Dela via


Storlekar för virtuella datorer i Azure

Gäller för: ✔️ Virtuella Linux-datorer ✔️ med virtuella Windows-datorer ✔️ – flexibla skalningsuppsättningar ✔️ Enhetliga skalningsuppsättningar

Storlekar på virtuella Azure-datorer (VM) är utformade för att tillhandahålla ett brett utbud av alternativ för att vara värd för dina servrar och deras arbetsbelastningar i molnet. Storlekar kategoriseras i olika familjer och typer, var och en optimerad för specifika ändamål. Användare kan välja den lämpligaste VM-storleken baserat på deras krav, till exempel CPU, minne, lagring och nätverksbandbredd.

Den här artikeln beskriver vilka storlekar som är, ger en översikt över tillgängliga storlekar och visar olika alternativ för virtuella Azure-datorinstanser som du kan använda för att köra dina appar och arbetsbelastningar.

Dricks

Prova väljareverktyget För virtuella datorer för att hitta andra storlekar som passar bäst för din arbetsbelastning.

YouTube-video för att välja rätt storlek för den virtuella datorn.

Namn på vm-storlek och serie

Storlekar på virtuella Azure-datorer följer specifika namngivningskonventioner för att ange olika funktioner och specifikationer. Varje tecken i namnet representerar olika aspekter av den virtuella datorn. Dessa omfattar vm-familjen, antalet virtuella processorer och extra funktioner som premiumlagring eller inkluderade acceleratorer.

Namngivning av virtuella datorer är ytterligare uppdelat i serienamnet och namnet "Storlek". Storleksnamn innehåller extra tecken som representerar antalet vCPU:er, typ av lagring osv.

Kategori beskrivning Länkar
Typ Grundläggande kategorisering efter avsedd arbetsbelastning. Generell användning
Beräkningsoptimerad
Minnesoptimerad
Lagringsoptimerad
GPU-accelererad
FPGA accelererade
Serie Grupp med storlekar med liknande maskinvara och funktioner. Ange fliken Serie här.
Storlek Specifik VM-konfiguration, inklusive vCPU:er, minne och acceleratorer. Ange fliken Storlek här.

Uppdelning av namnstruktur

Här är en uppdelning av en storleksserie för generell användning DCads_v5-serien.

Bild som visar en uppdelning av DCadsv5 VM-storleksserien med text som beskriver varje bokstav och del av namnet.1 De flesta familjer representeras med en bokstav, men andra som GPU-storlekar (ND-series, NV-seriesosv.) använder två.
2 De flesta underfamiljer representeras med en enda versal, men andra (till exempel ) betraktas fortfarande som Ebsv5-seriesunderfamiljer till sin överordnade familj på grund av funktionsskillnader.
3 Om ingen funktionsbeteckning för en PROCESSOR visas använder serien Intel x86-64-processorer. Om processorn är AMD visas den som a. Om processorn är ARM-baserad (Microsoft Cobalt eller Ampere Altra) visas den som p.
4 Det kan finnas valfritt antal extra funktioner i ett storleksnamn. Det kan inte finnas någon (Dv5-series) eller så kan det finnas tre (Dplds_v6-series).
5 Versionsnummer visas bara i storleksnamnet om det finns flera versioner av samma serie. Om du använder den första versionen av en serie (HB-series, B-seriesosv.) ingår den ofta inte i storleksnamnet.

Kommentar

Alla storlekar kommer inte att ha underfamiljer, stödacceleratorer eller ange CPU-leverantören. Mer information om namngivningskonventioner för VM-storlek finns i Namngivningskonventioner för virtuella Azure-datorer.

Lista över vm-storleksfamiljer efter typ

Det här avsnittet innehåller en lista över alla aktuella serier av generationsstorlekar med flikar som är dedikerade till varje storleksfamilj. Varje grupp har kolumnen Serielista med en länkad lista över alla tillgängliga storleksserier. Dessa länkar tar dig till familjesidan för serien, där du hittar detaljerad information om varje storlek i serien eller går till seriens sida för en lista över storlekar i serien.

Om du vill veta mer om en storleksfamilj klickar du på fliken "familj" under varje typavsnitt. Där kan du läsa en sammanfattning om familjen, se de arbetsbelastningar som rekommenderas för och visa hela familjesidan med specifikationer för alla serier i den familjen.

