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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00