警务云计算平台解决方案 - 简化版
警务云计算解决方案
1总体架构 (3)
2服务器虚拟化-cCloud (5)
2.1cCloud简介 (5)
2.2cCloud平台框架 (5)
3桌面虚拟化技术-cDesktop (7)
3.1概览 (7)
3.2优势 (8)
3.2.1降低桌面能耗 (8)
3.2.2降低服务器成本 (8)
3.2.3节约资金开销和运营开销 (8)
3.2.4提高能效 (9)
4云存储系统-cStor (9)
4.1cStor云存储系统简介 (9)
4.2C1000系列产品特性 (10)
高可靠性 (11)
高性能 (11)
在线伸缩 (11)
通用易用 (11)
智能管理 (12)
5分布式数据库-数据立方 (12)
5.1数据立方(DataCube) (12)
5.2优势 (13)
6任务调度引擎-JobKeeper (14)
7应用案例 (15)
7.1智能视频分析应用 (15)
图像智能检索 (17)
人流/车流统计 (18)
事件检测 (18)
7.2“智慧南京”综合视频平台解决方案 (18)
2012年公安部发布《关于贯彻落实〈全国公安装备建设“十二五”规划〉指挥信通装备建设项目的工作意见》，明确将警务云计算中心建设工作纳入信息化建设整体规划。“警务云计算平台”建设的启动是公安从实战需要和实用需求出发，运用“云计算”和“物联网”技术服务公安打防管控工作的一次创新和突破。“警务云计算平台”以“公安内网、互联网、图像专网、安全接入网”四网为基础，以“IaaS、PaaS、SaaS”三层为依托，以“云盘、平安城市、智能交通、指挥调度、后勤保障、视频监控、情报分析、警务指挥、打防管控”等各公安业务应用为重点，将打造成一个节能、高效、安全、可靠的云计算中心。
根据公安部对公安科技信息化发展部署要求，公安数据中心要以云平台为核心技术，响应国家节能减排号召，减少公安科技信息化硬件重复投资，增强数据中心的运维安全管理，建成高科技、高可用的新一代数据中心。
警务云计算平台的建设从设计之初就着眼于对公安业务系统实行统一规划和建设，实现基础软硬件资源的统一管理、按需分配、综合利用。通过虚拟化服务和云桌面服务以获得满足需求的基础资源，真正实现了资源的按需分配。应用系统的部署时间从过去的几周甚至几个月提高到现在以分钟计算，节省了大量时间、精力，将各业务单位从繁杂的后台工作中解脱出来，得以专注于自身业务的开展实施。另外警务云计算平台还便于将原有的设备整合进来，实现不同资源的融合、对异构资源进行统一调度管理，不仅仅使数据中心的资源可用性得到大幅提高，同时保护了投资、节省了总成本，有利于解决当前公安信息化重复投资问题。
1总体架构
随着图像、视频、指纹人像模型等信息采集数据量剧增，公安工作进入了“大数据”时代。当大量数据产生后，需要公安干警在工作过程中实现更精确的数据关联查询和检索分析，而“云计算”的“分布式计算、海量数据处理”优势将实现数据的可靠存储，并实现各类数据的交互，对公安各类数据的存储、分析、有效利用起到关键作用。利用云计算技术，可整合公安办案过程中行为轨迹分析、社会关系分析、生物特征识别、音
视频识别、银行电信诈骗行为分析、舆情分析等多种分析研判手段做到围绕治安焦点能够快速精确定位、及时全面掌握信息、科学指挥调度警力和社会安保力量迅速解决问题提升人民群众的安全感。“警务云计算平台”启用后，公安将充分发挥云技术高度整合信息的作用，实现跨部门、跨警种，甚至跨地区的信息共享，破解信息警务难题，为公安机关在刑事侦查、治安管理、交通管理、社会服务等方面提供强有力的信息化基础平台。此外在“云计算”基础平台上，通过“云计算公共服务平台”将面向广大市民提供包括窗口服务、互联网服务、移动终端服务、24小时便民自助服务、电话语音短信服务等多种服务，为社会公众提供更全面的“贴心”服务。以下是警务云计算平台总体架构：
