如今，應(yīng)用程序所有者和運營團隊清楚地認識到，這些工作負載最好在端點附近運行，即在邊緣處運行。示例包括交互的工作負載，或那些負責匯總和匯總來自端點的大量數(shù)據(jù)的工作。

考慮一種交互式、語音驅(qū)動的服務(wù)，最終用戶可以利用這些服務(wù)進行各種操作，從檢查天氣到基于過去偏好的訂購雜貨。至少，這樣的應(yīng)用程序?qū)⒕哂幸韵陆M件：

存儲用戶偏好、端點配置等信息的數(shù)據(jù)庫。

請求解析器來理解被問的問題

響應(yīng)庫

機器學習集群不斷改進提供給端點的響應(yīng)

端點可以連接到的安全接口，并提出問題。

由于用戶首選項和配置可能不會頻繁更改，因此在云計算中最多兩個位置部署數(shù)據(jù)庫集群是合理的，第二個位置提供防范災(zāi)難保護并確?？捎眯?。即使是用于不斷改進響應(yīng)的機器學習（ML）集群，也可以說是駐留在一個或幾個核心位置，因為這個用例的機器學習處理可能不是時間敏感的。

但是，如果人們希望最終用戶有與服務(wù)交互的豐富經(jīng)驗，并且響應(yīng)能夠盡快回傳，那么將安全接口和請求解析器運行到更接近端點是有意義的。那么這些服務(wù)應(yīng)該如何接近最終用戶呢？

將安全接口，查詢解析器和響應(yīng)存儲庫（它們共同構(gòu)成此應(yīng)用程序的邊緣堆棧）放置在每個主要都市圈的幾百英里處是合理的，人們可以期望利用該服務(wù)。該模型將要求服務(wù)提供商管理大量（50到100個）可能部署其應(yīng)用程序組件的位置，并且會產(chǎn)生最佳性能?；谡Z音的用戶查詢將被快速接收和處理，并且可以將響應(yīng)發(fā)回端點以提供真正的交互式體驗。

每個邊緣組件堆棧（由安全接口，查詢解析器和響應(yīng)庫組成）將獨立地與核心組件堆棧（數(shù)據(jù)庫和ML集群）進行交互，以維護最新的響應(yīng)庫，并共享任何本地知識（如迄今為止沒有提出的問題）與核心的需要。

這種模式將大大改善最終用戶的體驗，這將直接導(dǎo)致更高的參與度和更好的業(yè)務(wù)利潤。但是，在互聯(lián)網(wǎng)上維護如此廣泛的應(yīng)用程序足跡是一項艱巨的任務(wù)。這種類型的應(yīng)用程序占用還需要大量的應(yīng)用程序部署、安全和監(jiān)視方面的挑戰(zhàn)來解決。

上面的例子表明了一個觀點：邊緣計算并不是要讓云計算消亡。邊緣計算是云原生應(yīng)用程序發(fā)展的下一個階段，并將成為與通過互聯(lián)網(wǎng)交付的所有應(yīng)用程序一起成為核心云計算的重要組成部分。