sdn通常被網絡專業人士描述為将控制平台和資料平台分離開來，雖然這在技術上沒錯，不過這種描述并未凸顯出sdn的實際效益。對于sdn來說，還有一種更有意思也更有價值的說法是網絡定義、架構、實施以及運作政策的整合。這樣一來，如果網絡确實是組織的循環系統，sdn可以讓其更智能、靈活且适應性更強。sdn分析則更是如此。
sdn是動态的，有回報的
如今智能是非常必要的。網絡已經成為真正的關鍵任務，且其複雜急需更好的情報用以操作。這恰是sdn真正的魅力所在，提供新的情報，帶來更高的性能、更好的安全、流量管理和彈性等關鍵性好處。藉由動态sdn機制規範的操作政策及其實施提升了網絡的性質，它能夠基于變化的環境改變操作行為。在這個過程中管理控制台是非常重要的，與此同時，一定程度的自動化也進來參與一腳。換句話說，軟體定義網絡在正常操作過程中能基于環境動态地按照政策改變自身行為。
當然，最大的問題是如何實施這種行為。一個潛在的大量的操作條件和事件以這種方式被量化來讓sdn恰當地做出回報嗎?事實上，計劃總是趕不上變化快，答案顯而易見。網絡受攻擊了嗎?某個網絡部件出現故障後如何快速做出反應?假如軟體或者硬體更新導緻異常甚或其他連鎖反應怎麼辦?在管理控制台中敲幾個政策不太可能解決這些問題。
解決任何計算問題的關鍵是了解可用資料代表的意義。網絡日志和操作資料庫包含有一個潛在的巨大的有用的資訊，然而若無适當的工具很少有人(或者說幾乎沒有人)能有檢索、收集并了解這些資訊的能力。不過事實是，這類工具已經在科學計算的其他領域存在了幾十年，不過都屬于一般的分析。
sdn分析有所不同
如同sdn一樣，sdn分析也有很多定義，其中最為有用的是“适用于當你不知道你要找的東西的時候能夠用到的工具和技術”。換句話說，“分析”意味着适用于大資料的分析政策和技術;“sdn分析”意味着在當今的網絡核心中包括所有的大資料。人們很難篩選資料，找到解決特定問題的模式，而分析工具可以實作這個願望。sdn分析運用數值和圖形(可視化)技術盡可能快地提供見解。
是以，當我們在sdn中融合了分析的力量，特别是在進行中而不是臨時搭建的基礎上融合了分析後會發生什麼?這就是我們未來的網絡——因為有着持續的sdn分析和操作的回報，即網絡實作自我監控、自我優化、自動調整并保持與政策同步。這種自動化的形式是人工智能的一個分支，是以，還需要更多的嘗試和印證。
可能有人會認為在我們正視sdn分析之前軟體定義網絡無法真正實踐，當然，也不刨除這種可能。
作者：craig mathias 翻譯：張程程
來源：51cto