存储设备与分布式存储的选择

本文涉及的产品
函数计算FC,每月15万CU 3个月
文件存储 NAS,50GB 3个月
简介:

集中存储的优缺点是,物理介质集中布放;视频流上传到中心对机房环境要求高,要求机房空间大,承重、空调等都是需要考虑的问题。

分布存储,集中管理的优缺点是,物理介质分布到不同的地理位置;视频流就近上传,对骨干网带宽没有什么要求;可采用多套低端的小容量的存储设备 分布部署,设备价格和维护成本较低;小容量设备分布部署,对机房环境要求低。

对于城市监控系统的监控数据,各个区域是否集中,怎么集中很多时候和一个城市的行政划分有关,一个城市的区域大小和可用的网络状况有关。城市越小,网络条件越好,越容易实现集中存储。反之就越需要进行分布式存储。如北京有8个区。建立视频监控系统时,可以每个区域先集中,再汇聚到总中心,如应急指挥中心。

视频监控存储采购需要注意的问题因为监控是一个视频应用类系统,具有和其它系统不同的访问特点:以流媒体方式对存储设备进行访问,多路视频长时间同时写入同一个存储,实时多路视频访问同一个文件,视频访问带宽恒定,带宽稳定性要求高,为1/25秒的平均值,视频访问时间长,容量需求巨大,存储扩展性能高。视频存储对存储环境没有特殊的要求。按常规监控系统的数据基本上都是临时性,超过在线存储时间(如7天、15天,个别会要求30天)后,就可以删除了,因此监控系统的备份很多时候只要能满足一个月就可以了。

因此的设备选型时,不一定非要选带宽最大的,而要选择带宽波动最小的,曲线最平稳的。因为要长时间运行,最好在用控制器架构的存储设备,不要选 择PC架构的,选择容量可以扩张的设备。

另外,在超过100TB容量的情况下,FC-sata设备的价格不一定就比ISCSI设备贵。FC支持的磁盘数量多,ISCSI设备一般支持的数量少,假设容量要求为500TB,FC-sata只需要一套就可以,而ISCSI设备就需要很多到才行,仅仅ISCSI设备的控制器部门的费用就是很大一块。

视频监控系统首先是一个视频应用系统,因为存储设备要能够提供稳定的带宽输出,满足长时间视频读写的要求,其次,视频监控系统既要满足大量摄像 头的实时数据写入,和要满足大量监控端的视频回放需求,因此,还要考虑存储系统可以提供足够的IOPS性能。

由于视频监控系统一般遍布全市甚至全国,因此存储设备还要考虑是否可以实现物理上分散,但管理和监控上可以统一的功能。

网络视频系统的存储方案选择视频应用类系统包括如网络视频、IPTV、VOD点播和视频监控。但由于网络视频系统的码率一般相对较小,大约为 100Kb/S-200Kb/s左右,因此对带宽要求相对较小。需要在线播放的用户很多,因此一般来将存储设备的IOPS性能要求很高,一般网站机房的总带宽一般都在1-2Gb/s(实际可用的带宽)左右,个别大型网站可能达到4-5Gb/s.能分配给网络视频板块的也就差不多100-200MB/S,因此对于带宽来讲一般的ISCSI存储和FC存储都可以轻松满足,但如果采用NAS存储,则需要中高端产品。

虽然采用高端NAS设备的成本较高,但NAS本身对外提供共享的文件系统,在网络视频的管理和共享方面区有天然的优势,方便后期的视频服务器数 量扩张和升级。ISCSI和中低端的FC设备由于采用低成本的SATA磁盘,IOPS新能一般都在6w-10w左右,因此无法用与大型的网络视频系统。

建议网络视频系统选型是要从带宽和IOPS两个方面去考虑,在两个方面都满足的情况,尽量采用NAS产品。大型系统建议采用FC磁盘的光纤设 备。

如果系统有一个好的视频管理系统和分发软件系统的话,可以采用小容量的高性能存储作为在线存储为用户提高实时访问,再采用一台低成本的 ISCSI或NAS设备作为二级存储。

例如安防尽量采用星型连接方式,同时也可以用总线的方式或者无线的方式做为补充。电力线载波很难用于安防探头的连接方式,因为无法解决停电时的 信号传输问题。星型连接还是信息综合布线的最佳解决方案。灯光和除了信息类家电以外的电器如空调、电饭煲等的控制可以采用总线、电力线、无线或红外等方式。


