SDN，机器学习可以带来智能网络

本文源于Inocybe Technologies的创始人Lemay和John Zannos的访谈，为方便阅读，本文略作删改。

现在，随着机器学习和人工智能开始发展，Inocybe Technologies的创始人兼首席执行官Mathieu Lemay表示接下来要做的是组织要将网络与先进的自动化网络工具集成一个系统。

为了更好地了解这种转变对企业和服务提供商的意义，Inocybe的首席税务官Lemay和John Zannos讨论了开放式网络的发展，对机器学习信任的必要性，以及向自动化智能网络的发展。

对“软件定义网络”如何定义呢

基本上，会把它全部归功于灵活的可编程网络。对于Inocybe而言，它更多地是关于开放式网络，而不是SDN本身，即使他们有来自SDN的背景。它是关于网络的可编程性和结构的动态性。

过去，网络靠人们在运营。现在，它需要的是机器。随着我们连接的设备越来越多，我们需要拥有更先进的智能网络。因此，SDN实际上采用了底层的灵活可编程网络方法。它从可编程的数据平面开始，以AI和人工智能结束。

对于网络运营人员来说，知道网络的行为是如何以自动化方式管理编排网络是必要的。在这个自动化的智能网络中，通过机器学习对所收集的资料进行分析，然后根据分析的情况指导控制器如何编排网络。

集成了机器学习的智能网络还有多远？

机器学习在网络中的挑战是我们今天所面临的大多数网络挑战之一。由人类误操作造成的网络中断，机器学习是无能为力的。为了拥有可靠的智能网络，在我们开始使网络智能化之前，我们需要停止或最小化进行人为地干预网络。但运营商他们一直不相信机器学习能用于网络。所以，在这个小圈子里，网络管理员不信任软件，软件也不‘信任’网络管理员。

下一步是否有明确的措施来克服这种脱节？

这是一个循序渐进的过程。云和物联网的推动以及不再需要手动操作的需求对于网络地发展将是一个驱动力的变化，因为如果没有那么大规模的网络，人们对网络的管理总是会想到采用人工干预，长此以往这终将会成为一个问题。生活方式的改变以及网络如何成为我们通信模式和设备的基本组成部分将推动网络自动化。当然，这种自动化不再需要人类的参与。到那时事情就会开始顺畅了。

智能网络被应用地领域是不平衡的。一些实体店，公司和市场部门由于快速发展很快采用了智能网络，因为流量和设备增加，对于他们来说仅仅通过手动管理，这种挑战将是压倒性的。考虑到其组织的规模和复杂性，运营商将会迅速采取行动。

这种架构所需的技能是什么？

最大的挑战是要把网络管理员或网络运营商变为更多的程序员。但问题是首先要找到具有网络知识的程序员或具有编程知识的网络管理员。它们是两种截然不同的技能，在这个行业中找到两种技能都有的程序员是极具挑战性的。这为该技术部署造成了一定的障碍。

其次在这样一个需要分解设备，并将软件定义的技能集纳入程序的世界里，程序员不仅需要一个良好的心态，而且还需要理解特定供应商的平台组合，而这些都还只是最基本的要求。

什么样的客户需要Inocybe Technologies？

首先，最大的一级服务提供商，以便为某些项目提供有针对性的帮助。其次是二级和三级运营商。在企业方面，金融服务和零售业是关键的部分。另一类群体是自然资源公司，因为他们正在部署本地化网络。最后一个专门的领域是卫星和太空公司，它们试图找到一种更好的方法来管理陆地和卫星之间的连接。

读者还应该知道什么？

最重要的是5G，物联网和云使人们无法想象在不久的将来如何手动管理的网络。因此，需要考虑如何获得可编程网络，如何整合SDN，以及如何数据分析和智能网络。在未来网络设备的数量或通过网络传输的数据量是不会减少。

其次可以尝试采取一刀切的方法解决问题。不要将整体架构放在海洋中，来解决世界饥饿问题。相反，需要尝试解决不同的用例。

关于Inocybe

Inocybe的开放式网络平台是第一个使企业和服务提供商能够在集成的可消费环境中部署软件定义网络（SDN）和网络功能虚拟化（NFV）解决方案的平台。Inocybe Technologies是从数据中心到网络边缘的开放网络和OpenDaylight软件定义网络（SDN）技术提供商。

原文链接：

https://searchsdn.techtarget.com/feature/SDN-machine-learning-could-lead-to-intelligent-networks