随着信息技术的快速发展,大数据技术得到了越来越多的应用,尤其是在公共安全领域。为了有效地监测重点目标、挖掘有效情报、掌控区域态势、提高判案效率,公共安全部门部署了大量以电子围栏为主的信息采集设备。然而随着采集设备增多,数据规模增长,导致情报分析不充分,布控预警不及时等诸多问题。因此,研究大数据技术在电子围栏预警分析中的应用具有重要的现实意义。从公共安全部门的大数据应用需求出发,针对情报分析、实时预警等问题,研究并实现了基于电子围栏的大数据预警分析系统。该系统采用流批混合的Lambda大数据架构,共分为数据传输、数据存储、查询分析和实时预警四个功能模块。数据传输模块主要用于传输电子围栏设备的实时监测数据,该模块基于Kafka构建,通过围绕主题划分、多消费者组、消息偏移提交和同步副本集合等要素进行设计,能够为整个系统提供高吞吐量和高可靠性的传输服务。数据存储模块主要基于MongoDB数据库搭建,是海量电子围栏数据的承载基础。该模块采用冷热数据分离的设计,将近期数据独立存储,对历史数据进行分库分表存储。并在此基础上,通过构建分片集群、合理设计索引、配置读写关注等方式为上层应用提供均衡高效的读写服务。查询分析模块是系统的重要应用模块,实现了包括活动规律分析、一机多卡分析、目标碰撞分析、同伙伴随分析、网络账号关联分析在内的多项分析应用。为保障查询分析性能,该模块采用了缓存加速、离线预计算、内存计算等多项优化技术,除使用基础的Mongo DB Pipeline查询框架外,还引入基于并行计算的SQL查询引擎Presto。实时预警模块主要为用户提供特定目标或特定区域的实时统计数据和告警信息。该模块基于Kafka stream搭建轻量级实时流处理框架,通过拓扑结构处理模型实现了包括车流量和人流量在内的实时统计应用,同时利用内存数据库Redis中哈希数据模型和超期回调等特性,实现了多项实时预警应用。本系统已经设计开发完成,正处于试运行阶段,经试用,系统能够满足电子围栏数据的预警分析需求,并具有较好的扩展性。同时,论文中涉及的理论、架构、应用和技术对于公共安全领域从业者或大数据技术实践者具有一定的参考价值。