城市消防远程监控系统大多由运营商运行，接入方需要按点数交纳建设费、通讯费、维护费，运营方在建设时也难以获得各消防厂家通讯协议的问题，运营时的管理责任也不能完全落实到位，消防设施故障及火灾时的一些相关责任也难以承担，运营的管理体系没有建立，责权利没有分清，反而给接入单位带来了额外的费用，因而这套系统现在如同鸡肋。
( 1) 火灾隐患一张图。将社会化消防隐患排查系 统采集的数据进行统一汇总分析，结合 GIS 地理信息 数据，形成火灾隐患一张图，按区域、行业直观展现火 灾隐患。 ( 2) 灭火救援一张图。灭火救援一张图采用可视 化展示技术，将消防力量分布、消防重点单位、消防水 源、警情位置、警情周边重点单位、视频监控点位、道路 分布等信息在 GIS 地图上统一管理和展示。 ( 3) 消防力量一张图。全面展示消防力量的动态 分布，专业消防队、、微型消防站、义务消防员的位置、 装备情况，消防力量出动情况。 ( 4) 消防预警一张图。通过消防预警分析，消防 安全评价，在电子地图上进行展示，随时掌握消防预警 的发生，为提高防火救援的能力。 3. 3 火灾风险监测预警 火灾风险监测预警系统实现巡查管理、警情管理、 火灾风险预报。 ( 1) 巡查管理。实现对辖区内的所有监管对象， 包括企业、商铺、小区等的消防安全、安全生产进行电 子巡查，做到日常巡查有迹可查，同时利用大数据挖掘 技术对巡查对象可能发生的火灾风险进行评判，以实
基于平台大数据分析，为各级政府部门构建“智慧城市”、“平安城市”的科学决策提供数据支撑与基础保障;
或者应用程序占资源，进而能够满足各种 QoS( 服务 质量) 需求。 ( 3) 基于 Map /Ｒeduce 的并行计算。Map /Ｒeduce 是设计用来处理消防大数据的批量处理方法，具有性 价比高，持续可扩展和高吞吐量等特点。Map /Ｒeduce 是以批处理的模式来运算的，这种批处理模式在处理 离线数据时具有非常大的优势。 ( 4) 基于 Hive 的数据清洗。Hive 是 Hadoop 一个 的数据仓库框架，能够在 Hadoop 的分布式文件系统上 建立智慧消防数据仓库，来存储，组织和管理数据，并 为决策支持系统提供数据支持。 ( 5) 基于 HBase 的数据查询。HBase 是一个适合 于非结构化数据存储的数据库，可以实现大数据内容 的读写。HBase 支持范围查询，可以直接写入 Hadoop 处理后的数据。 2. 3. 2 Spark 关键技术应用 Spark 适合用来作需要多次迭代的计算，特别是消 防大数据挖掘和机器学习算法。Spark 立足于内存计 算，其性能和速度都优于 MapＲeduce，对于用户来说 易于使用，符合低延时、迭代计算的大数据应用。 其中用于处理特定场景定制四个 Spark 高层模 块: Spark SQL，MLlib，GraphX 和 Spark Streaming。这 四个模块基于 Spark ＲDD 进行了专门的封装和定制。 ①Spark SQL 用于分布式 SQL 查询的工作; ②MLlib 化 是分 布 式 机 器 学 习 库， 它 基 于 Spark 进 行 编 写; ③GraphX是一个负责对大规模图进行处理和计算的 模块; ④Spark Streaming 负责实时大数据的流式计算。 这四个模块可以无缝结合，互相配合。Spark 生态环 境，如图 1 所示。
-/gjighh/-
http://www.xf-119.com
