Azure NetApp Files SDK 13.4.0版本发布:新增冷存储访问策略与密钥管理功能
项目概述
Azure NetApp Files是微软Azure云平台上提供的高性能企业级文件存储服务,它基于NetApp的ONTAP技术构建,为云环境提供高性能、高可靠性的文件存储解决方案。Azure SDK for Python中的azure-mgmt-netapp模块是用于管理Azure NetApp Files资源的官方Python客户端库。
版本13.4.0主要更新
最新发布的13.4.0版本为Azure NetApp Files管理带来了几项重要功能增强,主要集中在冷存储访问策略和密钥管理方面。
冷存储访问策略支持
新版本引入了cool_access_tiering_policy属性,该属性可以在以下三个资源模型中配置:
Volume模型:用于创建新卷时指定冷存储访问策略VolumePatch模型:用于更新现有卷的冷存储策略VolumeGroupVolumeProperties模型:用于卷组中的卷配置
同时新增了CoolAccessTieringPolicy枚举类型,用于定义可用的冷存储访问策略选项。这一功能使得用户能够更精细地控制冷数据的访问策略,优化存储成本。
密钥管理增强
13.4.0版本显著增强了密钥管理功能,主要包括:
- 密钥保管库变更支持:新增了
begin_change_key_vault方法,允许用户更改用于加密的密钥保管库。 - 密钥状态查询:通过
begin_get_change_key_vault_information方法可以获取密钥保管库变更的状态信息。 - 加密转换功能:新增了
begin_transition_to_cmk方法,支持将加密方式转换为客户管理的密钥(CMK)。
这些功能通过以下新增模型实现:
ChangeKeyVault:表示密钥保管库变更请求EncryptionTransitionRequest:表示加密转换请求GetKeyVaultStatusResponse:包含密钥保管库状态信息KeyVaultPrivateEndpoint:表示密钥保管库的私有终结点配置
技术意义与应用场景
冷存储策略的业务价值
冷存储访问策略的引入使得企业能够:
- 根据数据访问频率自动调整存储层级
- 在不影响性能的前提下降低冷数据存储成本
- 通过策略自动化管理数据生命周期
典型应用场景包括:
- 长期归档但偶尔需要访问的数据
- 合规性要求的长期数据保留
- 备份数据的存储优化
密钥管理增强的安全意义
新的密钥管理功能提供了:
- 更灵活的密钥轮换能力,满足合规要求
- 加密方式的平滑迁移路径
- 密钥状态的透明可视化管理
这对于金融、医疗等对数据安全要求严格的行业尤为重要,可以帮助企业:
- 实现定期的密钥轮换策略
- 响应安全事件时的快速密钥更换
- 从平台管理密钥过渡到客户自管理密钥
开发者使用建议
对于需要使用这些新功能的开发者,建议:
-
冷存储策略配置:在创建或更新卷时,根据业务需求选择合适的
CoolAccessTieringPolicy值,平衡性能与成本。 -
密钥管理操作:
- 使用
begin_change_key_vault进行密钥保管库变更时,注意规划好维护窗口 - 通过
begin_get_change_key_vault_information监控变更状态 - 迁移到CMK前,确保已正确设置密钥保管库和访问策略
- 使用
-
错误处理:这些新操作都是长时间运行的操作(LRO),需要妥善处理可能的错误和超时情况。
总结
Azure NetApp Files SDK 13.4.0版本的发布,通过新增冷存储访问策略和增强密钥管理功能,为企业用户提供了更灵活的存储成本优化方案和更强的数据安全保障。这些功能特别适合需要精细控制存储成本同时满足严格安全合规要求的企业应用场景。开发者可以借助这些新功能构建更高效、更安全的云存储解决方案。
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