博客
关于我
微软:将在中国北方建设新的数据中心区域,支持 Azure/Office 365 等云服务
阅读量:91 次
发布时间:2019-02-26

本文共 662 字,大约阅读时间需要 2 分钟。

微软Ignite 2021大会:中国北方新数据中心区域及Azure Resource Mover功能升级

在2021年Ignite大会上,微软宣布了多项重要消息,其中包括在中国北方地区开设新的数据中心区域。这一举措旨在满足日益增长的客户需求,提供更强大的云服务支持。

新设立的中国北方数据中心区域将覆盖多个关键微软云服务,包括Microsoft Azure、Office 365、Dynamics 365和Power BI。目前,微软已宣布的数据中心区域总数已超过61个,这表明微软在全球和中国市场的布局日益扩大。

此外,微软还宣布Azure Resource Mover功能的普遍可用性。这一功能提升了Azure区域之间的可移植性,极大地便利了客户的应用管理。Azure Resource Mover允许客户在现有区域中创建应用,并在新区域启动时进行迁移,或者在其区域不可用的情况下迁移到具有可用性区域(AZ)的区域。

这一功能的推出充分体现了微软在云服务生态系统中的持续创新。无论是新区域的支持还是资源迁移的便利性,都在为客户提供更灵活的服务选择。

对于企业而言,Azure Resource Mover的实现意味着更高的业务连续性和运营效率。它不仅支持跨区域的应用管理,还能在面临区域故障时,自动切换到备用的AZ区域,确保业务的稳定运行。

微软在中国市场的这一系列举措,不仅展示了其在国内市场的战略布局,也进一步巩固了其在全球云服务领域的领先地位。通过不断扩展数据中心区域和提升服务功能,微软正在为客户创造更大的价值。

转载地址:http://bxlk.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>
OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>
OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
查看>>
OpenCV与AI深度学习 | 深入浅出了解OCR识别票据原理
查看>>
OpenCV与AI深度学习 | 深度学习检测小目标常用方法
查看>>