VMCategory type

VmCategories définies pour les machines virtuelles Azure. Voir : https://learn.microsoft.com/en-us/azure/virtual-machines/sizes/overview?tabs=breakdownseries%2Cgeneralsizelist%2Ccomputesizelist%2Cmemorysizelist%2Cstoragesizelist%2Cgpusizelist%2Cfpgasizelist%2Chpcsizelist#general-purpose
KnownVMCategory peut être utilisé de manière interchangeable avec VMCategory, cette énumération contient les valeurs connues que le service prend en charge.

Valeurs connues prises en charge par le service

GeneralPurpose: les tailles de machine virtuelle à usage général fournissent un ratio processeur/mémoire équilibré. Idéal pour les tests et le développement, les bases de données de petite à moyenne taille et les serveurs web à trafic faible à moyen.
computeOptimized: les tailles de machine virtuelle optimisées calculées ont un ratio processeur/mémoire élevé. Ces tailles sont bonnes pour les serveurs web de trafic moyen, les appliances réseau, les processus par lots et les serveurs d’applications.
memoryOptimized: les tailles de machine virtuelle optimisée en mémoire offrent un ratio mémoire/processeur élevé qui est idéal pour les serveurs de base de données relationnelles, les caches moyens à grands et les analyses en mémoire.
StorageOptimized: les tailles de machine virtuelle optimisée pour le stockage offrent un débit de disque et des E/S élevés, et sont idéales pour les bases de données Big Data, SQL, NoSQL, l’entreposage de données et les bases de données transactionnelles volumineuses. Les exemples incluent Cassandra, MongoDB, Cloudera et Redis.
GpuAccelerated: les tailles de machine virtuelle optimisée par GPU sont des machines virtuelles spécialisées disponibles avec des GPU uniques, multiples ou fractionnaires. Ces tailles sont conçues pour les charges de travail nécessitant beaucoup de ressources graphiques et de visualisation.
FpgaAccelerated: les tailles de machines virtuelles optimisées FPGA sont des machines virtuelles spécialisées disponibles avec un ou plusieurs FPGA. Ces tailles sont conçues pour les charges de travail nécessitant beaucoup de ressources de calcul. Cet article fournit des informations sur le nombre et le type de FPGA, de processeurs virtuels, de disques de données et de cartes réseau. Le débit de stockage et la bande passante réseau sont également inclus pour chaque taille de ce regroupement.
HighPerformanceCompute: les machines virtuelles de calcul haute performance Azure sont optimisées pour différentes charges de travail HPC telles que la dynamique des fluides de calcul, l’analyse des éléments finis, l’analyse des éléments finis, le front-end et le back-end EDA, le rendu, la dynamique moléculaire, la géo science des calculs, la simulation météorologique et l’analyse des risques financiers.