KnownVMCategory enum
VMCategories zdefiniowane dla maszyn wirtualnych platformy Azure. Zobacz: https://learn.microsoft.com/en-us/azure/virtual-machines/sizes/overview?tabs=breakdownseries%2Cgeneralsizelist%2Ccomputesizelist%2Cmemorysizelist%2Cstoragesizelist%2Cgpusizelist%2Cfpgasizelist%2Chpcsizelist#general-purpose
Pola
| ComputeOptimized | Rozmiary maszyn wirtualnych zoptymalizowane pod kątem obliczeń mają wysoki stosunek procesora CPU do pamięci. Te rozmiary są dobre dla serwerów internetowych o średnim natężeniu ruchu, urządzeń sieciowych, procesów wsadowych i serwerów aplikacji. |
| FpgaAccelerated | Rozmiary maszyn wirtualnych zoptymalizowane pod kątem układów FPGA to wyspecjalizowane maszyny wirtualne dostępne z jednym lub wieloma układami FPGA. Te rozmiary są przeznaczone dla obciążeń intensywnie korzystających z obliczeń. Ten artykuł zawiera informacje o liczbie i typie układów FPGA, procesorów wirtualnych, dysków danych i kart sieciowych. Przepływność magazynu i przepustowość sieci są również uwzględniane dla każdego rozmiaru w tym grupowaniu. |
| GeneralPurpose | Rozmiary maszyn wirtualnych ogólnego przeznaczenia zapewniają zrównoważony stosunek procesora CPU do pamięci. Idealne rozwiązanie na potrzeby testowania i wdrażania, małych i średnich baz danych oraz serwerów internetowych o małym lub średnim ruchu. |
| GpuAccelerated | Rozmiary maszyn wirtualnych zoptymalizowanych pod kątem GPU to wyspecjalizowane maszyny wirtualne dostępne z pojedynczym, wieloma lub częściowymi GPU. Te rozmiary są przeznaczone dla obciążeń intensywnie korzystających z obliczeń, intensywnie korzystających z grafiki i wizualizacji. |
| HighPerformanceCompute | Maszyny wirtualne obliczeniowe o wysokiej wydajności platformy Azure są zoptymalizowane pod kątem różnych obciążeń HPC, takich jak obliczeniowa dynamika płynów, analiza elementów skończonych, fronton i backend EDA, renderowanie, dynamika molekularna, obliczeniowa nauka o Ziemi, symulacja pogody i analiza ryzyka finansowego. |
| MemoryOptimized | Rozmiary maszyn wirtualnych zoptymalizowane pod kątem pamięci oferują wysoki stosunek pamięci do procesora CPU, który doskonale nadaje się do serwerów relacyjnych baz danych, średnich i dużych pamięci podręcznych oraz analizy w pamięci. |
| StorageOptimized | Rozmiary maszyn wirtualnych zoptymalizowanych pod kątem pamięci masowej oferują wysoką przepływność dysku i operacje I/O. Są idealne dla baz danych Big Data, baz danych SQL, baz danych NoSQL, magazynowania danych i dużych transakcyjnych baz danych. Przykłady obejmują bazy danych Cassandra, MongoDB, Cloudera i Redis. |
