Websoft9项目中的Azure虚拟机Gen1升级至Gen2技术指南
2025-07-08 19:22:31作者:宣海椒Queenly
在Websoft9项目中,我们一直使用Azure的Gen1虚拟机来部署各种应用和服务。随着技术发展,微软Azure平台已经推荐用户将虚拟机从Gen1升级至Gen2版本,以获得更好的性能和功能支持。本文将详细介绍如何在Websoft9项目中完成这一升级过程。
Gen1与Gen2虚拟机的核心区别
Gen2虚拟机相比Gen1有几个重要改进:
- 支持更大的内存容量和更多的vCPU
- 提供更快的启动时间
- 支持UEFI启动架构而非传统的BIOS
- 提供TPM 2.0支持,增强安全性
- 支持更大的磁盘容量(最高64TB)
升级前的准备工作
在开始升级前,我们需要确认几个关键点:
- 操作系统是否支持Gen2架构
- 现有虚拟机是否使用了托管磁盘
- 是否需要保留原有配置和数据
具体升级步骤
1. 创建新的Gen2虚拟机
使用Azure CLI创建新的Gen2虚拟机,注意指定hyper-v-generation参数为V2:
az vm create \
--resource-group w9group \
--name websoft9-enterprise-UbuntuLTS22.04 \
--image Canonical:0001-com-ubuntu-server-jammy:22_04-lts-gen2:22.04.202405010 \
--size Standard_B2ms \
--vnet-name websoft9-enterprise-UbuntuLTS22.04 \
--nsg websoft9 \
--os-disk-name websoft9-enterprise-UbuntuLTS22.04 \
--admin-username websoft9 \
--ssh-key-value /root/.ssh/websoft9_auto.pub
2. 迁移到托管磁盘
微软已经宣布将停用非托管磁盘,因此我们应当使用托管磁盘:
# 停止虚拟机
az vm deallocate --resource-group w9group --name websoft9-testFavorite-UbuntuLTS20.04
# 通用化虚拟机
az vm generalize --resource-group w9group --name websoft9-testFavorite-UbuntuLTS20.04
# 创建托管磁盘镜像
az image create \
--resource-group w9group \
--name websoft9-testFavorite-UbuntuLTS20.04 \
--source websoft9-testFavorite-UbuntuLTS20.04 \
--hyper-v-generation V2
3. 验证新虚拟机
创建基于新镜像的虚拟机进行验证:
az vm create \
--resource-group w9group \
--name websoft9-testFavorite-UbuntuLTS20.04-check \
--image websoft9-testFavorite-UbuntuLTS20.04 \
--size Standard_B2s \
--vnet-name websoft9-testFavorite-UbuntuLTS20.04-check \
--nsg websoft9 \
--os-disk-name websoft9-testFavorite-UbuntuLTS20.04-check \
--admin-username websoft9 \
--ssh-key-value /root/.ssh/websoft9_auto.pub
常见问题处理
磁盘访问问题
对于托管磁盘,如果需要获取VHD URL进行特殊操作,可以使用以下命令:
az disk grant-access \
--resource-group w9group \
--name websoft9-testFavorite-UbuntuLTS20.04 \
--duration-in-seconds 604800
性能优化建议
- 根据工作负载选择合适的磁盘类型(Premium_LRS/StandardSSD_LRS)
- 考虑启用加速网络功能
- 对于高IOPS需求的应用,选择支持NVMe的实例类型
总结
将Websoft9项目中的Azure虚拟机从Gen1升级到Gen2不仅能获得性能提升,还能确保与Azure最新功能的兼容性。通过使用托管磁盘和标准化的镜像创建流程,我们可以构建更加稳定可靠的云基础设施。建议在非生产环境充分测试后再进行生产环境的迁移。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
420
3.22 K
Ascend Extension for PyTorch
Python
230
261
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
330
暂无简介
Dart
685
160
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869