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。
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 StartedRust0190
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 Notebook0113
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08