Wie viele Kamerastreams kann ein Home-NVR-Server verarbeiten?

Es gibt keine verlässliche feste Anzahl von Kamerastreams, die jeder Heim-NVR-Server verarbeiten kann. Ein Server, der acht komprimierte Streams aufzeichnet, kann weniger belastet sein als einer, der vier hochauflösende Feeds dekodiert und analysiert. Der Kauf sollte anhand von drei separaten Lasten dimensioniert werden – Aufzeichnungsbandbreite, Videodekodierung und Objekterkennung – und anschließend mit der gewünschten Speicherdauer sowie der voraussichtlichen Anzahl gleichzeitig aktiver Kameras abgeglichen werden.

Teilen Sie jede Kamera in Aufzeichnungs-, Anzeige- und Erkennungslasten auf

Eine Kamera kann mehrere Arbeitslasten erzeugen, auch wenn sie physisch nur ein Gerät ist. Der NVR kann einen hochwertigen Hauptstream speichern, einen Stream mit niedrigerer Auflösung zur Erkennung dekodieren und einen weiteren Stream für die Live-Anzeige weiterverbreiten. Wenn alle drei als ein einziger „Kamerakanal“ behandelt werden, wird die tatsächliche Arbeit des Servers verschleiert.

Axis erklärt, warum die Effizienz von Überwachungscodecs den Bandbreiten- und Speicherbedarf verändert. H.264, H.265 und neuere Codecs können für ähnliche visuelle Ziele sehr unterschiedliche Bitraten liefern. Die Anzahl der Streams allein reicht daher für die Dimensionierung nicht aus.

Der Leitfaden von ZimaSpace zum Aufbau eines lokalen NVR-Servers zeigt die architektonischen Grenzen auf: Kamerastream, Netzwerkpfad, Anwendungslaufzeit, Aufzeichnungsspeicher und Fernzugriff sind separate Systembestandteile.

Erstellen Sie ein Arbeitsblatt mit einer Zeile pro Kamera und Spalten für Aufzeichnungsauflösung, Aufzeichnungsbitrate, Erkennungsauflösung, Erkennungs-FPS, Live-Anzeige und die Verfügbarkeit einer Hardwaredekodierung. Dieses Arbeitsblatt ist nützlicher als jede Behauptung, ein bestimmter Prozessor unterstütze eine universelle Anzahl von Kameras.

Streams, die nur aufgezeichnet werden, sind meist ein Speicher- und Netzwerkproblem

Wenn der NVR bereits kodierte Kamerastreams schreibt, ohne sie zu dekodieren oder neu zu kodieren, bleibt die CPU-Belastung relativ gering. Die Hauptgrenzen liegen dann bei der aggregierten Netzwerkleistung, der anhaltenden Schreibleistung der Laufwerke, dem Dateisystem-Overhead und der Frage, ob Wiedergabe oder Exporte mit den eingehenden Aufzeichnungen konkurrieren.

Der aktuelle Auflösungsleitfaden von Reolink zeigt, wie Auflösung und Komprimierung den Speicherbedarf von Kameras verändern. Ein hochauflösender Stream hat keine feste Bitrate; auch die Komplexität der Szene und die Kodierungseinstellungen spielen eine Rolle.

Messen Sie die aggregierte Bitrate, statt die Kameraanzahl mit einem allgemeinen Wert zu multiplizieren. Addieren Sie die maximal erwartete Bitrate aller kontinuierlich aufzeichnenden Streams und lassen Sie anschließend Spielraum für Wiedergabe, Exporte, Vorschaubilder, Datenbankaufgaben und vorübergehende Spitzen. Netzwerk und Speicher sollten auch bei diesen kombinierten Aufgaben deutlich unter ihrer Sättigungsgrenze bleiben.

Ein bescheidener Prozessor kann daher viele Streams aufzeichnen, wenn der Server hauptsächlich komprimiertes Video empfängt und schreibt. Das ändert sich, sobald der NVR jeden Feed dekodieren, Bilder skalieren, Vorschauen erzeugen, für Clients transkodieren oder kontinuierlich Computer Vision ausführen muss.

