MAS对H3C原有块存储技术进行了扩展设计，使得一个MAS卷可同时为多个媒体资源的生产者使用，空间共享并可按需要扩展或缩小。为了减少对元数据的访问，MAS将基本存储块扩展到适合视频数据的256M Bytes（文件系统通常为几十K~几M），256M的基本存储块可进一步细分为适合图片数据的16M Bytes。媒体数据的生产者和使用者在数据操作时无需访问元数据区，只在存储空间需要扩大或缩小的时候通过MAS Manager Server访问元数据区，极大的降低了对元数据区的访问。
4. 数据关系矩阵 —— 智能应用整合
数据关系矩阵解决的核心问题是多媒体数据本身与其他系统产生的针对多媒体数据的表述信息建立对映关系。比如基于IMOS的监控系统所产生的关于车流的视频和车牌识别系统识别的车牌号。MAS系统中这种对映关系可精确到帧组级别，后续可根据表述信息快速定位到多媒体数据的具体位置，也可以根据多媒体数据快速获取相应的表述信息。
图2 MAS应用整合模型
l 应用举例1 —— 视频标签：
城市重要道路的视频监控中，对于重要路口通常会有民警实时查看，民警可以通过实时监控界面随时为视频添加标签，例如：民警可以描述此路口的交通实时拥堵情况，红绿灯放行情况。事后民警可根据标签信息调取相应视频进行分析，优化车道设置、红绿灯放行时间设置以达到优化交通的目的。
l 应用举例2 —— 智能整合应用：
目前视频智能分析工具虽然很多，但是这些工具基本都是针对某种场景，通过MAS可以将多种智能分析工具整合起来。比如：智能分析工具A为车牌识别系统，智能分析工具B为周界检测系统，如果要在一段视频中找出红色小汽车进入某个周界的视频，目前的智能分析工具是相互独立的，对此无能为力。如果使用MAS系统，可先使用智能分析工具A 分析视频中包含红色小汽车的视频，然后使用智能分析工具B分析包含红色小汽车的视频，从而得到准确符合用户需求的视频。MAS也可以在已经经过多种智能分析工具分析的视频中用组合逻辑查找相应的视频信息，例如：可以查找汽车进入某个周界或/且有红色小汽车的视频。
二、 MAS架构
