KnownVMCategory enum

Pakiet:

@azure/arm-computefleet

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 fpGA to wyspecjalizowane maszyny wirtualne dostępne z pojedynczą 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 do testowania i programowania, małych i średnich baz danych oraz serwerów internetowych o małym i średnim ruchu.
GpuAccelerated	Rozmiary maszyn wirtualnych zoptymalizowanych pod kątem procesora GPU to wyspecjalizowane maszyny wirtualne dostępne z pojedynczymi, wielokrotnymi lub ułamkami procesorów GPU. Te rozmiary są przeznaczone dla obciążeń intensywnie korzystających z obliczeń, intensywnie korzystających z grafiki i wizualizacji.
HighPerformanceCompute	Maszyny wirtualne obliczeń o wysokiej wydajności platformy Azure są zoptymalizowane pod kątem różnych obciążeń HPC, takich jak obliczana dynamika płynów, analiza elementów skończonych, analiza frontonu i zaplecza EDA, renderowanie, dynamika molekularna, obliczenia geo science, 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 magazynu oferują wysoką przepływność dysku i operacje we/wy. Są idealne dla baz danych Big Data, SQL, Baz danych NoSQL, magazynowania danych i dużych transakcyjnych baz danych. Przykłady obejmują bazy danych Cassandra, MongoDB, Cloudera i Redis.