呼之欲出!SD-WAN架构需要新的网络管理方法

简介:

SD-WAN正在成为数据中心基础设施的关键组成部分,它能帮助管理员们减少手动配置工作量。

软件定义网络(Software-Defined Networking,SDN)已经成为现代数据中心管理基础设施中最重要的部分。管理员们能够使用具备软件定义功能的控制器或控制器集群,对所负责的数据中心中的网络设备进行配置。

这意味着他们无需再单独地面向每一台交换机、路由器和防火墙来确保正确配置和连通性。

然而,随着软件定义网络技术,包括软件定义广域网(Software-Defined Wide Area Networks,SD-WAN)在数据中心领域的进一步应用,管理员们需要相应地发展他们的管理策略。

SD-WAN架构的采用

随着2016年接近尾声,SD-WAN的采用看起来像是个大杂烩。9月份,Verizon成为首个实施真正意义上SD-WAN部署的美国运营商,但其他美国运营商并未跟进。

根据IDC公司分析师的分析,SD-WAN架构的采用在企业中仍然是“最新的市场发展动态”(尚未落地实施),但期待与日俱增。IDC预测,随着企业期待利用其从安全到简化的诸多好处,SD-WAN的企业级市场在2020年能够达到60亿美元的收入规模。

2015年,分析公司Gartner预测到2019年年末,将有30%的企业会在其分支机构部署SD-WAN技术。
1SD-WAN管理
SD-WAN架构是对目前通过网络服务供应商连接在不同的局域网之间多数的网络基础设施抽象的一种尝试。相对于依赖边缘路由器的路由表,SD-WAN架构使用有SDN控制器创建信息流表(flow tables)。

例如,如果来自局域网内的互联网边界流量的目的地是遍布全国的分支机构,数据包的路由取决于SDN控制器设置的信息流表。

如果需要对路由配置进行更改,请在控制器上进行处理,并允许将生成的流程表发送到相关的网络设备。这与传统的网络配置有所不同,管理员要负责各种服务器与网络团队的协同,以确保应用程序可以通过现有的网络基础设施与远程位置进行通信。

尽管SD-WAN工程师可能并不是实际的工作职位,SD-WAN和SDN则通常是网络管理员和系统管理员未来必须了解跟进的概念。不熟悉虚拟化、服务器应用程序和服务器操作系统的网络工程师将落后于时代。此外,因为SD-WAN架构被认为是一个以多协议标签交换,你应该熟悉现有的各种SDN协议,例如OpenFlow和SDN OpFlex,而减少花费在一些更为传统的路由协议上的时间。

SD-WAN架构的优势还没有得到充分体现,公司层面的应用将慢慢帮助该技术成为主流。然而,像思科和Verizon这样的大公司将继续在研究和开发上投入资金,网络管理员尽快让自己熟悉SD-WAN是非常明智的。

本文转自d1net(转载)