IaaS层：利用虚拟化技术将计算、存储和网络等基础硬件资源，以逻辑方式形成基础资源池层，再将资源池提供的虚拟机、虚拟存储或虚拟端口组等经过二次封装与组合、调度使用，形成一个个面向组织用户的虚拟服务器、虚拟桌面或者云存储系统，通过这样的形式为公安系统的各业务单位提供资源服务；同时提供物理资源和虚拟资源的统一
监控管理，进而提供全生命周期资源服务。
PaaS层：在IaaS层基础上，提供分布式数据库--数据立方来解决海量结构化数据的管理和数据交互，提供标准SQL接口、JDBC技术，能够与前台应用进行无缝对接；同时提供海量任务并行调度引擎JobKeeper，能够实时处理大规模并发任务的负载均衡和任务分发，做到所有任务实时分发处理，不堆积，做到高度可靠性，任何任务处理过程中不会丢失，保障所有任务都能够处理完。
SaaS层：警务云计算平台能够支撑所有公安业务系统在上面运行，所有业务数据统一管理，根据权限做到绝对安全访问，能够支撑的业务应用：云盘、平安城市、智能交通、指挥调度、视频监控、情报分析、舆情处理等等。
2服务器虚拟化-cCloud
2.1cCloud简介
cCloud是南京云创存储科技有限公司自主研发的虚拟化云计算平台。cCloud平台可以加速高伸缩性的公共和私有云IaaS的部署、管理、配置。帮助企业用户快速而轻松地将虚拟数据中心资源转入自动化、富于弹性且可自我服务的云平台中。另外cCloud 兼容亚马逊API接口允许跨cCloud和亚马逊平台实现负载兼容。使用cCloud作为基础数据中心操作者可以快速方便的通过现存基础架构创建云服务。
2.2cCloud平台框架
cCloud采用了“框架＋插件”的系统构架，通过不同的插件来提供对不同虚拟化技术的支持。对于标准的Xen / KVM计算节点，cCloud需要在计算节点上安装Agent 与控制节点进行交互；对于XenServer / VMWare计算节点，cCloud通过XenServer / VMWare所提供的XML-RPC远程调用接口与计算节点进行交互。
cCloud虚拟化云计算平台采用计算设施、网络设施、存储设施来做基础设施，通过这3个组件框架搭建与业务流程引擎相结合，并封装成企业流量计费的API接口，与前台应用或终端无缝对接，用户可以通过笔记本、手机终端、其他终端，互联网访问cCloud 提供的管理控制系统或API进行对虚拟云平台进行有效管理。
3桌面虚拟化技术-cDesktop
3.1 概览
cDesktop是一款以轻盈级高性能虚拟机为基础，将桌面环境及应用软件云化的技术。依据使用者的意图与喜好，提供多个具有针对性与个性化的使用环境，使用户在任意地点、使用任意设备，随时进入所需要的环境进行操作。
cDesktop虚拟化技术，为企业提供稳定、安全、高效、易管理的IT 办公环境，同时降低企业IT 部门的PC 维护成本及未来采购成本。cDesktop以完善的售后服务、企业定制化培训为宗旨，为企业办公系统保驾护航。
3.2 优势
3.2.1降低桌面能耗
通过服务器整合和动态管理整个服务器池中的计算资产，降低数据中心的能源需求。利用cDesktop将资源提供到需要的地方，不仅能使能源成本降低80%，而且即使关闭服务器也不会影响应用程序或用户。通过cDesktop，客户可以利用能耗更低的瘦客户端来取代利用率低下的PC 桌面硬件，从而达到减少企业桌面能耗的目的。此外，这还可以延长桌面硬件的预期使用寿命，这样用户就不必太频繁地更换桌面。
cDesktop虚拟桌面还可以利用虚拟基础架构的动态工作负载平衡和分布式电源管理功能。通过虚拟化技术，可实现智能化的桌面设计，这将帮助各种规模的企业显著节约电能。
3.2.2降低服务器成本
大部分的方案都要求添购数量庞大的服务器，并且需要更换现有的终端电脑，还需要对现有的IT 架构进行重整，资源的投入庞大。
cDesktop可完全利用现有的硬件设备，对服务器的要求也比其他方案低许多，可节省硬件的投资费用。cDesktop也不要求对现有的IT 架构做大规模的变更，可节省部署所需的人力与时间。
3.2.3节约资金开销和运营开销
