亚马逊|由于互联网技术的飞速发展，网络终端已经广泛普及招商|银行

文章图片

文章图片

文章图片

由于互联网技术的飞速发展，网络终端已经广泛普及。然而，传统的网络架构无法适应未来通信和互联网技术的进步，导致网络异构。因此，现有的网络基础设施无法跟上互联网的快速变化。传统网络架构的一个关键特征是数据平面和控制平面是紧密耦合的，这有一定的局限性。例如，如果要更改网络配置，则需要在整个网络中独立配置每个设备，这是一项艰巨的任务。

同样，供应商也不愿向开发人员和用户提供设备的内部详细信息，因为现有网络设备配置的更改可能会导致网络故障。此外，该协议牢固地内置在网络设备的固件中。这些限制阻碍了由于专有硬件而导致的网络创新，以及由于其分布式特性而缺乏对创新网络解决方案的测试。它还增加了管理工作量和网络管理的总体成本。另一方面，软件定义网络通过分离数据和控制平面彻底改变了网络管理。

数据平面由转发设备组成，例如路由器、交换机等，其主要功能是根据控制器的策略转发数据包。如果在转发设备中找不到到达数据包的目的地，则这些数据包由数据平面发送到控制器。然而，控制平面是通过智能软件定义网络控制器实现的。控制平面获取底层网络的状态，并为到达转发设备的数据包定义策略。然后它将更新的规则推送到数据平面。

【亚马逊|由于互联网技术的飞速发展，网络终端已经广泛普及】数据和控制平面的分离已将网络复杂性从网络设备转移到智能软件定义网络控制器。因此，可以通过在控制器上运行的应用程序对网络进行编程，并且从应用程序中抽象出底层网络。软件定义网络提出的创新理念，具有灵活高效的网络配置、网络管理和运营的巨大优势。因此，软件定义网络有望成为下一代电信网络和互联网技术的绝佳选择。

由于这些好处，亚马逊和谷歌等大型信息技术组织已经实施了软件定义网络来连接远程数据中心。互联网近年来发展迅猛。结果，网络流量大幅增加。因为机器学习算法的准确性主要取决于历史数据的可用性。因此，越来越倾向于使用机器学习技术。因为机器学习算法的准确性会随着数据的增加而增加。出于这个原因，研究人员现在更喜欢应用机器学习解决方案，因为，一旦对可用数据进行了训练，经过训练的模型就会通过学习经验在新数据上生成准确的结果。

由于连接设备数量的急剧增加，对网络的需求正在迅速增加。例如， 5G中的异构物联网设备运行不同的协议和各种技术导致流量负载增加。此外，还需要自组织和基于需求的网络来处理大量数据。因此，软件定义网络由于其编程、编排和自动化特性而成为此类应用程序不断增长的需求的核心。软件定义网络已成功部署在跨远程数据中心的数据中心和企业流量工程网络中。然而，软件定义网络在现代和全球互联网中的采用仍然存在许多需要进一步研究的挑战。

随着互联网的扩展和底层网络上的流量正在动态变化。因此，应根据互联网的根本变化来调整对底层网络的最佳策略的应用。软件定义网络中的一个问题是控制平面的配置，因为手动配置是一项昂贵的任务，因为传统的软件定义网络方法在为底层网络选择最优策略时并不是最优的。另外，根据变化反复重新配置策略在网络中将需要重新配置控制平面。因此，主要问题之一是控制平面的自动编排。因为控制平面的刚性配置会在策略的优化配置中出现问题。