В рубрику "Видеонаблюдение (CCTV)" | К списку рубрик  |  К списку авторов  |  К списку публикаций

Виртуализация ИТ-инфраструкуры для эффективного решения задач видеонаблюдения

Сегодня на первый план выдвигается построение таких систем, в которых участие человека в выявлении и реагировании на тревожные ситуации сведено к минимуму. Умные решения сами отслеживают, определяют и реагируют на тревожные события – люди лишь получают оповещения. Это позволяет минимизировать человеческий фактор (усталость, невнимательность, умышленное поведение) и серьезно сократить штат операторов. Построение полноценной современной системы видеонаблюдения – задача непростая, требующая значительных экспертных навыков в различных технических областях. Ситуация осложняется тем, что первоначальное внедрение требует значительных вложений в инфраструктуру, и ошибки при проектировании могут значительно повлиять как на конечную стоимость реализации проекта, так и на его функциональные возможности.

Технологии виртуализации позволяют избежать возможных просчетов, дают возможность ИТ-организациям создавать логический пул ресурсов на основе физического и гибко перераспределять их между различными сервисами. Более эффективное использование ресурсов приводит к меньшим затратам на внедрение, обслуживание и модернизацию. Виртуализация также улучшает доступность приложения, аварийное восстановление и повышает ИТ-безопасность.

Экономические и технологические выгоды виртуализации

Взрывное внедрение новых технологий в области видеонаблюдения, которое мы наблюдаем сейчас, требует инновационных подходов и решений в каждой отдельной составляющей. Более того, те задачи, которые появляются сегодня, выдвигают новые требования к надежности, масштабируемости, производительности и совместимости с различными инфраструктурами.

Являясь фундаментальной для облачных технологий, виртуализация позволяет реализовать интеллектуальные системы с полноценным использованием всех возможностей, заложенных в отдельные компоненты: программное обеспечение, серверное оборудование, сети передачи данных, СХД и т.д.

В традиционной информационной среде закупка, управление и финансирование прикладного ПО и вспомогательного оборудования осуществляются поэтапно, и реализация, как правило, может длиться месяцами. Технологии виртуализации и тем более облачные технологии дают возможность доступа к разным ИТ-ресурсам в течение минут либо часов, при этом их стоимость зависит от фактического использования. Один из возможных вариантов – это применение облачных сервисов, позволяющих использовать уже развернутые инфраструктуры. В случае публичного облака другой поставщик услуг владеет и управляет ИТ-ресурсами, распределенными между пользователями и доступными через Интернет.

Высокий уровень экономии за счет масштаба дает эффект низкой стоимости. Естественно, что необходимо помнить и о возможных рисках, возникающих при делегировании ответственности на определенные части инфраструктуры. Разумным выглядит подход гибридного облака, когда строится полностью работоспособное ядро видеонаблюдения, включающее все необходимые компоненты: камеры, сети передачи данных, серверную часть, системы хранения данных, а в случае появлении новых (непредвиденных) потребностей используются внешние ресурсы. Таким образом, гибридное облако представляет собой комбинацию собственной и внешней инфраструктуры, имея при этом следующие характеристики:

• оптимальное использование существующих ресурсов и их расходование;
• при изменении потребностей – быстрая масштабируемость и перераспределение мощностей;
• меньшие затраты на энергоносители, инфраструктуру и оборудование;
• более высокая продуктивность ИТ-персонала и всей организации;
• возможность удаленного доступа к архивной информации и результатам аналитики с любых платформ через Интернет.

Работа с BigData: задачи и решения

Современные интеллектуальные системы видеонаблюдения зачастую оперируют значительными объемами информации (Big Data).

Сам термин Big Data можно рассматривать под различными углами – это и просто большой объем данных, и тот объем данных, который трудно обработать/проанализировать с помощью традиционных подходов и методов. Данные, полученные от систем видеонаблюдения, уже сами по себе являются большими данными (их просто много), особенно если мы говорим о наблюдении за городом или большими инфраструктурными объектами. Для таких решений важно использовать специализированные системы хранения, которые изначально проектировались для работы с Big Data.

При проектировании системы, работающей с большими данными как при решении задач видеонаблюдения, так и при их дальнейшем внедрении и использовании, возникает ряд сложностей, которые следует иметь в виду:

• большой объем первоначальных данных и их постоянный рост;
• четкое проектирование взаимосвязей системы управления видеоданными (VMS) и системы хранения;
• эффективность хранения данных;
• надежность и безопасность хранения данных;
• постоянное увеличение клиентских подключений (добавление новых камер и серверов видеонаблюдения);
• удобство и простота обслуживания комплекса;
• расширение и модернизация всей системы видеонаблюдения.

Привычные дисковые СХД как с файловым, так и блочным доступом, архитектура которых разработана более 20 лет назад, пасуют перед большими данными, не справляясь с их эффективным хранением и управлением ими.

Действительно, большие объемы требуют нового подхода. Решить проблемы традиционных систем и ответить на вызовы Big Data призвана кластерная архитектура.

Принципы кластерной архитектуры

В связи с тем, что традиционные вертикальные (Scale-Up) системы не имеют возможности справляться с большими объемами и нагрузками, серверные фермы, вычислительные кластеры и Web-сервисы давно строятся по кластерной архитектуре. Ряд современных систем хранения использует этот же принцип.

Кластерная архитектура, лежащая в основе подобных систем, позволяет как совместить в одной системе простоту использования и надежность, так и обеспечить линейный рост объемов и производительность системы, что идеально подходит для задач, требующих хранения больших объемов видеоинформации. Для упрощения подключения серверов видеонаблюдения используются протоколы SMB, NFS, FTP и HTTP. Процессорная мощность контроллеров и количество портов ввода/вывода (Ethernet) ограничивают число серверов видеонаблюдения (и в конечном итоге – камер), которые могут быть подключены к классической блочной системе хранения данных. Кластерные же комплексы состоят из равнозначных узлов: добавление нового узла в кластер приносит и новое дисковое пространство, и дополнительные процессорные мощности, и дополнительные порты ввода/вывода, что важно для гранулярного масштабирования комплекса при добавлении новых камер видеонаблюдения.

Эффективный подход к расширению системы

Изначально система видеонаблюдения может быть относительно небольшой, но с течением времени ее размер может значительно увеличиться. Решение на основе платформы Scale-Out позволяет начать построение системы от небольшого объема (около 18 Тбайт) и увеличить его до десятков петабайт в единой файловой системе. Важно то, что кластерная платформа обеспечивает бесшовное расширение емкости и модернизации комплекса без прерывания работы системы видеонаблюдения. С ростом объемов растет лишь число узлов в кластере. Сохраняется единая точка администрирования и единая файловая система. Технологии горизонтально масштабируемых систем динамически развиваются, появляются новые возможности по бесшовной интеграции с облачными решениями между собственной ИT-инфраструктурой и внешним облаком. Тема аналитики больших данных только начинает проникать в видеонаблюдение, но многие системы уже технологически готовы к этому вызову и поддерживают интерфейс доступа к информации по протоколу HDFS (Hadoop FS).

Опубликовано: Спец.приложение "Video & Vision"-2014
Посещений: 7109

Автор Михаил Владимиров Технологический консультант компании EMC Всего статей:  2

В рубрику "Видеонаблюдение (CCTV)" | К списку рубрик  |  К списку авторов  |  К списку публикаций