在当前严峻的经济虚拟机下，面对成本、资源和时间这三重压力，如何确保既能不断创新，又能达成自身的服务级别呢？您可以通过构建虚拟化基础架构来实现对IT 和数据中心的控制。利用cDesktop虚拟化，将能立即实现可量化的成本节约，同时确保真正的业务灵活性，即具备针对不断变化的市场虚拟机作出快速响应的能力。
在工作中，不同的部门需要不同的应用系统组合，当承办人员的电脑故障或者业务增减、人员增减时，在不中断任务进行的同时，系统的扩充或缩减就成了一件很困难的
事情。cDesktop的应用软件云化功能，令应用软件的增减皆在服务器上，无需现场部署。虚拟机再现功能可让使用者在任一电脑上，再现使用者的桌面、软件与数据，可保持任务不中断，不受使用者桌面电脑故障的影响，这也节省了设备的投资与维护费用。
3.2.4提高能效
随着时代的不断发展，人们的关注点也转到了能源效率及性能表现，企业也要选择最佳的虚拟化基础架构解决方案来满足目前的业务需求，并且将来与业务共同发展，从而保持公司的竞争优势。cDesktop作为优秀的桌面云服务解决方案的提供商，提供了最可靠的解决方案，把缺乏灵活性的IT 虚拟机转换为灵活的自动化云计算基础架构，帮助您在实现成本节约的同时获得生产效率优势。
4云存储系统-cStor
4.1cStor云存储系统简介
cStor云存储系统是南京云创存储科技有限公司自主研发的高科技产品，是一种软件与硬件相结合的系统，其中专有技术和软件是高附加值部分。与目前国际上知名的云存储技术相比，具有超高性价比、高可靠、通用、免维护的优势，可以广泛应用于需要存储大量数据的应用场合（如安防、广电、电信、互联网、银行等领域）。特别地，cStor 每个标准机架的最高容量可达1024TB以上，是国际最高水平的3倍，拥有成本和运营成本都仅为同类产品的几分之一。
下图4-1为cStor云存储产品C1000系列存储机柜。
图4-1 cStor C1000系列产品存储机柜
4.2 C1000系列产品特性
C1000系列云存储产品是南京云创存储科技有限公司的第一代云存储产品，它具有
如下特性：
高可靠性
系统中采用廉价的大容量存储服务节点，通过cStor系统软件实现统一管理和容错，提供高效、稳定服务。与使用专用服务器相比，可以将系统构建成本节省5-10倍以上，且规模越大，优势越明显。在降低系统的构建成本的同时，系统的可靠性不仅没有收到影响，相反，通过一系列的可靠性保障机制，使得cStor系统具有高可靠性的特性。
在cStor云存储系统中，数据具有多个副本（默认情况下是2份，可以根据需要设置），任意节点出现故障，系统将会自动复制数据副本到新的节点上，不会丢失数据。这样，在节点发生故障的情况下，也可以实现数据的无间断服务。
同时，元数据管理节点采用双机镜像模式容错，如果有一节点出现故障，另一节点自动接替。
高性能
cStor采用控制流与数据流分离的技术，数据的存储或读取实际上是与各个存储节点上并行读写；这样随着存储节点数目的增多，整个系统的吞吐量和IO性能将呈线性增长。
同时，cStor采用负载均衡技术，自动均衡各服务器负载，使得各存储节点的性能调节到最高。
在线伸缩
cStor云存储系统扩容非常方便，支持不停止服务的情况下，动态加入新的存储节点，无需任何操作，即实现扩容；同时，无需人为干预，也可以摘下任意节点，系统自动缩小规模而不丢失数据，存储在此节点上的数据将会重新备份到其他节点上。
通用易用
cStor云存储系统提供标准POSIX接口，无论是哪种操作系统下的应用程序，都可
以不经修改将云存储当成自己的海量磁盘来使用。同时，也提供专用的API接口，供开发人员调用。
智能管理
提供基于WEB的管理平台，所有的管理工作均由cStor管理模块自动完成，使用人员无需任何专业知识便可以轻松管理整个系统。通过管理平台，可以对cStor中的所有节点实行无间断监控，用户通过监控界面可以清楚地了解到每一个节点和磁盘的运行情况。
5分布式数据库-数据立方
