随着视频监控被广泛的运用在安防、科研等领域，每时每刻将会有大批的视频数据被生产出来，以中国科学院计算机网络信息中心和青海湖保护区管理局共同建设的野外网络视频监控系统为例，每天将会产出超过100GB的数据。视频数据约占2012年信息媒体数据的52％，并且这个数据将会持续增长，华为公司预测到2020年，该数字将会达到95％的比例。怎么高效的存储、处理和分析这些大规模的视频数据，将会成为视频大数据研究的重点和方向。　　视频由于其在处理的过程中需要较高的计算量，通常视频处理服务器会被配置较为强劲的CPU。一般情况下，视频处理架构采用视频计算与存储相分离的形式，而针对视频结构进行了优化的视频存储机器普遍造价较高，与之对应的视频计算模块一般采用单一的服务器模式。当面对待处理视频规模过大、视频处理算法复杂度过高的情况时，这种视频处理架构将会暴露出许多问题，其中服务器负载过重、视频处理系统计算能力无法动态扩展、计算处理时间太长等问题尤为显著。为避免上述问题，本文结合Hadoop平台的优点开发了一个分布式视频处理的系统。　　本文对基于Hadoop的分布式视频处理的相关技术及理论做了完整的介绍。第一，本文利用HDFS对视频文件进行分布式存储，提高对视频文件动态扩展的存储能力，为视频处理计算提供坚实的基础;第二，本文利用Hadoop中NLinelnputFormat的输入划分方式对视频批处理进行了分布式的实现，解决了Hadoop默认适合处理文本数据而不适合处理视频数据的问题;第三，本文使用MkvtoolNix和FFmpeg视频处理工具结合MapReduce计算模型实现了单个视频文件分布式转码的功能，实现了真正意义上分布式处理的功能;第四，本文针对视频批处理的分组方式可能存在节点计算量不均衡的问题，提出了基于贪心的分组方式，尽量保证每个计算节点处理的视频规模是相当的;第五，当前分布式的视频处理的方式都是针对特定的转码系统、特定的摘要系统等，本文搭建了视频处理的提交平台，将视频处理的计算逻辑（转码、摘要提取等）充赋给用户操作，提高了系统处理任务的灵活性。　　本文完成了基于Hadoop的分布式视频处理的相关模块，以及最后通过相关实验验证了其可行性。实验证明，Hadoop的HDFS能够对海量的视频数据提供高可用的分布式存储;其天生的分布式计算特性能够提高视频处理的时间效率和计算规模的可扩展性;最后，其自身完善的任务监控机制能使用户更方便的对视频处理任务进行管理。