后端服务是指程序运行所需要的通过网络调用的各种服务，如数据库，消息系统及缓存系统。
12-Factor 应用的任意部署，都应该可以在不进行任何代码改动的情况下，进行后端服务的切换，比如将本地 MySQL 数据库换成第三方服务（例如阿里云的 RDS）。
另外，部署可以按需加载或卸载资源。例如，如果应用的数据库服务由于硬件问题出现异常，管理员可以从最近的备份中恢复一个数据库，卸载当前的数据库，然后加载新的数据库 。整个过程都不需要修改代码。
以上了解了 12-Factor 应用原则。在我们学习 K8s 的过程中，个人认为 K8s 结合service mesh 很好的满足了上面的每条原则。设计 K8s 和 ServiceMesh 的人很伟大，提出 12 原则的 AdamWiggins 很伟大。
随着服务网格架构的演进和成熟，我们逐步将服务路由标准化，路由功能层次化，通过插件模式让业务进行扩展，让异地多活体系下沉到 Sidecar，和业务逻辑解偶，
这个版本漏洞导致一旦数据库暴露在公网，有很多的手段可以通过免密登录的方式直接登录数据库。
国外的黑客团队，专门针对MongoDB的bug做了一次批量攻击，全网扫描开放的MongoDB端口的主机，
第三方可信云，都会对引入第三方认证机制来认可云厂商本身的安全跟防护机制是完全可靠的。
第二点是因为：在上云时，肯定要选择比较大的云厂商，能够被国际或者国内大客户认可的云厂商，
传统的智能分析技术由于算法是人为根据不同的场景和应用需求进行设计，在适应性上需要人为不断的改善和提升，在特定的环境下有良好的性能，但是一旦环境等因素发生变化，传统的智能分析算法在应用上的性能就会降低。
可以将相同的传感器数据流式传输到云中以进行长期的模式分析，从而可以警告所有者急需的维修，从而可以防止将来发生事故。另一方面，云AI对边缘AI进行了补充，以推动更深入的见解，调整模型并继续增强他们的见解
云计算和边缘AI协同工作，以更深入的洞察力为驱动力，制定即时的需求决策，而这些洞察力不断被新的边缘数据所告知。
培训工作流程
使边缘AI和云AI协同工作的主要挑战是程序和体系结构。需要对应用程序进行设计，以便有目的地拆分和协调它们之间的工作量。
边缘AI芯片组中受支持的神经网络架构的类型是有限的，并且通常比在云中可以实现的功能落后几个月。解决这些局限性的一种有用方法是使用编译器工具链和堆栈，例如Apache TVM，它们有助于将模型从一个平台移植到另一个平台。
