随着近十年来平安城市的提出,大量的监控视频存储及信息提取遭受到了巨大的挑战。海量的视频尤其是高清视频,特别需要大数据的处理技术来应对。从视频中提取出有价值的信息,这些有价值的信息能够为交通、公安、国防等各行各业提供服务。由于视频监控的持续性,加上高清监控设备的出现,每天将会生成TB级甚至PB的海量视频数据,传统的数据库已经无法满足数据存储和分析的要求。基于以上种种情况,本文尝试利用Hadoop云平台进行海量视频数据的存储及处理。首先着重分析了Hadoop的分布式存储系统HDFS、Map Reduce并行计算框架及YARN等关键技术,从海量视频存储及分析出发,设计和开发了一个基于Hadoop的海量视频管理系统。论文从分布式集群平台的搭建、分布式存储系统HDFS和并行计算引擎、海量视频数据管理的核心服务等几个层面描述了系统的整体架构,在深入研究每一层中关键技术的基础上,实现了用户管理、集群服务器管理、视频管理、分布式视频处理等服务。其次本文设计了三种视频分布式处理策略,帧分布式策略、单点切割策略、分布式切割策略,并对其进行了相应的测试和对比,通过实验结果选择一种效率最高的处理模式作为整个系统的处理策略。本文通过对基于云平台的海量视频管理系统的设计和实践,从存储性能、计算性能及系统稳定性等诸多方面比传统的视频管理系统都有非常大的提升和改善。