面對SDN,咱們該怎麼辦?

引言:回顧SDN的發展歷史,能夠發現:SDN做爲一種新的網絡體系結構,對網絡學術圈和工業界都產生了深遠的影響。SDN並非曇花一現的網絡技術新概念,而是一場網絡領域的技術變革。
咱們將如何應對這場變革:SDN初學者如何入門和進階?網工如何在熟悉領域縱深發展?產品經理如何在SDN架構下設計下一代網絡產品?創業者如何尋找下一個SDN殺手級應用?投資者如何找到SDN領域的獨角獸?這些問題依然值得討論。
本文相關圖書《重構網絡:SDN架構與實現》。python

       圖片描述

SDN初學者如何入門?

  全部新技術的入門都須要快速準確地理解三個問題:SDN是什麼?爲何須要SDN?歷史起源?
  中文好的只須要看衛峯兄的這本書就夠了《深度解析SDN:利益、戰略、技術、實踐》,通讀完此書就算SDN入門了。雖然有些信息稍顯過期,但依然是入門者的必備良藥,聽說2017年會出第二版。英文好的能夠閱讀《SDN A Comprehensive Approach》這本書。在現有的英文書籍裏面,我的認爲這本是比較系統全面的入門級書籍。 
  澤衛:根據我過去的經驗教訓,切記在網絡上閱讀大量碎片文章,這樣的入門學習很是不繫統,對於後續的學習很是不利,會產生不少誤解。編程

SDN學習者如何進階?

  入門以後如何縱深發展。澤衛:我的的經驗是:
  「Learn SDN by the Hard Way」。什麼意思?簡單來講,就是笨辦法學習SDN,事實上要跨過任何新技術的門檻,必定不要想走捷徑。好比要深刻學習SDN發展歷史,至少要弄清楚兩方面的內容:一是定義 SDN 概念和架構背後的人,以及推進SDN 架構走向成熟的標誌性事件;二是最初SDN借鑑了哪些關鍵的技術理念,SDN架構是如何在這些技術原理的支撐下發展起來的。只有一頭扎進去,踏踏實實弄明白每一點技術細節,纔是最有效的學習思路。 
  固然這種說法仍是有點虛。到底怎樣經過笨辦法來學習SDN?具體來講,咱們須要系統地閱讀一本SDN技術書籍,同時須要系統地學習一門SDN課程。
  進階的書籍強烈推薦澤衛和李呈的新書《重構網絡:SDN架構與實現》,本書適合入門以後的學習,不但能幫助入門者梳理SDN領域的知識體系,並且能幫助進階者挖掘SDN領域更深層次的信息。對SDN領域的技術概念和知識體系進行了系統梳理。點擊閱讀原文了解這本書的詳細內容。
  進階的課程我強烈推薦普林斯頓大學教授Nick Feamster在Coursera上的SDN開放課程:https://zh.coursera.org/learn/sdn。
             【圖2】
  相比其餘課程,小Nick教授(斯坦福大學SDN之父是大Nick教授)課程的每一部分都有明確的學習目標、課程視頻、實驗內容和相關論文。從2014年開始課程內容逐年更新,每一課時結尾都有Nick教授對相關業內人士的視頻採訪,好比Martin Casado和Jennifer Rexford等。
  任何人均可以註冊學習本課程,2017年2月份將開始新的課程,若是你足夠努力,學完還能拿到一個結業證書。這個結業證書含金量較高,據個人瞭解,國內拿到這個結業證書的人很是之少,我本身也是屢屢堅持,屢屢半途而廢。微信

SDN科研如何進階?

  對於專一SDN科研的入門者來講,我一直在努力推薦《SDN A Comprehensive Survey》這篇總論型論文,再次強調一下,這是目前最完整和全面的一篇總結型論文。這篇論文長達61頁,引用了579份參考文獻,從2014年開始每半年發佈一個新版本,全面細緻地介紹了SDN科研領域的方方面面。國內不少SDN課題組,進組的學生人手一份。
         【圖3】
  澤衛:經過這篇論文的學習,能夠快速梳理SDN領域的研究進展和現狀。只有這樣,才能清晰地結合本身的研究方向找到合適的切入點。之前會有SDN方向的學生諮詢:導師讓作作SDN,該怎麼選方向?個人建議是先看看這篇論文,而後天然就知道選擇什麼方向了。 
  不過,我我的對於國內SDN領域的科研有一個悲觀的論調:若是將SDN的研究分支比喻成一棵大樹,那麼這棵大樹已經枝葉繁茂了,因此留給國內科研機構的大機會已經很少了。也許更好的方式是結合自身在其餘領域的積累,好比IoT、大數據、機器學習等,尋找SDN與原來研究領域的交叉點來作文章,或者將SDN理念和架構引入新的應用場景。
  我我的的觀察:2016年SDN-IoT領域和NetPL(網絡編程語言)領域開始活躍起來,也許這兩個方向在將來兩年會成爲SDN科研的熱門Topic。網絡

網絡工程師該怎麼辦?