Hardwaredekodierung verändert die Kameraobergrenze, noch bevor KI-Erkennung hinzukommt

Die Videodekodierung kann eine erhebliche Belastung für eine herkömmliche CPU darstellen, wenn mehrere hochauflösende Streams per Software verarbeitet werden. Eine integrierte Grafikeinheit oder ein anderer Hardware-Video-Encoder und -Decoder kann einen großen Teil dieser Dekodierungsarbeit übernehmen. Deshalb können zwei Server mit einer ähnlichen Anzahl an CPU-Kernen sehr unterschiedliche NVR-Arbeitslasten unterstützen.

Ein Testbericht von Tom's Hardware zu einer Intel-N100-Plattform mit integrierter Grafik zeigt die Hardwareklasse, die häufig in stromsparenden Heimservern zum Einsatz kommt: vier CPU-Kerne sowie eine iGPU und schneller lokaler Speicher. Entscheidend ist die Medien-Engine, nicht die Spieleleistung.

Objekterkennung ist ein separater Verarbeitungspfad von der Dekodierung. Ein Beschleuniger kann Inferenz effizient verarbeiten, während der Server die Bilder weiterhin empfangen und dekodieren muss, bevor sie den Detektor erreichen. Gehen Sie daher nicht davon aus, dass ein Coral, eine GPU oder ein anderes KI-Gerät sämtliche CPU- und Videoverarbeitungsengpässe beseitigt.

Deaktivieren Sie für einen Kauftest zunächst die Erkennung und messen Sie Aufzeichnung plus Dekodierung. Aktivieren Sie anschließend die Erkennung mit der vorgesehenen FPS-Zahl und beobachten Sie CPU-, GPU- und Beschleunigerauslastung, ausgelassene Bilder sowie die Erkennungslatenz. So lässt sich die tatsächlich aufrüstungsbedürftige Hardwaregrenze bestimmen.

Featured

ZimaCube 2 Persönliche Cloud Home NAS

ZimaCube2

$799.00 - $2,499.00

Buy Now

Die Speicherdauer kann einen größeren Server erfordern, bevor die Rechenleistung zum Problem wird

Ein Heim-NVR kann über reichlich Rechenreserven verfügen und trotzdem die falsche Anschaffung sein, wenn er die gewünschte Speicherdauer nicht abdecken kann. Kontinuierliches Video ist eine dauerhafte Schreiblast, und die benötigte Kapazität wächst direkt mit der aggregierten Bitrate und der Aufzeichnungsdauer.

Die Speicheranalyse von Backblaze zur Videoüberwachung erklärt, wie Kameraanzahl, Bitrate und Speicherdauer den Speicherbedarf bestimmen. Diese Variablen sollten berechnet werden, bevor Sie sich für eine bestimmte Anzahl an Laufwerksschächten entscheiden oder annehmen, ein kleines Aufzeichnungslaufwerk reiche aus.

Der Einkaufsleitfaden von ZimaSpace zur Isolation von Kameraaufzeichnungen weist außerdem auf einen Zuverlässigkeitsaspekt hin: Eine NVR-Arbeitslast darf kritische Smart-Home-Dienste nicht beeinträchtigen, wenn der Speicher voll ist oder die Analyse kurzfristig hohe Last erzeugt.

Wenn ein System mit zwei Laufwerken die gewünschte Speicherdauer zu schnell erreicht, können zusätzliche Laufwerksschächte sinnvoll sein, selbst wenn die CPU-Auslastung niedrig ist. Das ist eine Aufrüstung der Speicherstruktur und kein Beleg dafür, dass die Plattform zur Kameraverarbeitung mehr Rechenleistung benötigt.

Testen Sie gleichzeitige Aktivität statt einer leeren Szene

Kameraanalysen verlaufen schwankend, weil nicht jede Ansicht gleichzeitig Bewegung oder Objekte enthält. Ein ruhiger Test über Nacht kann die Last verbergen, die entsteht, wenn Familienmitglieder nach Hause kommen, Autos durch die Einfahrt fahren, Haustiere mehrere Zonen durchqueren und gleichzeitig Live-Ansichten geöffnet werden.