Generell användning

Vm-storlekar för generell användning ger ett balanserat förhållande mellan cpu och minne. Utmärkt för testning och utveckling, små till medelstora databaser och webbservrar med låg till medelhög trafik.

Familj Arbetsbelastningar Serielista
A-familj Ekonomisk instegsnivå Av2-serien
Tidigare serie med A-familj
B-familj Burstbar Bsv2-serien
Basv2-serien
Bpsv2-serien
Tidigare serie med B-familj
D-familj Företagsprogram
Relationsdatabaser
Minnesintern cachelagring
Datanalys
Dpsv6-serien och Dplsv6-serien
Dpdsv6-serien och Dpldsv6-serien
Dasv6- och Dadsv6-serien
Dalsv6- och Daldsv6-serien
Dpsv5- och Dpdsv5-serien
Dpldsv5- och Dpldsv5-serien
Dlsv5- och Dldsv5-serien
Dv5- och Dsv5-serien
Ddv5- och Ddsv5-serien
Dasv5- och Dadsv5-serien
Föregående generations D-familjeserie
DC-familj D-familj med konfidentiell databehandling DCasv5- och DCadsv5-serien
DCas_cc_v5 och DCads_cc_v5-serien
DCesv5- och DCedsv5-serien
DCsv3- och DCdsv3-serien
Tidigare gen DC-familj

Beräkningsoptimerad

Beräkningsoptimerade VM-storlekar har ett högt cpu-till-minne-förhållande. Dessa storlekar är bra för webbservrar med medelhög trafik, nätverksinstallationer, batchprocesser och programservrar.

Lista över beräkningsoptimerade VM-storleksfamiljer:

Familj Arbetsbelastningar Serielista
F-familj Webbservrar med medelhög trafik
Nätverksinstallationer
Batchprocesser
Programservrar
Fasv6, Falsv6 och Famsv6-serien
Fsv2-serien
Tidigare generations F-familj
FX-familj EDA (Electronic Design Automation)
Stora minnesrelationsdatabaser
Mellanstora till stora cacheminnen
Minnesintern analys
FX-serien

Om du vill veta mer om en viss storleksfamilj eller serie klickar du på fliken för den familjen och bläddrar för att hitta önskad storleksserie.

Minnesoptimerad

Minnesoptimerade VM-storlekar erbjuder ett högt förhållande mellan minne och CPU som är bra för relationsdatabasservrar, medelstora till stora cacheminnen och minnesintern analys.

Lista över minnesoptimerade VM-storlekar med länkar till varje serie familjesida:

Familj Arbetsbelastningar Serielista
E-familj Relationsdatabaser
Mellanstora till stora cacheminnen
Minnesintern analys
Epsv6- och Epdsv6-serien
Easv6- och Eadsv6-serien
Ev5- och Esv5-serien
Edv5- och Edsv5-serien
Easv5- och Eadsv5-serien
Epsv5- och Epdsv5-serien
Tidigare familjer
Eb-familj E-familj med hög fjärrlagringsprestanda Ebdsv5- och Ebsv5-serien
EC-familj E-familj med konfidentiell databehandling ECasv5- och ECadsv5-serien
ECas_cc_v5 och ECads_cc_v5-serien
ECesv5- och ECedsv5-serien
M-familj Extremt stora databaser
Stora mängder minne
Mbsv3- och Mbdsv3-serien
Msv3- och Mdsv3-serien
Mv2-serien
Msv2- och Mdsv2-serien
Andra familjer Minnesoptimerade storlekar för äldre generation Tidigare familjer

Om du vill veta mer om en viss storleksfamilj eller serie klickar du på fliken för den familjen och bläddrar för att hitta önskad storleksserie.

Lagringsoptimerad

Storlekar för lagringsoptimerade virtuella datorer (VM) erbjuder högt diskdataflöde och I/O och är idealiska för stordata, SQL, NoSQL-databaser, datalager och stora transaktionsdatabaser. Exempel är Cassandra, MongoDB, Cloudera och Redis.

Lista över lagringsoptimerade VM-storleksfamiljer:

Familj Arbetsbelastningar Serielista
L-familj Högt diskdataflöde och I/O
Stordata
SQL- och NoSQL-databaser
Datalagerhantering
Stora transaktionsdatabaser
Lsv3-serien
Lasv3-serien
Föregående generations L-familj

Om du vill veta mer om en viss storleksfamilj eller serie klickar du på fliken för den familjen och bläddrar för att hitta önskad storleksserie.

GPU-accelererad

GPU-optimerade VM-storlekar är specialiserade virtuella datorer som är tillgängliga med enstaka, flera eller bråktals-GPU:er. Dessa storlekar är utformade för beräkningsintensiva, grafikintensiva och visualiseringsarbetsbelastningar.

Lista över GPU-optimerade vm-storleksfamiljer:

Familj Arbetsbelastningar Serielista
NC-familj Beräkningsintensiv
Grafikintensiv
Visualisering
NC-serien
NCads_H100_v5-serien
NCCads_H100_v5-serien
NCv2-serien
NCv3-serien
NCasT4_v3-serien
NC_A100_v4-serien
ND-familj Beräkningsintensivt stort minne
Grafikintensivt stort minne
Stor minnesvisualisering
ND_MI300X_v5-serien
ND-H100-v5-serien
NDm_A100_v4-serien
ND_A100_v4-serien
NG-familj Virtual Desktop (VDI)
Molnspel
NGads V620-serien
NV-familj Virtuellt skrivbord (VDI)
Beräkning med enkel precision
Videokodning och återgivning
NV-serien
NVv3-serien
NVv4-serien
NVadsA10_v5-serien
Föregående generations NV-familj

Om du vill veta mer om en viss storleksfamilj eller serie klickar du på fliken för den familjen och bläddrar för att hitta önskad storleksserie.

FPGA accelererade

FPGA-optimerade VM-storlekar är specialiserade virtuella datorer som är tillgängliga med en eller flera FPGA:er. Dessa storlekar är utformade för beräkningsintensiva arbetsbelastningar. Den här artikeln innehåller information om antalet och typen av FPGA:er, vCPU:er, datadiskar och nätverkskort. Lagringsdataflöde och nätverksbandbredd ingår också för varje storlek i den här grupperingen.

Lista över fältprogrammerbara portmatris accelererade VM-storleksfamiljer:

Familj Arbetsbelastningar Serielista
NP-familj Slutsatsdragning för maskininlärning
Videotranskodning
Databassökning och analys
NP-serien

Om du vill veta mer om en viss storleksfamilj eller serie klickar du på fliken för den familjen och bläddrar för att hitta önskad storleksserie.

Databehandling med höga prestanda

Virtuella Datorer med Azure High Performance Compute är optimerade för olika HPC-arbetsbelastningar, till exempel beräkningsvätskedynamik, finita elementanalyser, klientdels- och serverdels-EDA, rendering, molekylär dynamik, beräkningsgeovetenskap, vädersimulering och analys av finansiella risker.

Lista över högpresterande beräkningsoptimerade vm-storleksfamiljer:

Familj Arbetsbelastningar Serielista
HB-familj Hög minnesbandbredd
Fluid Dynamics
Vädermodellering
HB-serien
HBv2-serien
HBv3-serien
HBv4-serien
HC-familj Beräkning med hög densitet
Analys av ändliga element
Molekylär dynamik
Beräkningskemi
HC-serien
HX-familj Stor minneskapacitet
EDA (Electronic Design Automation)
HX-serien

Om du vill veta mer om en viss storleksfamilj eller serie klickar du på fliken för den familjen och bläddrar för att hitta önskad storleksserie.

Lär dig innehållet i plattformsstorlekar

REST-API

Information om hur du använder REST API för att fråga efter VM-storlekar finns i följande:

Benchmark-poäng

Läs mer om beräkningsprestanda för virtuella Linux-datorer med coremark-prestandapoängen.

Läs mer om beräkningsprestanda för virtuella Windows-datorer med hjälp av SPECInt-prestandapoängen.

Annan storleksinformation

Lista över alla tillgängliga storlekar: Storlekar

Priskalkylator: Priskalkylator

Information om disktyper: Disktyper

Nästa steg

Läs mer om hur Azure-beräkningsenheter (ACU) kan hjälpa dig att jämföra beräkningsprestanda mellan Azure-SKU:er.

Kolla in Azure Dedicated Hosts för fysiska servrar som kan vara värdar för en eller flera virtuella datorer som tilldelats en Azure-prenumeration.

Lär dig hur du övervakar virtuella Azure-datorer.