目录
相关文章
|
23天前
|
NoSQL 关系型数据库 MySQL
《docker高级篇(大厂进阶):4.Docker网络》包括:是什么、常用基本命令、能干嘛、网络模式、docker平台架构图解
《docker高级篇(大厂进阶):4.Docker网络》包括:是什么、常用基本命令、能干嘛、网络模式、docker平台架构图解
144 56
《docker高级篇(大厂进阶):4.Docker网络》包括:是什么、常用基本命令、能干嘛、网络模式、docker平台架构图解
|
2天前
|
机器学习/深度学习 数据采集 人工智能
GeneralDyG:南洋理工推出通用动态图异常检测方法,支持社交网络、电商和网络安全
GeneralDyG 是南洋理工大学推出的通用动态图异常检测方法,通过时间 ego-graph 采样、图神经网络和时间感知 Transformer 模块,有效应对数据多样性、动态特征捕捉和计算成本高等挑战。
30 18
GeneralDyG:南洋理工推出通用动态图异常检测方法,支持社交网络、电商和网络安全
|
20天前
|
机器学习/深度学习 算法 数据可视化
基于深度混合架构的智能量化交易系统研究: 融合SSDA与LSTM自编码器的特征提取与决策优化方法
本文探讨了在量化交易中结合时序特征和静态特征的混合建模方法。通过整合堆叠稀疏降噪自编码器(SSDA)和基于LSTM的自编码器(LSTM-AE),构建了一个能够全面捕捉市场动态特性的交易系统。SSDA通过降噪技术提取股票数据的鲁棒表示,LSTM-AE则专注于捕捉市场的时序依赖关系。系统采用A2C算法进行强化学习,通过多维度的奖励计算机制,实现了在可接受的风险水平下最大化收益的目标。实验结果显示,该系统在不同波动特征的股票上表现出差异化的适应能力,特别是在存在明确市场趋势的情况下,决策准确性较高。
58 5
基于深度混合架构的智能量化交易系统研究: 融合SSDA与LSTM自编码器的特征提取与决策优化方法
|
29天前
|
机器学习/深度学习 数据采集 人工智能
基于Huffman树的层次化Softmax:面向大规模神经网络的高效概率计算方法
层次化Softmax算法通过引入Huffman树结构,将传统Softmax的计算复杂度从线性降至对数级别,显著提升了大规模词汇表的训练效率。该算法不仅优化了计算效率,还在处理大规模离散分布问题上提供了新的思路。文章详细介绍了Huffman树的构建、节点编码、概率计算及基于Gensim的实现方法,并讨论了工程实现中的优化策略与应用实践。
68 15
基于Huffman树的层次化Softmax:面向大规模神经网络的高效概率计算方法
|
2月前
|
运维 负载均衡 Shell
控制员工上网软件:高可用架构的构建方法
本文介绍了构建控制员工上网软件的高可用架构的方法,包括负载均衡、数据备份与恢复、故障检测与自动切换等关键机制,以确保企业网络管理系统的稳定运行。通过具体代码示例,展示了如何实现这些机制。
130 63
|
5天前
|
容灾 网络协议 数据库
云卓越架构:云上网络稳定性建设和应用稳定性治理最佳实践
本文介绍了云上网络稳定性体系建设的关键内容,包括面向失败的架构设计、可观测性与应急恢复、客户案例及阿里巴巴的核心电商架构演进。首先强调了网络稳定性的挑战及其应对策略,如责任共担模型和冗余设计。接着详细探讨了多可用区部署、弹性架构规划及跨地域容灾设计的最佳实践,特别是阿里云的产品和技术如何助力实现高可用性和快速故障恢复。最后通过具体案例展示了秒级故障转移的效果,以及同城多活架构下的实际应用。这些措施共同确保了业务在面对网络故障时的持续稳定运行。
|
1月前
|
机器学习/深度学习 资源调度 算法
图卷积网络入门:数学基础与架构设计
本文系统地阐述了图卷积网络的架构原理。通过简化数学表述并聚焦于矩阵运算的核心概念,详细解析了GCN的工作机制。
100 3
图卷积网络入门:数学基础与架构设计
|
21天前
|
域名解析 缓存 网络协议
优化Lua-cURL:减少网络请求延迟的实用方法
优化Lua-cURL:减少网络请求延迟的实用方法
|
2月前
|
机器学习/深度学习 数据采集 算法
机器学习在医疗诊断中的前沿应用,包括神经网络、决策树和支持向量机等方法,及其在医学影像、疾病预测和基因数据分析中的具体应用
医疗诊断是医学的核心,其准确性和效率至关重要。本文探讨了机器学习在医疗诊断中的前沿应用,包括神经网络、决策树和支持向量机等方法,及其在医学影像、疾病预测和基因数据分析中的具体应用。文章还讨论了Python在构建机器学习模型中的作用,面临的挑战及应对策略,并展望了未来的发展趋势。
161 1
|
2月前
|
安全 算法 网络安全
量子计算与网络安全:保护数据的新方法
量子计算的崛起为网络安全带来了新的挑战和机遇。本文介绍了量子计算的基本原理,重点探讨了量子加密技术,如量子密钥分发(QKD)和量子签名,这些技术利用量子物理的特性,提供更高的安全性和可扩展性。未来,量子加密将在金融、政府通信等领域发挥重要作用,但仍需克服量子硬件不稳定性和算法优化等挑战。