智能视频解决方案以数字化、网络化视频监控为基础，用户可以设置某些特定的规则，系统识别不同的物体，同时识别目标行为是否符合这些规则，一旦发现监控画面中的异常情况，系统能够以最快和最佳的方式发出警报并提供有用信息，从而能够更加有效的协助安保人员处理危机，切实提高监控区域的安全防范能力。
边缘AI和云AI相得益彰，并且云资源几乎总是与边缘AI用例有关。在一个完美的世界中，为了简化和扩展，我们将所有工作负载集中在云中，但是，诸如延迟，带宽，自治性，安全性和隐私之类的因素使得必须在靠近数据的边缘部署更多的AI模型。消息来源。一些培训正在边缘进行，并且越来越多地关注联合学习的概念，该概念将处理集中在数据区域，同时集中结果以消除区域偏见。
更好的网络基础架构和新的边缘计算架构的兴起，正在打破集中式云AI与分布式边缘AI工作负载之间的障碍。
其优势是基础架构的巨大新兴变化，它通过增加分布在世界每个角落的信息技术层来补充云。我们相信边缘AI会引发一场革命，就像云技术获得牵引力一样大。
模型交换格式（例如，开放神经网络交换）也可以增加模型在不同环境中的流动性。Sletten建议探索像LLVM这样的工具，这是一个开源编译器基础结构项目，以使从应用程序所运行的环境中抽象出应用程序变得更加容易。
处理好的数据可以多路输出到不同数据源，再配合上实时运维监控和告警系统，就形成了整库全增量的解决方案，让实时同步具备从整库全量同步到整库实时增量同步再到大数据自动增量融合这样的完整链路。
1）数据在不同的系统中存储多份，空间浪费，数据一致性的问题难以解决；
2）整个数据链路由多种引擎和系统组合而成，开发和维护成本高，学习成本高；
3）从使用上来说，离线加工，实时加工以及统一数据服务层等处理过程中均使用不同的加工语言和接口，使用起来并不容易；
4）学习成本非常高，增大了应用成本。
因此架构简化、成本优化、数据统一、学习门槛低、适应业务敏捷、自助式分析趋势成为了迫切的需求，企业期望有一款全新的大数据产品，可以满足实时写入、实时计算、实时洞察需求；能做到实时离线一体化，减少数据移动，业务技术解耦支持自助式分析，从而简化整个业务系统架构。
全观测场景下运维监控的痛点都是趋同的，比如日志/指标获取手段不一，获取成本高、日志/指标格式化挑战大、运维伸缩能力，峰值稳定性、海量数据长周期存储成本高、时序系统异常分析困难，日志分析工具检索性能瓶颈、可扩展性需求高等。为解决这些问题，Elasticsearch应运而生。开源Elasticsearch是一个基于Lucene的实时分布式的搜索与分析引擎，遵从Apache开源条款。它提供了一个分布式服务，可以提供快速的近乎于准实时的存储、查询和分析超大数据集。因其查询速度快、使用简单，通常被用来构建复杂查询特性。
稳定性方面，流量洪峰到来时，阿里云Elasticsearch自研限流Qos插件，实现索引级别的读写流控，当单个索引查询/写入压力过大时，对指定索引，按照业务的优先级进行适当的降级，将流量控制在合适范围内。