数据处理是对数据的采集、存储、检索、加工、变换和传输。数据是对事实、概念或指令的一种表达形式，可由人工或自动化装置进行处理。数据的形式可以是数字、文字、图形或声音等。数据经过解释并赋予一定的意义之后，便成为信息。数据处理的基本目的是从大量的、可能是杂乱无章的、难以理解的数据中抽取并推导出对于某些特定的人们来说是有价值、有意义的数据。数据处理是系统工程和自动控制的基本环节。数据处理贯穿于社会生产和社会生活的各个领域。数据处理技术的发展及其应用的广度和深度，极大地影响着人类社会发展的进程。
5.1数据立方(DataCube)
我们以B+树的结构建立了字段的索引，每个B+树结构的字段索引相当于一个数据平面，这样一个全局数据表与其多个重要字段的索引就组成了一个类似于立方体的数据组织结构，我们称之为“数据立方(DataCube)”。如下图所示：
数据立方(DataCube)是一种用于数据分析与索引的技术架构。它是针对大数据(big data)的处理利器，可以对元数据进行任意多关键字实时索引。通过数据立方对元数据进行分析之后，可以大大加快数据的查询和检索效率。
数据立方是凌驾于数据存储层和数据库系统之上的，通过数据立方解析后，可以大大增加数据查询和检索等业务，可以让系统平台具备数据实时入库、实时查询、查询结果实时传输等优势。
5.2 优势
实时性：平台在高效率并行分布式软件的支撑下，可以实时完成数据处理和分析工作，如数据处理、数据查询、和统计分析等。数据处理不会出现数据堆积现象，各类分析和查询工作基本都在秒级完成，具有前所未有的高效性。
响应速度快速：在海量数据领域，DataCube的响应速度远远快于传统的数据库。采用分布式处理的方式，性能与节点数成正比，通过增加节点的方式，可将性能提升，以达到满足需求的处理要求。
高可靠性：基于对云处理可靠性深厚的研究积累，彻底解决了当前分布式处理平台易出现的单点故障问题。任何一个节点出现故障，系统将自动屏蔽，而且不会出现丢失数据的现象。
可伸缩性：在不停机的情况下，增加节点，平台的处理能力自动增加；减少节点，平台的处理
能力自动缩减。这样，可以做到与资源池的无缝对接，根据处理和存储任务动态地申请或释放资源，最大限度地提高资源利用率。
高性价比：采用X86架构廉价处理机构建云处理平台，用软件容错替代硬件容错，大大节省成本。在目标性能和可靠性条件下，可比传统的小型机加商用数据库方案节省10倍左右的成本。
全业务支持：采用NoSQL＋关系数据库混合模式，绝大部分海量数据存放于分布式平台并进行分布式处理，少量实时性要求很高的数据存放于关系数据库，可支撑各种类型的业务。不仅支撑查询、统计、分析业务，还可支撑深度数据挖掘和商业智能分析业务
6任务调度引擎-JobKeeper
JobKeeper调度平台是建立于虚拟化资源层之上，统一调度，统一配置的管理平台，用于对集群中任务实时的处理调度，实时结果集的反馈，集群的负载均衡，失败调度，集中管理，集中配置的平台。用来保证整个集群的超低人员干预。同时，提供完善的集群伸缩机制为整个服务提供更高的可靠性。
JobKeeper云调度技术架构图
应用层是一组用于管理和结果反馈的显示组件。用于显示任务的处理情况以及集群中机器的活
动情况，同时其也是一个上层应用和底层服务的对接平台。是整个系统面向用户和开发人员的基础承载。
业务层是对于应用层的相关功能的业务化，数字化处理，用于将应用层的需求任务进行规则化划分，形成统一的处理化模式。
数据处理层是独立的数据处理程序，是对不同需求数据的统一处理方案，他的运行与监控的工作将由JobKeeper调度平台进行统一的配置管理。
存储层是用来存储数据存储层的处理结果集或者其他中间结果集的单元。
虚拟化资源层是将实体的机器进行虚拟化，形成更大范围的服务集群。
7应用案例
7.1智能视频分析应用
智能监控视频分析是计算机视觉领域
的一个新兴应用方向和备受关注的前沿课
题，结合了计算机科学、机器视觉、图像处
理、模式识别、人工智能等多个学科。智能
视频分析在不需要人为干预的情况下，利用
计算机视觉和智能视频分析方法对海量监
控视频进行自动分析，包括目标检测、目标
分割提取、目标识别、目标跟踪以及对监控
