Google Cloud Memorystore v1 1.2.0版本发布:新增备份与维护管理功能
Google Cloud Memorystore是Google Cloud提供的一款全托管的内存数据库服务,基于Redis协议构建,能够为应用程序提供高性能、低延迟的数据访问能力。近日,其v1 API发布了1.2.0版本,带来了多项重要功能更新,特别是在备份管理和实例维护方面有了显著增强。
核心功能更新
1. 自动化备份配置
新版本引入了AutomatedBackupConfig消息类型,允许用户配置自动备份策略。通过这个功能,用户可以设置备份的保留周期、备份窗口等参数,确保数据安全性的同时优化存储成本。
2. 备份集合管理
新增的BackupCollection资源类型提供了对备份的集中管理能力。用户可以创建、查询备份集合,每个集合可以包含多个备份文件(BackupFile),便于组织和管理不同时间点的数据快照。
3. 跨实例复制配置
CrossInstanceReplicationConfig消息类型的加入,使得用户可以配置实例间的数据复制策略。这对于需要高可用性和灾难恢复能力的业务场景尤为重要。
4. 维护策略与调度
新版本增加了MaintenancePolicy和MaintenanceSchedule消息类型,支持定义维护窗口和维护策略。WeeklyMaintenanceWindow允许用户指定每周的维护时间段,而RescheduleMaintenanceRequest则提供了灵活调整维护计划的能力。
技术细节增强
1. PSC连接改进
PscConnection消息类型新增了port字段,同时psc_connection_id字段的行为有所调整,提供了更精细化的私有服务连接配置能力。
2. 实例管理增强
Instance消息类型新增了多个字段,包括:
- async_instance_endpoints_deletion_enabled:控制异步删除实例端点
- gcs_source:支持从Google Cloud Storage恢复数据
- target_engine_version和target_node_type:支持实例升级和节点类型变更
3. 新增API方法
服务端新增了多个API方法,包括:
- BackupInstance:创建实例备份
- ExportBackup:导出备份到外部存储
- ListBackups/GetBackup:备份查询接口
- RescheduleMaintenance:维护计划调整
兼容性与要求
本次更新将最低要求的Ruby版本提升至3.1,开发者需要注意运行环境兼容性。同时,新增了对cloudkms.googleapis.com/CryptoKey资源的支持,为备份加密提供了更多选择。
实际应用场景
这些新功能特别适合以下业务场景:
- 金融行业:通过自动化备份和跨实例复制确保交易数据安全
- 电商平台:利用维护窗口功能在低峰期执行维护,减少对业务影响
- 游戏服务:使用备份集合管理不同版本的游戏数据
总结
Google Cloud Memorystore v1 1.2.0版本的发布,显著增强了其在数据备份、实例维护和跨实例复制方面的能力,为企业级应用提供了更可靠的数据持久化和高可用性保障。开发者现在可以更灵活地管理Redis实例的生命周期,同时确保业务连续性。这些改进使得Memorystore在云原生应用架构中扮演着更加重要的角色。
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 StartedRust0212
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 Notebook0136
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
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