客流统计系统在云端实现中，本质是一个“边缘事件采集 + 云端流式计算”的数据链路系统

一、边缘侧（Edge Computing）

部署方式：门店侧设备 / 边缘节点

主要功能：

• 双目摄像头采集视频流
• 本地AI推理（人体检测 / 目标识别）
• 基于轨迹的初步计数
• ROI区域划分与过滤

输出数据：

结构化事件流（JSON Event）：

• enter_event
• exit_event
• track_event

特点： 减少原始视频上云，降低带宽与存储压力。

二、数据接入层（腾讯云 CKafka）

组件：CKafka

作用：

• 接收边缘侧事件流
• 提供高吞吐消息缓冲
• 支持多设备并发接入

处理内容：

• event ingestion
• topic partitioning
• 消息顺序保障

三、流式计算层（云原生处理）

组件：

• 云函数 / SCF（Serverless Compute Function）
• 或 TKE + Flink（容器化流处理）

核心逻辑：

• event normalization（事件标准化）
• session stitching（会话拼接）
• duplicate event filtering（去重处理）

输出：

标准化客流事件表

四、数据存储层

按数据类型拆分：

1. 实时分析数据

ClickHouse 用于：

• 客流统计聚合
• 时间窗口分析
• 多维指标查询

2. 日志与事件存储

Tencent Cloud Object Storage 用于：

• 原始事件归档
• 历史轨迹回溯

3. 实时缓存

TencentDB for Redis 用于：

• 实时客流计数
• 热点区域缓存

五、API与服务层

通过 API 网关对外提供数据访问能力：

• 客流实时接口
• 区域热力接口
• 门店维度统计接口

支持：

• REST API
• JSON 输出
• 多租户隔离

六、数据模型（核心字段）

事件模型

• device_id
• timestamp
• track_id
• zone_id
• event_type

会话模型

• session_id
• entry_time
• exit_time
• dwell_time

七、核心处理能力指标

• 单设备事件接入：1000+ TPS
• 流处理延迟：<1s（端到端）
• 计数误差控制：<5%（标准场景）
• 系统可用性：99.5%+
• 多设备并发接入：支持横向扩展

八、系统本质

该系统在云侧的实现，本质是：

事件驱动架构（Event-driven Architecture） + 流式计算系统

核心关注点：

• 消息可靠性（Kafka/CKafka）
• 实时计算能力（SCF/Flink）
• 数据一致性（session stitching）
• 多源设备融合（device correlation）