音视频数据因为携带的数据量大，和普通文本数据传输技术存在比较大的差异，对延时、网络和存储都有更高的要求，具体表现在：
1.网络带宽的压力：
高清视频摄像头采集的视频数据非常大，对于一个1080P的视频，需要占用4-8M的带宽，一个智慧城市中将部署上万个摄像头，对网络的压力非常大。智能移动终端摄像头采集的高清视频也在1-10M，移动终端的用户数量将达到百万级别，移动视频网络的瓶颈非常明显。
2.视频单元联网，互联互通的困难：
公共领域的摄像头一般有专线接入局域网，甚至在系统内部也区分视频专网，比如在公安系统内部就有视频网和公安网两部分。视频网和公安网通过中间的防火墙连接，家庭电视或家用摄像头位于家庭路由器后面，移动终端通过移动网络接入互联网。各个视频单元之间如果要相互访问，必须经过多重防火墙，路由器、各种类型NAT设备。例如，从移动智能端访问局域网内的视频摄像头，或者从局域网内的PC端访问移动终端，将会非常困难，因此构建一个合理的网络成为视频单元互联互通的重要保障。
3.视频安全
视频内容很多涉及公共安全，比如公安系统的视频监控，银行和邮政的视频监控都会对社会安全，经济金融产生很多的影响。如果泄露将会产生严重的后果，移动终端视频和家庭视频监控涉及到个人隐私。现在，我们对个人隐私越来越重视。因此，在架构视频网络时，必须保证视频数据在传输的过程中不被第三方拦截; 就算被拦截，数据也不能被第三方破解。必须保证视频数据在传输中不能被篡改，视频单元也不被未授权用户访问;同时还需要解决密码破解，网络攻击等问题。
4.视频存储：
海量视频数据的接入，多路视频和大并发数据的实时读写，对存储的性能有很大挑战，如果视频数据都集中存储，存储设备规模非常庞大，集中存储也会造成存储端局部的网络瓶颈。因此，均衡考虑网络条件，合理利用各种后端存储设备，兼容历史系统的存储架构非常重要。视频存储后的检索和定位也是非常重要的环节，在架构中必须考虑尽量减少数据的移动，对视频数据源的处理必须在最近节点进行。
