SDN可以根据需求配置网络，以充分满足虚拟机计算的大小和形状要求，进而达到最佳状态。这直接解决了大数据需要大规模并行应用程序所面临的处理速度较慢的最大挑战。处理速度缓慢是因为大多数虚拟机的大数据应用程序计算都花费了相当大量的时间用于等待大量数据分散聚集到达操作平台，以便可以开始处理。利用SDN，网络可以按照需求和容量规模在拆分合并操作过程中创建安全的途径，从而大大减少了等待时间，因此总的处理时间也就随之减少了。

　　这种软件定义的网络非常智能，基本上可以了解应用程序需要从网络上获得什么资源，以便获得更好的精度和效率提供给大数据应用程序。原因是两方面：1)存在明确的计算和通信模式，如Hadoop Split-Merge分析或Mapreduce paradigm; 2)存在一个集中的管理结构，使得利用应用程序层面对信息成为可能，例如Hadoop Scheduler或HBase Master。

　　借助SDN控制器所具有的底层网络状态的全局视图，智能软件可以准确地通过编程网络解析应用程序的需求。

　　SDN还提供了其他协助管理、整合和分析大数据的功能。新的SDN面向包括OpenFlow和OpenStack等网络协议，使网络管理更加容易，更加智能化，自动化程度更高。OpenStack使设置和配置网络元素所需的人力少了很多，OpenFlow有助于网络自动化获得更大的灵活性，以支持新的需求：如数据中心自动化、BYOD趋势、安全和应用程序加速。

　　从规模的角度来看，SDN在发展针对大数据的网络基础设施方面也起着至关重要的作用，便于简化管理成千上万的开关，以及增强供应商之间的互操作性，加快了网络基础建设和应用程序开发。OpenFlow协议与任何供应商的OpenFlow设备兼容，这种互操作性不会阻碍企业利用专有解决方案将大数据转化为信息资本。

　　鉴于大数据强大的影响力和潜在的价值越来越清晰，确保企业网络为扩展到这些新兴的需求做好准备将是一个关键性的步骤，进而确保企业的长期业务成功。很显然，一个成功的解决方案将充分利用两大关键要素：大数据应用程序所提供的存在模式和网络SDN所提供的可编程性。从这个角度来看，SDN的确是为使得网络适应更远、更快、驾驭更大知识量和保持创新的步伐做好准备过程中发挥了重要作用。

　　本文作者Bithika Khargharia是一位高级工程师，专注于极端网络架构和垂直解决方案。在技术研究和开发领域拥有包括曾供职于思科的超过十年的经验。Bithika在跨行业系统工程方面的经验包括绿色技术、可管理性和性能、服务器、网络和大型数据中心架构、分布式(网格)计算、自动化计算和软件定义的网络。

　　责任编辑：余芯