Google Cloud Go 客户端库 memorystore 模块 v0.3.0 版本发布解析
Google Cloud Go 客户端库中的 memorystore 模块近日发布了 v0.3.0 版本,该模块主要用于与 Google Cloud Memorystore 服务进行交互。Memorystore 是 Google Cloud 提供的全托管内存数据库服务,支持 Redis 和 Memcached 两种协议。本次更新带来了多项重要功能增强和优化,主要围绕备份管理、维护策略和跨实例复制等方面进行了扩展。
核心功能增强
备份管理功能强化
新版本引入了完整的备份管理功能体系,新增了 Backup、BackupCollection 和 BackupFile 等消息类型,以及 BackupInstance、DeleteBackup、ExportBackup 等方法。这些功能使得开发者能够:
- 创建实例的备份(BackupInstance)
- 管理备份集合(BackupCollection)
- 导出备份到 Google Cloud Storage(ExportBackup)
- 删除不再需要的备份(DeleteBackup)
特别值得注意的是新增的 AutomatedBackupConfig 配置,允许用户设置自动备份策略,大大简化了数据保护流程。同时,GcsBackupSource 和 ManagedBackupSource 提供了灵活的备份源选择,支持从 Google Cloud Storage 恢复数据或使用托管备份源。
维护管理优化
v0.3.0 版本完善了实例维护管理功能,新增了 MaintenancePolicy 和 MaintenanceSchedule 消息类型,以及 WeeklyMaintenanceWindow 用于定义每周维护窗口。关键改进包括:
- 支持设置维护策略(MaintenancePolicy)
- 可查看维护计划(MaintenanceSchedule)
- 新增 RescheduleMaintenance 方法用于调整维护时间
- 支持按需维护(ondemand_maintenance 字段)
这些功能让用户能够更灵活地控制系统维护时间,减少对业务的影响。
跨实例复制支持
新增的 CrossInstanceReplicationConfig 配置支持跨实例复制功能,增强了数据的可用性和可靠性。结合 PscAttachmentDetail 对私有服务连接的详细描述,为构建高可用架构提供了更多可能性。
实例配置扩展
新版本为 Instance 消息类型新增了多个重要字段:
- target_engine_version 和 target_node_type 支持规划实例升级
- psc_attachment_details 提供私有服务连接详情
- port 字段明确指定连接端口
- async_instance_endpoints_deletion_enabled 控制端点删除行为
这些扩展使得实例配置更加灵活和全面,能够满足更复杂的业务场景需求。
行为变更与兼容性说明
需要注意的是,本次更新对 psc_connection_id 字段的行为进行了调整,可能会影响现有代码中对该字段的使用方式。开发者在升级时需要检查相关代码是否兼容这一变更。
总结
Google Cloud Go 客户端库 memorystore 模块 v0.3.0 版本通过引入备份管理、维护策略和跨实例复制等新功能,显著提升了 Memorystore 服务的可管理性和可靠性。这些改进使得开发者能够构建更健壮、更易维护的云原生应用,特别是在数据持久化和高可用性方面提供了更多选择。对于正在使用或考虑使用 Google Cloud Memorystore 服务的团队,升级到新版本将能获得更完善的管控能力和更丰富的功能选项。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0218
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0139
uni-appA cross-platform framework using Vue.jsJavaScript09
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03