Azure Kusto Go SDK v2.3.0 版本发布:增强集群管理与安全控制能力
Azure Kusto(也称为Azure Data Explorer)是微软提供的一种快速、完全托管的数据分析服务,用于实时分析大规模数据流。作为其官方Go语言SDK,azure-sdk-for-go项目中的armkusto模块为开发者提供了与Kusto服务交互的编程接口。
本次发布的v2.3.0版本主要围绕集群管理和安全控制进行了多项功能增强,包括新增的调用策略管理、区域状态监控以及更精细化的权限控制等功能。这些更新使得开发者能够构建更安全、更可靠的Kusto集群管理应用。
核心功能更新
1. 调用策略管理功能
新版本引入了完整的调用策略管理能力,允许开发者通过编程方式控制集群对外部服务的访问:
// 添加调用策略示例
poller, err := client.BeginAddCalloutPolicies(ctx, "rgName", "clusterName",
armkusto.CalloutPoliciesList{
Value: []*armkusto.CalloutPolicy{
{
Type: to.Ptr(armkusto.CalloutTypeAzureOpenai),
AllowedIPRanges: []*string{to.Ptr("192.168.1.0/24")},
},
},
}, nil)
SDK新增了CalloutType枚举类型,支持配置多种外部服务访问策略,包括:
- Azure OpenAI服务
- Cosmos DB
- MySQL/PostgreSQL数据库
- 自定义Web API等
通过BeginAddCalloutPolicies和BeginRemoveCalloutPolicy方法,开发者可以动态管理集群的对外访问策略,确保数据安全。
2. 区域状态监控
新版本增加了对集群区域状态的监控能力,通过ZoneStatus枚举可以获取集群的区域分布情况:
Zonal:集群节点均匀分布在多个可用区NonZonal:集群未启用区域分布ZonalInconsistency:集群节点区域分布不均衡
这一功能对于构建高可用性应用尤为重要,开发者可以根据状态自动调整部署策略。
3. 精细化脚本权限控制
在脚本执行权限方面,v2.3.0引入了更细粒度的控制选项:
scriptProps := &armkusto.ScriptProperties{
ScriptLevel: to.Ptr(armkusto.ScriptLevelDatabase),
PrincipalPermissionsAction: to.Ptr(armkusto.PrincipalPermissionsActionRemovePermissionOnScriptCompletion),
// 其他脚本属性...
}
新增的ScriptLevel允许指定脚本作用域(集群级或数据库级),而PrincipalPermissionsAction则控制脚本执行后是否保留临时权限,大大增强了安全性。
其他重要更新
-
新增集群主体角色:增加了
ClusterPrincipalRoleAllDatabasesMonitor角色,允许主体监控所有数据库的运行状态。 -
语言扩展支持:新增了对Python 3.11.7语言扩展的支持,包括基础镜像和深度学习专用镜像。
-
出站访问控制:通过
OutboundAccess枚举,开发者可以明确允许或拒绝集群的出站网络访问。 -
改进的跟随数据库管理:新增了更详细的跟随数据库信息获取接口,便于构建跨集群数据同步方案。
升级建议
对于正在使用Kusto Go SDK的开发者,建议尽快评估升级至v2.3.0版本,特别是需要以下功能的场景:
- 需要精细控制集群对外访问权限
- 构建多区域高可用性解决方案
- 实现自动化安全合规检查
- 管理复杂的脚本执行权限
新版本保持了良好的向后兼容性,现有代码通常无需修改即可继续工作,同时可以利用新API增强应用功能。
通过这次更新,Azure Kusto Go SDK进一步巩固了其在数据分析和实时处理领域的地位,为开发者提供了更强大、更安全的工具集,帮助构建下一代数据密集型应用程序。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust011
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00