场景中目标行为的理解和描述，得出对图像
图1、视频分析技术
内容含义的理解以及对客观场景的解释，从而指导和规划行动。
近年来，随着平安城市的建设和城市监控建设的普及，中国视频监控市场得以快速发展，网络化、个人化和智能化将是中国视频监控市场的重要发展趋势。作为未来视频监控发展方向的智能视频分析技术是视频监控技术中的一个里程碑式的创新，也是视频监控领域最前沿的应用模式之一。目前，对于智能视频监控存在需求的行业主要集中在
交通、银行、石油石化、电力、公安、军队及武警等。其中，交通行业、军队及武警、公安及国安是厂商实施最多的行业。
智能视频分析作为一项新兴的应用，
又极具发展潜力，国内外大量的企业和机构都
致力于这项技术的研究开发，该领域在国际上的研究现状参见图2~7：
图2、行为建模图3、跑、走、跳等运动分析
图4、性别检测
图5、运动过程中局部部位分析图6、运动过程建模
图7、动作在时间空间上的特征分析
图像智能检索
随着平安城市的建设，视频监控系统的基础建设已经出具规模并且仍在迅速扩大，几十万甚至几百万个摄像头所得到的视频监控影像资料是庞大的，要从中获取事件相关的信息需要花费巨大的时间和人力。cVideo的智能图像检索采用先进的图像处理技术并结合模式识别技术对已有的海量视频进行事件检索，实现了对事件发生视频的切片回放、运动帧提取和对象跟踪。
在犯罪嫌疑人识别问题中，首先分析监控视频中目标人物的运动模式，建立运动DNA序列，为后续分析处理提供基础。后续分析包括运动目标优化、运动轨迹分析、运动特征提取、步态建模等等。
图1、目标运动DNA序列图2、目标运动图谱
图3、目标运动DNA序列图4、目标运动图谱
人流/车流统计
由于车辆的急剧增加，虽然道路基础设施得到了很大程度的改善，但是交通拥挤的现象日趋严重，简单的道路视频监控已经不能满足当前的需要。为了改善这种局面，为道路状况提供实时、准确的信息成为更加迫切的需求，推广实施各重要交通道口区域实时交通状况图像监控是非常必须的。即在城市各重要交通道口安装一套智能交通监控系统，通过图像传输通道将路面交通状况实时上传到道路监控指挥中心，中心值班人员可以据此及时了解各区域路面状况，并据此调整各路口车辆流量，保持道路通畅。
过线后流量
增值
图1、交通道口车流检测统计
这项技术同样可以应用于人流统计、以及对旅游景点、闹市区和大型展会的人员密度分析等。视频分析的结果受到监控视频图像质量的影响，而雨雪等恶劣天气条件下得到的监控视频图像质量都比晴朗天气条件下的图像质量要差很多，于是，如何消除雾雨雪等恶劣天气的影响也是至关重要的。
事件检测
事件检测是cVideo智能视频分析的又一个成功例子。事件检测包括禁区检测、过线检测、遗留物检测、物品丢失检测、打架/徘徊检测等，事件的成功检测能够大大降低危险事件的发生率，将犯罪扼杀在摇篮里。我们采用的事件检测方法具有参数自适应且错检率低的优点。
7.2 “智慧南京”综合视频平台解决方案
系统对前端的交管局、交通局、公安局、城市高点监控、道路图像监控“320”工程等现有视频监控前端和平台进行对接，实现上万路的视频接入。对上述视频监控平台的视频接入后，经过集群处理，实现转码处理、智能识别、解码上墙和数据存储回看等功能，以满足不同终端的访问需求、实现车流统计等交通数据的提取、对关键数据进行存储、以及实现大屏控制等功能。
图7-1 系统拓扑图
如下图所示，系统主要由七个子系统组成：前端设备、接入系统、处理系统、存储系统、流媒体服务器、中心调度系统和客户端。
图7-2 系统总体描述图
方案采用信令流和数据流分离的方式，在标准X86(X64)服务器集群上部署存储、处理、调度等软件系统，形成一个整体的云视频监控解决方案，实现对现有视频监控资源的整合。采用云处理和云存储技术，有较高的扩展性和容错能力，解决服务器单点故障问题，降低升级和维护成本。
系统逻框图
本云视频监控平台，是在服务器集群上部署一整套基于云架构的视频处理软件，下图为系统逻辑框图，其核心内容是对接入的海量视频的实时处理分析。