Azure Kusto管理库3.4.0版本发布:增强集群安全与扩展能力
Azure Kusto(也称为Azure Data Explorer)是微软提供的一个快速、完全托管的数据分析服务,用于实时分析海量数据流。azure-mgmt-kusto是Azure SDK for Python中专门用于管理Kusto服务的客户端库,它允许开发者通过Python代码来创建、配置和管理Kusto集群、数据库及其他相关资源。
主要更新内容
1. 新增Callout策略管理功能
3.4.0版本引入了Callout策略管理功能,这是对Kusto集群安全架构的重要增强。Callout策略允许管理员定义特定的出站访问规则,精确控制集群对外部服务的访问权限。
新增的CalloutPolicy模型支持配置以下属性:
- 策略名称
- Callout类型(通过
CalloutType枚举定义) - 目标服务URL
- 授权头信息
开发者现在可以通过以下方法管理Callout策略:
begin_add_callout_policies:批量添加Callout策略begin_remove_callout_policy:移除指定Callout策略list_callout_policies:列出当前配置的所有Callout策略
2. 区域状态监控支持
新版本在Cluster和ClusterUpdate模型中新增了zone_status属性,使用ZoneStatus枚举来表示集群在各个可用区的运行状态。这一改进使得开发者能够:
- 实时监控集群在不同可用区的健康状态
- 及时发现和处理区域级别的故障
- 为多区域部署提供更细粒度的状态信息
3. 脚本执行权限控制增强
Script模型新增了两个重要属性:
script_level:通过ScriptLevel枚举定义脚本的执行级别principal_permissions_action:使用PrincipalPermissionsAction枚举控制脚本对主体权限的操作
这些增强使得管理员能够更精细地控制:
- 脚本的执行上下文和安全沙箱
- 脚本对数据库主体权限的修改能力
- 不同安全级别的脚本隔离执行
4. 新增Python语言扩展支持
在LanguageExtensionImageName枚举中新增了两个Python运行时环境:
PYTHON3_11_7:标准Python 3.11.7环境PYTHON3_11_7_DL:专为深度学习优化的Python 3.11.7环境
这使得Kusto查询能够利用Python 3.11的最新特性,特别是在机器学习和数据分析场景下,开发者现在可以使用更现代的Python生态系统。
5. 沙盒镜像管理改进
SandboxCustomImage模型新增了base_image_name属性,允许开发者明确指定自定义沙盒镜像所基于的基础镜像。这一改进使得:
- 镜像构建过程更加透明
- 更容易跟踪镜像的依赖关系
- 简化了镜像版本管理
6. 跟随者数据库管理增强
新增了FollowerDatabaseDefinitionGet和FollowerDatabaseListResultGet模型,提供了更丰富的跟随者数据库信息获取能力。配合新增的list_follower_databases_get方法,开发者现在能够:
- 获取跟随者数据库的详细配置信息
- 批量查询集群的所有跟随者数据库
- 更有效地管理分布式数据库架构
技术影响与最佳实践
-
安全最佳实践:新引入的Callout策略功能应该成为生产环境部署的标准配置,特别是对于需要访问外部服务的场景。建议:
- 为每个外部服务创建专用的Callout策略
- 定期审计和更新策略配置
- 使用最小权限原则配置授权头信息
-
多区域部署监控:利用新的
zone_status属性,开发者可以构建更健壮的多区域监控方案:- 实现自动化的区域故障检测
- 建立跨区域流量切换机制
- 设计区域级别的容量规划
-
脚本安全控制:对于需要执行自定义脚本的场景,建议:
- 根据脚本的信任级别设置适当的
script_level - 严格控制具有权限修改能力的脚本
- 实现脚本执行的审批工作流
- 根据脚本的信任级别设置适当的
-
Python扩展使用:当升级到Python 3.11环境时,注意:
- 测试现有Python脚本的兼容性
- 评估是否需要迁移到新的深度学习专用环境
- 利用Python 3.11的性能改进优化查询
升级建议
对于现有项目,升级到3.4.0版本时需要注意:
-
新增的Callout策略功能会改变集群的网络访问行为,建议在测试环境充分验证后再部署到生产环境。
-
如果使用了自定义沙盒镜像,需要检查
base_image_name属性的设置,确保与现有部署兼容。 -
使用脚本功能的应用程序需要评估新的权限控制属性,避免升级后出现权限问题。
-
对于多区域部署,建议更新监控系统以利用新的
zone_status信息。
这个版本为Azure Kusto服务的管理提供了更强大的安全控制和更丰富的监控能力,特别是在企业级安全合规和复杂部署场景下,这些新功能将大大提升管理效率和安全性。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00