大数据时代的来临，让智能交通管理模式成为了城市的必然选择，但是机动车和非机动车数量的暴增带来愈发庞大的交通压力依然是客观事实。交通管理业务依然存在着“木桶效应”，如果没有强有力的存储技术作为支撑，数据处理便会成为整体系统的那一块短板 ，比如——

1、无法及时向每个平台提供历史数据

在交警管控指挥平台中，不管是即时业务处理，还是事后查找回溯，都需要对图片进行大量的调用，这就对存储读取的即时性提出要求。然而，大多数早期存储系统的响应速度很慢，直接造成整体效率低下。

2、大量交通管理数据缺乏有效的防护

由于人为误删或者恶意攻击造成的文件数据丢失时有发生，系统要具备高效可靠的实时数据恢复能力保障业务的连续。

3、海量交通数据需要定期管理 ，存储设备需要维护

道路监控数据日积月累，既需要实时保存又需要定期处理，而长期运行的存储设备又难免出现性能故障，有些甚至需要人为检测，这为工作人员带来极大的运维管理压力。

交通数据存储支持“一个都不能少”

面对复杂的数据存储需求，在高性能读写、数据安全保障、智能管理等特性加持下，通过激发硬件潜能的方式同时实现低成本和高性能。

1、 解决交通管理系统时延的问题

针对套牌车的以图搜图功能，需要及时读取历史图片做碰撞比对。在云服务器的高性能支持下，管理平台整体效率将大幅提高：通过三节点提供对象存储有效支持百亿级文件数量，并使用自研 PhxKV 分布式数据库满足海量小文件的快速检索需求，同时通过对小文件的聚合处理以提高随机读写速度，前端监控摄像机采集到车辆图片信息后，工作人员便能第一时间进行分析处理。

2、 解决存储安全问题

为符合法律法规合规性要求，当共享文件服务被恶意攻击时，管理平台要具备追溯攻击源的能力并提供电子取证凭据。云服务器将为管理系统提供“回收站”恢复用户临时删除的文档资料，为误删除提供“后悔药”。在恢复速度上，1TB 的数据恢复不超过半个小时，数据丢失和业务中断的风险便大幅降低。

3、 解决存储自动化运维问题

在道路卡口，交通管理平台每天会产生大量的车辆通行图片，图片要求保存周期为一年，文件管理任务繁杂。平台可通过云服务器配置生命周期规则，超过一年的图片将会被自动删除，这样用户就能更高效地管理数据并节省存储成本。此外，平台用户还可以通过深信服 EDS 的一键检测功能自行检测包括 CPU、内存、硬盘在内的系统健康状态，内置 AI 系统可以提前 15 天发现亚健康状态的硬盘并提前提醒更换，预测准确率可达到 98.5% 以上，这种更加智能的管理方式同样有效降低了人力成本。