本文转自d1net(转载

相关实践学习
【文生图】一键部署Stable Diffusion基于函数计算
本实验教你如何在函数计算FC上从零开始部署Stable Diffusion来进行AI绘画创作,开启AIGC盲盒。函数计算提供一定的免费额度供用户使用。本实验答疑钉钉群:29290019867
建立 Serverless 思维
本课程包括: Serverless 应用引擎的概念, 为开发者带来的实际价值, 以及让您了解常见的 Serverless 架构模式
相关文章
|
6月前
|
存储 分布式计算 Hadoop
Hadoop【基础知识 01】【分布式文件系统HDFS设计原理+特点+存储原理】(部分图片来源于网络)
【4月更文挑战第3天】Hadoop【基础知识 01】【分布式文件系统HDFS设计原理+特点+存储原理】(部分图片来源于网络)
217 3
|
6月前
|
存储 分布式计算 监控
Hadoop【基础知识 01+02】【分布式文件系统HDFS设计原理+特点+存储原理】(部分图片来源于网络)【分布式计算框架MapReduce核心概念+编程模型+combiner&partitioner+词频统计案例解析与进阶+作业的生命周期】(图片来源于网络)
【4月更文挑战第3天】【分布式文件系统HDFS设计原理+特点+存储原理】(部分图片来源于网络)【分布式计算框架MapReduce核心概念+编程模型+combiner&partitioner+词频统计案例解析与进阶+作业的生命周期】(图片来源于网络)
298 2
|
3月前
|
存储 SQL 运维
“震撼发布!PolarDB-X:云原生分布式数据库巨擘,超高并发、海量存储、复杂查询,一网打尽!错过等哭!”
【8月更文挑战第7天】PolarDB-X 是面向超高并发、海量存储和复杂查询场景设计的云原生分布式数据库系统
104 1
|
4月前
|
存储 关系型数据库 分布式数据库
PolarDB,阿里云的云原生分布式数据库,以其存储计算分离架构为核心,解决传统数据库的扩展性问题
【7月更文挑战第3天】PolarDB,阿里云的云原生分布式数据库,以其存储计算分离架构为核心,解决传统数据库的扩展性问题。此架构让存储层专注数据可靠性,计算层专注处理SQL,提升性能并降低运维复杂度。通过RDMA加速通信,多副本确保高可用性。资源可独立扩展,便于成本控制。动态添加计算节点以应对流量高峰,展示了其灵活性。PolarDB的开源促进了数据库技术的持续创新和发展。
289 2
|
6月前
|
存储 Cloud Native 关系型数据库
PolarDB-X 是面向超高并发、海量存储和复杂查询场景设计的云原生分布式数据库系统
【5月更文挑战第14天】PolarDB-X 是面向超高并发、海量存储和复杂查询场景设计的云原生分布式数据库系统
303 2
|
5月前
|
存储 缓存 NoSQL
了解Redis,第一弹,什么是RedisRedis主要适用于分布式系统,用来用缓存,存储数据,在内存中存储那么为什么说是分布式呢?什么叫分布式什么是单机架构微服务架构微服务的本质
了解Redis,第一弹,什么是RedisRedis主要适用于分布式系统,用来用缓存,存储数据,在内存中存储那么为什么说是分布式呢?什么叫分布式什么是单机架构微服务架构微服务的本质
|
6月前
|
存储 监控 容灾
TiDB存储层深入:分布式存储架构与数据一致性保障
【2月更文挑战第26天】本文将深入探讨TiDB的存储层,详细解析其分布式存储架构、数据复制机制以及数据一致性保障措施。通过了解存储层的核心组件和工作原理,我们可以更好地理解TiDB如何确保数据的可靠性、高可用性和可扩展性。本文将从存储层的架构、数据分布、容错机制等方面展开介绍,帮助读者全面掌握TiDB存储层的关键技术和优势。
|
6月前
|
存储 分布式计算 Java
使用 Java 实现分布式计算和存储
【4月更文挑战第19天】本文探讨了使用 Java 实现分布式计算和存储,重点介绍了分布式计算的概念和分布式存储的优势。文中提到了Hadoop和Spark两大框架,以及HDFS和NoSQL数据库(如HBase)在存储上的应用。利用MapReduce和Spark API进行分布式计算,借助ZooKeeper实现节点协调,确保容错和可靠性。通过性能优化和调优,Java能构建高效、可靠的分布式系统,适应大数据时代的需求。
130 0
|
6月前
|
存储 缓存 固态存储
云计算基础-存储虚拟化(深信服aSAN分布式存储)
每秒钟的IOPS数,该指标主要用于评价小块IO性能,体现存储系统的IO延时能力和并发能力。业界一般默认IOPS指的是4K块大小的IO性能,该值越大说明性能越好。
153 1
|
6月前
|
消息中间件 存储 缓存
分布式实时消息队列Kafka(四)消费分配策略与存储机制
分布式实时消息队列Kafka(四)消费分配策略与存储机制
218 1