Azure SDK for JavaScript中Compute模块22.4.0版本发布解析
Azure SDK for JavaScript是微软官方提供的用于与Azure云服务交互的JavaScript开发工具包。其中@azure/arm-compute模块专门用于管理Azure计算资源,包括虚拟机、虚拟机规模集、磁盘等基础设施服务。本次22.4.0版本的发布带来了多项重要功能增强,特别是在虚拟机规模集迁移和区域平衡策略方面有显著改进。
核心功能增强
虚拟机到规模集的迁移能力
新版本引入了完整的虚拟机迁移到虚拟机规模集的工作流支持。开发人员现在可以通过以下API实现平滑迁移:
beginConvertToVirtualMachineScaleSet和beginConvertToVirtualMachineScaleSetAndWait方法启动迁移过程validateMigrationToVirtualMachineScaleSet用于预先验证迁移可行性cancelMigrationToVirtualMachineScaleSet提供迁移取消能力startMigrationToVirtualMachineScaleSet正式启动迁移操作
这些API配合MigrateToVirtualMachineScaleSetInput和ConvertToVirtualMachineScaleSetInput输入参数,为开发人员提供了细粒度的迁移控制能力。
自动区域再平衡策略
新版本在ResiliencyPolicy接口中增加了automaticZoneRebalancingPolicy属性,支持配置以下策略:
- RebalanceBehavior:定义再平衡行为模式
- RebalanceStrategy:设置再平衡策略
- ZonePlacementPolicyType:指定区域放置策略类型
这些策略特别适用于需要高可用性的生产环境,可以自动优化虚拟机在可用区之间的分布。
重要API变更
虚拟机镜像管理增强
新增的listWithProperties方法提供了更丰富的虚拟机镜像属性查询能力,返回结果包含镜像的详细元数据,便于开发人员做出更精确的镜像选择。
代理代理设置扩展
ProxyAgentSettings接口新增了两个重要属性:
imds:用于实例元数据服务配置wireServer:用于线路服务器配置
这些扩展使得虚拟机与Azure底层服务的交互配置更加灵活。
策略与配置优化
扩展的规模集策略
ScaleInPolicy新增了prioritizeUnhealthyVMs属性,允许在缩减规模时优先移除不健康的虚拟机实例,这对于维护服务健康状态非常有用。
存储配置优化
StorageProfile新增的alignRegionalDisksToVMZone属性支持将区域磁盘与虚拟机区域对齐,优化存储性能和数据局部性。
枚举类型扩展
新版本引入了多个枚举类型来支持新增功能:
Expand:定义查询扩展选项Modes:指定操作模式ResilientVMDeletionStatus:表示弹性虚拟机删除状态- 以及多个策略相关的枚举类型
这些枚举为API使用提供了更明确的选项和更好的类型安全。
实际应用场景
这些新功能特别适合以下场景:
-
传统虚拟机向规模集迁移:企业可以将现有的单实例虚拟机平滑迁移到更具弹性的规模集中,无需重建环境。
-
跨区域负载均衡:借助新的自动区域再平衡策略,关键业务可以自动优化在不同可用区的分布,提高容错能力。
-
健康优先的自动扩展:通过优先移除不健康实例的策略,可以确保自动扩展操作不会影响整体服务质量。
升级建议
对于已经在使用Azure Compute服务的管理系统,建议评估以下升级点:
-
如果有计划将现有虚拟机迁移到规模集,可以开始使用新的迁移API进行测试。
-
对于跨区域部署,应该考虑配置自动区域再平衡策略以提高可用性。
-
存储密集型应用可以尝试启用区域磁盘对齐功能来优化性能。
这个版本的增强功能使得Azure计算资源的管理更加智能和自动化,特别是在弹性扩展和区域高可用性方面提供了更多企业级能力。开发团队可以根据实际需求逐步采用这些新特性来优化云基础设施。
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