Azure RecoveryServicesBackup Java SDK 1.6.0版本发布:新增SAP ASE数据库支持
微软Azure RecoveryServicesBackup服务是Azure云平台提供的重要数据保护解决方案,它能够为虚拟机、文件共享、数据库等多种工作负载提供备份和恢复能力。近日,其Java SDK发布了1.6.0版本,为开发者带来了多项重要更新,特别是新增了对SAP ASE数据库的支持。
核心更新内容
本次1.6.0版本最显著的改进是增加了对SAP ASE(Adaptive Server Enterprise)数据库的全面支持。SAP ASE是SAP生态系统中的重要数据库产品,在企业级应用中广泛使用。新版本通过引入多个专门针对SAP ASE的类,使开发者能够更便捷地实现SAP ASE数据库的备份和恢复操作。
新增的关键类包括:
- AzureWorkloadSapAsePointInTimeRestoreRequest:支持SAP ASE数据库的时间点恢复请求
- AzureWorkloadSapAseRestoreRequest:SAP ASE数据库的常规恢复请求
- AzureVmWorkloadSapAseDatabaseProtectableItem:标识可保护的SAP ASE数据库项
- AzureWorkloadSapAsePointInTimeRecoveryPoint:SAP ASE数据库的时间点恢复点
- AzureWorkloadSapAseRecoveryPoint:SAP ASE数据库的恢复点
这些新增类为开发者提供了完整的SAP ASE数据库保护能力,从识别可保护项到创建恢复点,再到执行恢复操作,形成了一套完整的解决方案。
现有功能的增强
除了新增SAP ASE支持外,1.6.0版本还对现有功能进行了多项增强:
-
Azure虚拟机保护项改进:
- 新增了policyType属性,使开发者能够更清晰地了解应用于虚拟机的备份策略类型
-
Azure文件共享恢复点增强:
- 增加了recoveryPointTierDetails属性,提供恢复点的存储层级详情
- 新增了withRecoveryPointTierDetails方法,方便开发者设置恢复点的存储层级信息
-
Azure存储容器功能扩展:
- 新增了operationType属性,标识存储容器的操作类型
- 提供了withOperationType方法,便于设置操作类型
技术价值与应用场景
这些更新在实际应用场景中具有重要价值:
-
企业级数据库保护:新增的SAP ASE支持使得企业能够将关键业务数据库纳入统一的备份保护体系,满足合规性要求。
-
精细化的恢复控制:时间点恢复功能的增强使企业能够更精确地选择恢复时间点,减少数据丢失。
-
存储成本优化:恢复点存储层级信息的可见性,帮助管理员优化备份存储成本,将不常用的恢复点移至成本更低的存储层级。
-
操作审计与追踪:存储容器操作类型的记录,增强了备份操作的可追踪性,便于审计和故障排查。
开发者使用建议
对于正在使用或计划使用Azure RecoveryServicesBackup Java SDK的开发者,建议:
-
对于需要保护SAP ASE数据库的环境,应及时升级到1.6.0版本以利用新增功能。
-
在使用文件共享恢复点时,可考虑利用新的存储层级信息功能优化存储成本。
-
对于虚拟机保护场景,可通过policyType属性更好地理解和管理备份策略。
-
在实现存储容器相关逻辑时,可利用operationType属性增强操作的可追踪性。
这次更新进一步丰富了Azure RecoveryServicesBackup服务的功能集,特别是对企业级数据库的保护能力有了显著提升。开发者可以根据实际需求,合理利用这些新特性构建更强大、更可靠的备份恢复解决方案。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00