储系统，云存储是实现安防大数据有效存储的必由之路。
典型云存储架构
大数据实时处理框架
安防系统有大量的视频图像数据，传统的使用方式都是事后靠人工来查阅，效率极低。安防系统的终极目标应该是及时制止犯罪，实现公共安全，所以需要对数据做到实时处理，甚至能建立预测模型，云计算就是实现这种目标的工具。举几个例子，美国洛杉矶警察局运用云计算技术，对历史卷宗的分析，形成了预测犯罪发生地的模型；微软运用云计算技术，将911的历史数据和监控视频相结合，可以成功预测某地的犯罪。
云计算系统可以划分为IaaS,PaaS,SaaS几个层次。IaaS主要完成了物理资源虚拟化工作，解除了业务和物理设备的关联，使得业务专注于业务本身，将资源管理交给了云计算平台。虚拟化的作用是显而易见的，它可以将业务变得弹性化，可以根据业务需求，虚拟出相应的计算资源给相应的应用。比如某体育馆有演唱会，即可对体育馆周边的视频数据进行重点智能化分析，白天可对交通十字路口的视频数据实时处理，晚上则可重点处理娱乐场所周边的视频数据。
但是，IaaS只是一个基础，安防行业云计算的核心价值体现在SaaS层。它需要按照分布式的思维，重新实现了安防大数据处理的业务逻辑，一方面要对业务进行解构，另一方要和底层的IaaS,PaaS紧密结合，形成相对垂直的系统形态。在云计算服务化之后，还可以体现出很好的规模效应。比如，目前的交通系统，由于通信系统和发布系统一般都是独立的专用系统，成本高并且整个系统相对封闭，影响了智能交通系统的普及。采用云计算模式以后，对于一些周边地区而言，只需要租用相应的智能交通云计算服务即可。这样就可以大大降低了智能交通系统的建设门槛，有利于智能交通系统的普及。随着更多用户的加入，进一步摊薄系统的建设成本，成本的降低又会带来更多的用户，通过这种良性循环，就可以加快智能交通系统的普及。
在多中安防大数据处理业务形态中，智能交通是安防大数据是目前比较热门的方向。一个大型城市3个月的过车历史记录就达到1800亿条，每天20亿条记录。如此庞大的数据量给传统的数据存储和分析计算都来了巨大的压力。传统系统难以支撑，容量有限，处理速度有限，扩展困难。云计算系统可以很好的解决这个问题，实现性能和设备数量线性扩展，从而实现了千亿级数据秒级查询的能力。这种高速检索能力，给刑侦、交通服务都带了巨大的好处，使得类似套牌车等大数据量查询运算的应用变得有可能。
典型的大数据实时分析系统
不管是何种安防业务，其大数据的处理流程是比较类似的，可以提炼出如图中所描述的处理框架。首先通过云存储将大量的图片、视频等非结构化数据存储起来，并提供统一的访问形式，数据共享的能力。然后运用云计算的视频摘要分析能力，从视频图像数据中提取人和车等元数据信息，变成结构化数据存储在分布式数据库中。通过快速检索技术，可以提供秒级检索能力，为实时决策提供数据支撑。通过离线分析在结构化数据上进行数据挖掘，将数据进行聚类，并最终形成数据模型，对未来的事情进行预测。同时云计算的实时计算又能根据模型来提供实时告警。以上就是安防大数据完整的数据流
