Azure PowerShell 网络模块更新:Az.Network v7.13.0-preview 新功能介绍
项目概述
Azure PowerShell 是微软提供的用于管理 Azure 资源的命令行工具集,其中的 Az.Network 模块专门用于管理 Azure 网络资源。本次发布的 7.13.0-preview 版本为预览状态,主要针对网络安全边界日志配置和路由服务器功能进行了增强。
网络安全边界日志配置功能增强
本次更新引入了四个全新的 cmdlet,用于管理网络安全边界(Network Security Perimeter)的日志配置功能:
-
New-AzNetworkSecurityPerimeterLoggingConfiguration
用于创建新的网络安全边界日志配置,允许管理员定义需要记录的安全事件类型和日志存储位置。 -
Get-AzNetworkSecurityPerimeterLoggingConfiguration
查询现有的网络安全边界日志配置,获取当前配置的详细信息。 -
Update-AzNetworkSecurityPerimeterLoggingConfiguration
更新现有的日志配置,可以根据安全需求变化调整日志记录策略。 -
Remove-AzNetworkSecurityPerimeterLoggingConfiguration
删除不再需要的日志配置,简化配置管理。
这些新功能为网络安全团队提供了更精细的日志控制能力,有助于满足合规性要求和安全审计需求。通过 PowerShell 自动化管理这些配置,可以大大提高大规模网络环境下的管理效率。
路由服务器功能增强
本次更新还对路由服务器(Route Server)相关 cmdlet 进行了功能扩展:
-
New-AzRouteServer
新增了对 VirtualRouterAutoScaleConfiguration 参数的支持,允许在创建路由服务器时配置自动扩展功能。 -
Get-AzRouteServer
现在可以查询路由服务器的自动扩展配置信息。 -
Update-AzRouteServer
增加了更新路由服务器自动扩展配置的能力。
自动扩展功能的加入使得路由服务器能够根据网络流量负载动态调整资源,既保证了高性能又优化了成本。这对于流量波动较大的应用场景特别有价值,如电商促销期间或突发新闻事件导致的流量激增情况。
技术价值与应用场景
这些更新在实际运维中具有重要价值:
-
安全合规自动化
新的日志配置 cmdlet 使得企业可以编写脚本自动化部署标准化的安全日志策略,确保所有网络边界都遵循相同的安全审计标准。 -
动态网络资源管理
路由服务器的自动扩展功能让网络架构能够更灵活地应对业务需求变化,特别适合云原生应用和微服务架构。 -
大规模运维效率提升
通过 PowerShell 批量管理这些配置,显著减少了人工操作的工作量和出错概率,特别适合拥有大量网络资源的企业环境。
最佳实践建议
对于计划采用这些新功能的企业,建议:
- 在非生产环境充分测试新的日志配置功能,确保其满足安全团队的需求。
- 为路由服务器自动扩展设置合理的阈值和限制,避免不必要的资源消耗。
- 将这些新 cmdlet 集成到现有的基础设施即代码(IaC)流程中,实现配置的版本控制和自动化部署。
- 建立适当的监控机制,确保日志配置和自动扩展功能按预期工作。
总结
Az.Network 7.13.0-preview 版本的更新为 Azure 网络管理带来了更强大的安全日志控制和自动化扩展能力。这些功能不仅提升了运维效率,也为构建更安全、更弹性的云网络架构提供了新的可能性。作为预览版本,建议用户在测试环境中评估这些新功能,为正式版的采用做好准备。
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