Die NVR-Tests von StorageReview zeigten, dass mehrere gleichzeitige Kameraaufzeichnungen problemlos verarbeitet werden können, wenn der Aufzeichnungspfad über ausreichend anhaltenden Datendurchsatz verfügt und zugleich Reserven für Wiedergabe und Netzwerkzugriff bleiben. Die entscheidende Lehre lautet: Testen Sie den kombinierten Zustand, nicht den Leerlauf.

Erzeugen Sie eine Worst-Case-Szene, indem Sie das Live-Dashboard öffnen, in mehreren Zonen Bewegung auslösen, die Objekterkennung ausführen und aktuelle Aufnahmen exportieren oder wiedergeben, während alle Kameras weiter aufzeichnen. Beobachten Sie Dekodierungs- und Inferenzlatenz, ausgelassene Bilder, die Warteschlangentiefe der Laufwerke und die Netzwerkauslastung.

Bleibt das System stabil, ist das Hinzufügen einer weiteren Kamera eine messbare Kapazitätsentscheidung. Wenn eine gemeinsam genutzte Ressource bereits nahe an ihrer Sättigungsgrenze liegt, rüsten Sie zuerst diese Ressource auf, statt den gesamten NVR allein aufgrund der Kameraanzahl zu ersetzen.

Ordnen Sie die NVR-Anforderungen Zima-Hardware anhand von Aufzeichnungsumfang und Analyselast zu

Für einen kleinen Heim-NVR, bei dem eine geringe Anzahl an Kameras lokal aufzeichnet und die Analyse begrenzt ist, ist das ZimaBoard 2 1664 die passendere ZimaBoard-2-Variante, da der zusätzliche Speicher Kamerasoftware, Datenbanken und unterstützenden Containern mehr Spielraum gibt. Der PCIe-Steckplatz kann außerdem für einen Beschleuniger reserviert werden, wenn lokale Erkennung vorgesehen ist.

Ordnen Sie dem Board keine feste Kameraanzahl zu, ohne die tatsächlichen Streams zu testen. Auflösung, Codec, Bitrate, Dekodierungspfad und Erkennungs-FPS können die Last zu stark verändern, als dass eine allgemeingültige Kanalbewertung möglich wäre. Verwenden Sie das oben beschriebene Arbeitsblatt und den Test mit kombinierter Last als Freigabekriterium.

Wechseln Sie zum ZimaCube 2, wenn eine längere Speicherdauer, mehr Laufwerksschächte, umfangreichere gleichzeitige Aufzeichnungen oder ein größerer Haushaltsspeicher einen separaten Grund für ein NAS mit mehreren Laufwerken darstellen. Wählen Sie das Creator Pack nur, wenn dedizierte GPU-Rechenleistung tatsächlich für die Analyse benötigt wird – nicht lediglich, weil das Wort „KI“ in der NVR-Software auftaucht.

Der beste NVR-Kauf ist das kleinste System, das den anspruchsvollsten realistischen Kameratest besteht und weiterhin Reserven bei Speicher, Netzwerk und Rechenleistung bietet. Die Kameraanzahl ist nur die Bezeichnung; die Stream-Pipeline stellt die tatsächliche Arbeitslast dar.

FAQ

Sollte eine 4K-Kamera wie vier 1080p-Kameras gezählt werden?

Nein. Die Pixelanzahl allein bestimmt die Serverlast nicht. Bitrate, Codec, Bildrate, Substream-Konfiguration, Hardwaredekodierung und Analyseauflösung spielen ebenfalls eine Rolle. Behandeln Sie jede Kamera anhand ihrer gemessenen Aufzeichnungs- und Erkennungsstreams, statt die Auflösung in eine feste Kameraäquivalentzahl umzurechnen.

Erhöht ein KI-Beschleuniger die Anzahl der Kameras, die ich aufzeichnen kann?

Nicht automatisch. Ein Beschleuniger kann die Kapazität für die Objekterkennung erhöhen, doch die Aufzeichnung hängt weiterhin vom Netzwerk- und Speicherdurchsatz ab. Auch die Videodekodierung kann weiterhin von der CPU oder der integrierten Grafik abhängen. Die Obergrenze steigt nur, wenn die Inferenz die begrenzende Stufe darstellt.