KnownVMCategory enum

Für Compute optimierte VM-Größen verfügen über ein hohes Verhältnis zwischen CPU und Arbeitsspeicher. Diese Größen sind ideal für Webserver, Netzwerkappliances, Batchvorgänge und Anwendungsserver mit mittlerer Auslastung.

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.

Universelle VM-Größen zeichnen sich durch ein ausgewogenes Verhältnis zwischen CPU und Arbeitsspeicher aus. Ideal für Tests und Entwicklung, kleine bis mittlere Datenbanken sowie Webserver mit geringer bis mittlerer Auslastung.

GPU-optimierte VM-Größen sind spezielle virtuelle Maschinen, die mit einzelnen, mehreren oder teilweisen GPUs verfügbar sind. Diese Größen sind für rechenintensive, grafikintensive und visualisierungsorientierte Workloads vorgesehen.

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.

Arbeitsspeicheroptimierte VM-Größen bieten ein hohes Arbeitsspeicher-zu-CPU-Verhältnis und eignen sich hervorragend für relationale Datenbankserver, mittelgroße bis große Caches und In-Memory-Analysen.

Datenspeicheroptimierte VM-Größen bieten hohen Datenträgerdurchsatz und hohe E/A und eignen sich ideal für Big Data, SQL, NoSQL-Datenbanken, Datawarehousing und große transaktionale Datenbanken. Beispiele bilden Cassandra, MongoDB, Cloudera und Redis.