Azure Site Recovery 服务 SDK 5.3.0 版本发布:新增集群恢复点与保护集群功能
Azure Site Recovery 是微软 Azure 提供的一项关键业务连续性解决方案,它能够帮助企业在云平台和本地环境之间实现虚拟机和物理服务器的复制、故障转移和恢复。作为该服务的开发工具包,@azure/arm-recoveryservices-siterecovery 为开发者提供了以编程方式管理灾难恢复流程的能力。
本次发布的 5.3.0 版本带来了多项重要功能增强,主要集中在集群级别的灾难恢复能力上。新版本引入了集群恢复点管理和保护集群操作,为大规模虚拟化环境提供了更精细的恢复控制粒度。这些改进特别适合运行关键业务应用的 VMware 或 Hyper-V 集群环境,使管理员能够在集群层面执行恢复操作,而不仅限于单个虚拟机。
核心功能增强
集群恢复点管理
新版本新增了 ClusterRecoveryPointOperations 和 ClusterRecoveryPoints 操作组,为集群级别的恢复点提供了完整的管理能力:
- 集群恢复点类型:新增 ClusterRecoveryPointType 枚举,定义了不同类型的集群恢复点
- 恢复点获取:通过 get 方法可获取特定集群恢复点的详细信息
- 恢复点列表:支持列出特定保护集群的所有可用恢复点
- 恢复点属性:包括恢复点创建时间、一致性状态等关键元数据
这些功能使管理员能够像管理单个虚拟机恢复点一样管理整个集群的恢复点,大大简化了大规模环境的灾难恢复规划。
保护集群操作
新增的 ReplicationProtectionClusters 操作组提供了对保护集群的全面管理:
- 集群创建与删除:支持创建新的保护集群或清除现有集群配置
- 故障转移操作:包括计划内故障转移、测试故障转移和意外故障转移
- 恢复点应用:可将整个集群回滚到特定恢复点状态
- 复制修复:当集群复制状态异常时可执行修复操作
这些操作通过标准的 begin/beginAndWait 模式提供,确保长时间运行的操作能够被正确跟踪和管理。
技术细节深入
集群级别的恢复流程
新版本引入了多种集群特定的恢复流程输入类型:
- A2AClusterRecoveryPointDetails:Azure 到 Azure 场景的集群恢复点详情
- A2AClusterTestFailoverInput:测试故障转移的输入参数
- A2AClusterUnplannedFailoverInput:意外故障转移的输入参数
这些类型扩展了现有的单个虚拟机恢复选项,为集群环境提供了专门的配置项。
安全增强
在安全方面,新版本增加了多项与安全配置相关的改进:
- SecurityProfileProperties:定义了目标虚拟机的安全配置
- LinuxLicenseType:新增枚举,支持指定 Linux 系统的许可证类型
- 磁盘加密选项增强:支持更多类型的托管磁盘加密配置
这些改进使企业能够更好地满足合规性要求,特别是在金融和医疗等严格监管的行业。
实际应用场景
大规模环境灾难恢复
对于运行数百台虚拟机的大型 VMware 或 Hyper-V 集群,新功能允许:
- 创建集群级别的恢复点,确保所有相关虚拟机的一致性
- 执行集群范围的测试故障转移,验证整个应用的恢复能力
- 在真实灾难发生时,一键恢复整个应用堆栈
混合云场景
在混合云部署中,管理员可以:
- 将本地集群保护到 Azure
- 定期创建集群恢复点
- 根据需要执行云端的集群测试或实际故障转移
升级建议
对于已经在使用 Azure Site Recovery SDK 的开发团队,建议:
- 评估新集群功能是否适用于现有灾难恢复策略
- 在测试环境中验证新 API 的行为
- 更新自动化脚本以利用新的集群级别操作
- 检查现有代码中与磁盘和安全配置相关的部分,确保兼容新的枚举值和参数
本次更新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,但为了充分利用新功能,建议逐步迁移到新的集群级别API。
总结
@azure/arm-recoveryservices-siterecovery 5.3.0 版本通过引入集群级别的恢复和保护功能,显著增强了大规模虚拟化环境的灾难恢复能力。这些新功能不仅提供了更精细的控制粒度,还简化了复杂环境的管理工作。对于运行关键业务应用的企业,这些改进意味着更高的可靠性和更灵活的恢复选项,进一步强化了 Azure 作为企业级灾难恢复解决方案的地位。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~052CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0308- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









