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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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