Azure SDK for Java存储文件共享库12.26.0版本发布解析
Azure SDK for Java中的azure-storage-file-share库是微软提供的用于与Azure文件存储服务进行交互的Java客户端库。该库简化了开发者在Java应用程序中操作Azure文件共享服务的复杂度,提供了创建、管理和访问文件共享的高层抽象接口。
核心功能更新
本次12.26.0版本带来了两个重要的功能增强:
-
NFS over REST支持:新增了对NFS(网络文件系统)协议通过REST接口访问的支持。这一特性使得开发者能够以更高效的方式在云环境中处理文件操作,特别是对于需要高性能文件共享的场景。NFS协议在Linux环境中广泛使用,这一支持将极大提升跨平台文件共享的便利性。
-
服务版本2025-05-05支持:库现在兼容Azure文件存储服务的最新API版本2025-05-05。这意味着开发者可以利用服务端最新提供的功能和优化,确保应用程序能够访问最新的服务特性。
重大变更说明
本次版本包含一个需要注意的破坏性变更,涉及文件权限和属性相关请求头的默认行为调整:
在之前的版本中,以下API方法默认会发送x-ms-file-permission、x-ms-file-attributes、x-ms-file-creation-time和x-ms-file-last-write-time等请求头。从12.26.0版本开始,这些头信息将不再默认发送,因为自服务版本2021-06-08起,这些头信息在REST API中已经是可选的了。
受影响的API方法包括:
- ShareDirectoryClient/ShareDirectoryAsyncClient.createWithResponse()
- ShareDirectoryClient/ShareDirectoryAsyncClient.setPropertiesWithResponse()
- ShareFileClient/ShareFileAsyncClient.createWithResponse()
- ShareFileClient/ShareFileAsyncClient.beginCopy()
- ShareFileClient/ShareFileAsyncClient.setPropertiesWithResponse()
这一变更可能会影响那些依赖这些头信息默认行为的现有代码。开发者需要检查自己的应用程序,如果确实需要这些头信息,现在需要显式地设置它们。
依赖项更新
本次版本将azure-storage-common依赖从12.28.1升级到了12.29.0版本。这一基础库的升级带来了底层共享功能的改进和优化,为文件共享库提供了更稳定和高效的基础支持。
升级建议
对于正在使用较旧版本azure-storage-file-share库的项目,升级到12.26.0版本时需要注意以下几点:
- 如果应用程序依赖于那些不再默认发送的文件属性头信息,需要修改代码显式设置这些头信息。
- 新加入的NFS over REST支持可能需要额外的服务端配置才能使用,建议先测试验证功能是否符合预期。
- 由于基础依赖库的升级,建议进行全面测试以确保没有引入兼容性问题。
对于新项目,建议直接采用此版本开始开发,以利用最新的功能特性和性能优化。特别是需要NFS协议支持或需要使用最新服务API特性的项目,12.26.0版本将是最佳选择。
总的来说,12.26.0版本为Azure文件存储的Java开发者带来了更强大的功能和更灵活的选项,同时也遵循了API设计的简洁性原则,去除了不必要的默认行为。这些改进将帮助开发者构建更高效、更可靠的云存储应用。
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