Garnet项目v1.0.49版本发布:网络层优化与Lua脚本增强
Garnet是微软研究院开发的一款高性能键值存储系统,它兼容Redis协议并提供更优的性能表现。该项目采用了创新的架构设计,特别适合需要低延迟、高吞吐量的应用场景。近日,Garnet发布了v1.0.49版本,带来了一系列重要的性能优化和新功能。
网络层全面升级
本次版本最显著的改进是对网络层的全面重构。开发团队将同步网络处理逻辑转换为异步模式,这一改变显著提升了系统的并发处理能力。在网络密集型场景下,新的异步网络层能够更高效地利用系统资源,减少线程阻塞,从而提供更高的吞吐量和更低的延迟。
为了验证网络层的性能,团队特别设计了网络基准测试(BDN),使用批处理大小为1的配置来专门测试网络层的极限性能。这种测试方法能够更准确地反映网络层在高负载下的表现,为后续优化提供了可靠的数据支持。
Lua脚本引擎优化
Lua脚本支持是Garnet的重要特性之一,本次更新对Lua脚本引擎进行了多方面的改进:
- 内存分配优化:减少了脚本执行过程中的内存分配次数,降低了GC压力
- 性能提升:通过优化脚本编译和执行流程,提高了脚本运行速度
- 正确性增强:修复了若干边界条件下的脚本执行问题,提高了稳定性
团队还更新了与Lua脚本相关的测试用例和预期值,确保新版本的脚本行为符合预期。这些改进使得Garnet在处理复杂业务逻辑时更加高效可靠。
新增命令与兼容性增强
为提升与Redis的兼容性,v1.0.49版本新增了多个集合操作命令:
- ZUNION和ZUNIONSTORE:支持有序集合的并集操作
- ZINTER、ZINTERCARD和ZINTERSTORE:支持有序集合的交集操作
这些命令的加入使得Garnet能够更好地兼容现有的Redis应用,降低了迁移成本。开发团队特别注重这些新命令的性能表现,确保它们在高负载环境下仍能保持稳定的响应速度。
基准测试工具完善
本次更新还加强了基准测试工具(BDN)的功能:
- 新增了Network.BasicOperations和Network.RawStringOperations测试场景
- 统一了性能指标的计量单位,全部使用字节(Byte)作为标准
- 恢复了之前被意外移除的Operations.CustomOperations测试项
- 更新了Operations.ObjectOperations的预期基准值
这些改进使得性能测试更加全面和准确,帮助开发者更好地评估系统在不同工作负载下的表现。
跨平台支持
Garnet继续保持优秀的跨平台特性,v1.0.49版本提供了针对多种操作系统和架构的预编译包:
- Linux (x64和ARM64)
- macOS (x64和ARM64)
- Windows (x64和ARM64)
特别是Windows平台还提供了ReadyToRun格式的发布包,这种预编译格式能够减少应用程序启动时间,提高运行效率。
总结
Garnet v1.0.49版本在网络性能、Lua脚本支持和命令兼容性方面都取得了显著进步。异步网络层的引入为高并发场景提供了更好的基础,Lua脚本引擎的优化则增强了处理复杂业务逻辑的能力。随着新命令的加入和基准测试工具的完善,Garnet正逐步成为一个更成熟、更可靠的键值存储解决方案。
对于正在寻找高性能存储系统的开发者来说,这个版本值得关注和评估。特别是那些需要兼容Redis协议同时又追求更高性能的应用场景,Garnet提供了一个有吸引力的选择。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00