Azure SDK for JavaScript 中的 Cosmos DB 4.3.0 版本新特性解析
Azure SDK for JavaScript 中的 Cosmos DB 客户端库迎来了 4.3.0 版本的重大更新,这次更新带来了多项令人兴奋的新功能,包括客户端加密预览、查询管道优化、分区合并支持等。本文将深入解析这些新特性,帮助开发者更好地理解和应用这些功能。
客户端加密(预览)
4.3.0 版本引入了客户端加密功能,这是数据安全领域的一项重要增强。客户端加密允许开发者在数据发送到 Cosmos DB 之前就对敏感数据进行加密,确保数据在传输和存储过程中都保持加密状态。
实现客户端加密需要几个关键组件:
- 加密密钥解析器(如 Azure Key Vault)
- 客户端加密密钥的创建和管理
- 容器级别的加密策略定义
开发者可以指定哪些属性需要加密,以及使用哪种加密算法(目前支持 AEAD_AES_256_CBC_HMAC_SHA256)。加密类型可以是确定性加密或随机加密,前者保证相同的明文总是生成相同的密文,适合需要查询加密字段的场景。
新一代查询管道
新版本对查询执行管道进行了重构,引入了 enableQueryControl 标志来控制查询行为。这个改进解决了旧版本中可能导致的 RU 消耗过高问题。
在旧版本中,SDK 会保证每次 fetchNext 调用都返回 maxItemCount 指定的结果数量(如果有足够的结果)。这种行为虽然保证了输出的一致性,但可能导致 SDK 在单次 fetchNext 调用中查询多个后端分区,增加了 RU 消耗。
新版本中,当 enableQueryControl 设置为 true 时,每个 fetchNext 调用最多查询 maxDegreeOfParallelism 指定的物理分区数。如果没有找到结果,SDK 将返回空页而不是继续搜索所有分区。这种改进将控制权交还给开发者,让他们可以更精细地管理 RU 消耗。
分区合并支持
4.3.0 版本增加了对分区合并(预览)功能的支持。当在 Cosmos DB 账户上启用此功能时,SDK 的请求不会被阻塞。分区合并功能可以帮助优化数据分布和性能,特别是在分区大小不均匀或需要重新平衡工作负载的场景中。
RU 分桶(预览)
RU 分桶是另一个值得关注的新特性。这项功能通过将请求分配到不同的"桶"中,帮助更好地管理和限制资源使用。这对于需要精细控制资源消耗的多租户应用或需要保证特定工作负载性能的场景特别有用。
变更源中的分层分区键支持
对于使用分层分区键的容器,新版本改进了变更源功能,支持部分分层分区键。这意味着即使只提供了部分分区键组件(如只提供了前两个层级的值),变更源迭代器也能正常工作并返回准确的结果。这个改进大大提高了变更源在处理复杂分区方案时的灵活性。
索引指标 V2 支持
新版本引入了对索引指标 V2 的支持,提供了更结构化的 JSON 格式输出。相比旧版的文本格式,V2 版本更容易被程序解析和处理,便于集成到监控和分析系统中。
连接字符串配置改进
现在,开发者可以在 CosmosClientOptions 中直接配置连接字符串,同时还能设置其他配置选项,如一致性级别等。这个改进简化了客户端初始化过程,使配置更加集中和一致。
问题修复
4.3.0 版本还修复了多个问题,包括:
- 修复了
ParallelizeCrossPartitionQuery头值不正确的问题 - 解决了变更源在处理内部超时错误时可能返回不正确结果的问题
- 修正了 RequestOptions 和 SharedOptions 的相关问题
- 为 RetryOptions 设置了默认值
总结
Azure SDK for JavaScript 中的 Cosmos DB 4.3.0 版本带来了多项重要更新,特别是在数据安全、查询性能和分区管理方面。客户端加密功能为敏感数据提供了额外保护层,新的查询管道让开发者能更精细地控制资源消耗,而分区相关改进则增强了系统的灵活性和可管理性。这些更新共同使 Cosmos DB 在 JavaScript 生态中的使用体验更加完善和安全。
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