重庆监控维基百科全书的定义：“大数据是飞速增长的，用现有数据库管理工具难以管理的数据集合”。这些数据包括：社交媒体、移动设备、科学计算和城市中部署的各类传感器等等，其中视频又是构成数据体量最大的一部分。

　　据IMS Research统计，2011年全球摄像头的出货量达到2646万台，预计到2015年摄像头出货量达5454万台。仅仅视频监控录像而言，每天的数据量就达上千PB，累计的历史数据将更为庞大，在视频监控大联网、高清化推动下，视频监控业务步入数据的井喷时代。

　　“大数据或称巨量数据、海量数据、大资料，指的是所涉及的数据量规模巨大到无法通过人工，在合理时间内达到截取、管理、处理、并整理成为人类所能解读的信息。”维基百科对大数据的定义将大数据的特点阐释得非常清晰： “海量”和“非结构化”。

　　海量

　　IDC研究表明，2012年的数据存储总量约为2.8ZB，2020年数据存储量约为40ZB(1ZB=1亿TB)。数据量正在以 55% 的速度逐年增长。全世界粗略估计有至少有2亿个摄像头在角落里静静的看着我们。

　　非结构化

　　与通常讲的Oracle、SQL这类传统的数据中心级的结构化数据不同，视频监控业务产生的数据绝大多数以非结构化的数据为主，信息呈现上为松耦合的关系，这给传统的数据管理和使用机制带来了极大的挑战。

　　大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于如何让数据会“说话”。如何将海量的数据变成落地民生，进行商业趋势、判定研究质量、避免疾病扩散、打击犯罪或测定实时交通路况正是“大数据”盛行的本质。

　　围绕大数据的命题，经过采集后的视频数据通过创建数据仓库，进行数据的分析和挖掘，最终进行可视化的呈现，就是大数据的衍变过程。在大数据的发展趋势下，对海量视频监控数据的存储和管理是当下各大厂商积极探索的命题之一。

　　海量视频数据的存储和管理

　　视频数据的爆炸式增长，意味着需要投入更多的资源以及付出更多的努力，才能在这些体量庞大的数据中寻找到有价值的信息。目前各大厂商也发现单个节点的存储设备无法适应海量的视频监控数据的管理需求，其发展没能跟上数据增长的速度。其实不难发现，视频监控数据和传统的数据中心的结构化数据的业务模型相差较大: