VMCategory type

VMCategories, die für Azure-VMs definiert sind. Siehe: https://v4.hkg1.meaqua.org/en-us/azure/virtual-machines/sizes/overview?tabs=breakdownseries%2Cgeneralsizelist%2Ccomputesizelist%2Cmemorysizelist%2Cstoragesizelist%2Cgpusizelist%2Cfpgasizelist%2Chpcsizelist#general-purpose
KnownVMCategory kann austauschbar mit VMCategory verwendet werden, diese Enumeration enthält die bekannten Werte, die der Dienst unterstützt.

Bekannte Werte, die vom Dienst unterstützt werden

Universell: Universelle VM-Größen bieten ein ausgewogenes Verhältnis von CPU zu Arbeitsspeicher. Ideal für Tests und Entwicklung, kleine bis mittlere Datenbanken sowie Webserver mit geringer bis mittlerer Auslastung.
ComputeOptimized: Für Compute optimierte VM-Größen weisen ein hohes CPU-zu-Arbeitsspeicher-Verhältnis auf. Diese Größen sind ideal für Webserver, Netzwerkappliances, Batchvorgänge und Anwendungsserver mit mittlerer Auslastung.
MemoryOptimized: Arbeitsspeicheroptimierte VM-Größen bieten ein hohes Verhältnis von Arbeitsspeicher zu CPU, das sich hervorragend für relationale Datenbankserver, mittlere bis große Caches und In-Memory-Analysen eignet.
StorageOptimized: Speicheroptimierte VM-Größen bieten einen hohen Datenträgerdurchsatz und E/A und eignen sich ideal für Big Data-, SQL-, NoSQL-Datenbanken, Data Warehousing und große Transaktionsdatenbanken. Beispiele bilden Cassandra, MongoDB, Cloudera und Redis.
GPU-beschleunigt: GPU-optimierte VM-Größen sind spezialisierte virtuelle Maschinen, die mit einzelnen, mehreren oder fraktionierten GPUs verfügbar sind. Diese Größen sind für rechenintensive, grafikintensive und visualisierungsorientierte Workloads vorgesehen.
FpgaAccelerated: FPGA-optimierte VM-Größen sind spezialisierte virtuelle Maschinen, die mit einem oder mehreren FPGAs verfügbar sind. Diese Größen sind für rechenintensive Workloads ausgelegt. Dieser Artikel enthält Informationen zur Anzahl und zum Typ von FPGAs, vCPUs, Datenträgern und Netzwerkkarten. Der Speicherdurchsatz und die Netzwerkbandbreite sind für die jeweiligen Größen in dieser Gruppe ebenfalls enthalten.
HighPerformanceCompute: Azure High Performance Compute-VMs sind für verschiedene HPC-Workloads optimiert, z. B. Computational Fluid Dynamics, Finite-Elemente-Analyse, Front-End- und Back-End-EDA, Rendering, Molekulardynamik, Computational Geoscience, Wettersimulation und Finanzrisikoanalyse.