SDN通常被网络专业人士描述为将控制平台和数据平台分离开来，虽然这在技术上没错，不过这种描述并未凸显出SDN的实际效益。对于SDN来说，还有一种更有意思也更有价值的说法是网络定义、架构、实施以及运作策略的整合。这样一来，如果网络确实是组织的循环系统，SDN可以让其更智能、灵活且适应性更强。SDN分析则更是如此。

SDN是动态的，有反馈的

如今智能是非常必要的。网络已经成为真正的关键任务，且其复杂急需更好的情报用以操作。这恰是SDN真正的魅力所在，提供新的情报，带来更高的性能、更好的安全、流量管理和弹性等关键性好处。藉由动态SDN机制规范的操作策略及其实施提升了网络的性质，它能够基于变化的环境改变操作行为。在这个过程中管理控制台是非常重要的，与此同时，一定程度的自动化也进来参与一脚。换句话说，软件定义网络在正常操作过程中能基于环境动态地按照策略改变自身行为。

当然，最大的问题是如何实施这种行为。一个潜在的大量的操作条件和事件以这种方式被量化来让SDN恰当地做出反馈吗?事实上，计划总是赶不上变化快，答案显而易见。网络受攻击了吗?某个网络部件出现故障后如何快速做出反应?假如软件或者硬件升级导致异常甚或其他连锁反应怎么办?在管理控制台中敲几个策略不太可能解决这些问题。

解决任何计算问题的关键是理解可用数据代表的意义。网络日志和操作数据库包含有一个潜在的巨大的有用的信息，然而若无适当的工具很少有人(或者说几乎没有人)能有检索、收集并理解这些信息的能力。不过事实是，这类工具已经在科学计算的其他领域存在了几十年，不过都属于一般的分析。

SDN分析有所不同

如同SDN一样，SDN分析也有很多定义，其中最为有用的是“适用于当你不知道你要找的东西的时候能够用到的工具和技术”。换句话说，“分析”意味着适用于大数据的分析策略和技术;“SDN分析”意味着在当今的网络核心中包括所有的大数据。人们很难筛选数据，找到解决特定问题的模式，而分析工具可以实现这个愿望。SDN分析运用数值和图形(可视化)技术尽可能快地提供见解。

因此，当我们在SDN中融合了分析的力量，特别是在进行中而不是临时搭建的基础上融合了分析后会发生什么?这就是我们未来的网络——因为有着持续的SDN分析和操作的反馈，即网络实现自我监控、自我优化、自动调整并保持与政策同步。这种自动化的形式是人工智能的一个分支，因此，还需要更多的尝试和印证。

可能有人会认为在我们正视SDN分析之前软件定义网络无法真正实践，当然，也不刨除这种可能。

本文转自d1net（转载）