  SDN將帶給咱們最大的改變就是:從網絡工程師轉變爲網絡開發工程師,把計算機科學中的系統經驗融合進網絡系統領域(Bringing the best ideas in Computer Science tonetworking)。 
  Kyle Mestery(OpenStack Neutron項目核心成員,也是OpenDaylight OVSDB和OVS項目的貢獻者)認爲網絡工程師須要學習編程技能,去動手寫代碼。成爲一名網絡開發工程師,第一步就是掌握Linux方面的開發和實踐能力,動手參與主流的網絡開源項目,好比開源軟件OpenFlow交換機Open vSwitch、開源控制器OpenDaylight及開源數據中心網絡虛擬化項目OpenStack Neutron等。
           【圖4】
  Kyle:http://www.siliconloons.com/
  Kyle總結了現有的主流網絡開源項目使用的編程語言。從中能夠看出,Python和Java編程語言值得學習。我我的是網絡數據平面硬件出身,也學習了一些python語言知識,至少須要能讀懂這些開源項目的源代碼。
                  【圖5】
  網絡領域著名博主ScottLowe、Jason Edelman和Matt Oswalt在2015年合寫了一本書:《下一代網絡工程師須要的網絡編程和自動化技能》。他們寫這本書的目的是爲了幫助網絡工程師在SDN時代提高競爭力。他們認爲網絡工程師應該關注系統自動化部署技能,具體包括Linux操做系統基礎、Python編程基礎、JSON和XML等網絡數據格式、持續集成和DevOps等。 
  斯坦福大學SDN創始團隊在SDN領域創辦了多個初創公司,好比被VMware收購的Nicra,被資本看好的BigSwitch,在P4推進下火的一塌糊塗的Barefoot。可是您可能不知道,大Nick教授的三個博士還在2013年悄悄建立了一個初創公司Forward Networks,這個公司的願景看着很虛:Bringing the best ideasin Computer Science to networking。當年OpenFlow剛出來的時候,不少人也這麼看。過去幾年的學習和失敗經驗告訴我,仍是跟着大Nick走纔是正道。 
  說了這麼多,簡單總結就是網絡工程師趕忙學習計算機編程方面的技能和知識吧!網絡系統工程師趕忙惡補計算機系統方面的技能和知識吧!以下是SDNLab的一個開源項目:SDN技能圖譜,你們能夠對照一下,看看本身的知識體系還差哪些內容?
  【圖6】架構

網絡產品經理、創業者和投資者怎麼辦?

  我的認爲這三種人對SDN的理解和認知要求應該是一致的,尤爲是產品經理和創業者。先說說我我的的兩次嘗試。 
  一次是在大公司內部尋找SDN產品的機會,當時確實選擇了一個很好的方向,如今看來也很是有價值,惋惜在公司內部沒有得到支持。如今回過頭來看,產品方向選對了,惋惜整合資源的能力不足,另外插一句:千萬別相信什麼所謂的業界專家,14年我曾經將完整方案請教過一些人,都不看好。2016年卻有一堆人在作這個產品,由於終於看到了市場需求。 
  另外一次是在小公司作SDN產品,一開始就選擇了一個很難作的方向,產品研發和市場開拓對小團隊來講都很難。結果可想而知,必然是失敗。那麼到底網絡產品經理應該怎麼辦。我認爲最重要的就是弄清楚爲何須要SDN?不是你爲何須要SDN,而是你的客戶爲何須要你用SDN改造原有的產品和服務。
  SDN給你的客戶能帶來什麼?更多的網絡可編程能力,仍是自動化的網絡運維能力?這些纔是你須要真正關注的。固然,要弄清楚這些絕非易事,「發現問題-用SDN更好地解決-快速推出產品方案」,要作到這一步,還很難。早期推SDN產品的大牛們必定深有感觸。 
  相比產品經理,創業者更須要步步爲營,定義好產品,選好方向纔是第一步。你須要足夠好的研發團隊,真正理解傳統網絡和SDN的銷售團隊,並且你的產品推出時機要恰好一步不差。大河互聯就是其中作的比較好的。 
  以前其實跟不少對SDN感興趣的投資者都聊過。2015年以前國內投資者對國內SDN公司並不承認,雲杉網絡的發展證實了這一點。固然也跟國內SDN初創公司質量不高有關。我我的觀點:投資者想找好的國內SDN公司,仍是須要先梳理一下SDN發展過程當中的美國初創公司,其實跟其餘領域同樣,目前仍是C2C(Copy to China)相對靠譜些。
  大河互聯就是例子,雲杉網絡也是例子。後面我會專門寫一篇有關SDN初創公司的文章,再詳細解釋。以下是以前一篇分析早期SDN初創公司的文章:
  http://www.sdneasy.com/sdn-start-ups-you-will-hear-about-in-2013/
           【圖7】運維

  本文做者楊澤衛,相關圖書《重構網絡:SDN架構與實現》,點此連接可在博文視點官網查看此書。
                    圖片描述
  想及時得到更多精彩文章,可在微信中搜索「博文視點」或者掃描下方二維碼並關注。
                       圖片描述機器學習

相關文章
相關標籤/搜索