Redis-py 6.1.0版本发布:集群事务支持与关键修复
Redis-py是Python生态中最流行的Redis客户端库之一,为开发者提供了与Redis数据库交互的高效接口。作为Redis官方推荐的Python客户端,它支持Redis的所有核心功能,包括字符串、哈希、列表、集合等数据结构的操作,以及发布/订阅、事务、流水线等高级特性。
新特性亮点
Redis集群事务支持
6.1.0版本最引人注目的新特性是在RedisCluster客户端中增加了对事务的支持。在分布式系统中,事务一直是一个复杂的话题,Redis集群的事务实现需要特殊的处理方式。
Redis集群的事务与单节点Redis的事务有所不同。由于数据可能分布在不同的节点上,集群事务需要确保所有相关键都位于同一个哈希槽中(通过使用哈希标签实现)。新版本通过RedisCluster客户端提供了这一功能,使得开发者可以在集群环境下使用MULTI/EXEC命令序列。
重试机制增强
该版本还增强了重试和退避类的功能,为Retry和backoff类添加了相等性判断和哈希支持。这一改进特别有助于与Django RQ等框架的集成,使得重试策略可以更灵活地应用于各种场景。
关键修复与改进
SSL主机名验证修复
在SSL连接验证方面,6.1.0版本修复了一个重要问题:当使用ssl_cert_reqs="none"时,check_hostname现在会被正确设置为False。这个修复确保了SSL验证行为的一致性,特别是在不需要严格主机名验证的环境中。
值得注意的是,这个修复引入了一个临时的破坏性变更(关于RedisSSLContext中check_hostname字段的默认值),但这个变更在后续的6.2.0版本中会被撤销以保持行为一致性。
集群重新初始化问题
另一个重要修复是针对集群重新初始化时可能出现的RuntimeError问题。现在无论是同步还是异步场景下,重新初始化集群都不会再引发运行时错误,提高了代码的健壮性。
管道操作修复
对于使用集群管道的开发者,6.1.0修复了ClusterPipeline中可能出现的AttributeError,使得管道操作更加稳定可靠。
维护与内部改进
在维护方面,6.1.0版本包含多项内部改进:
- 类型提示更加完善,特别是对于可能返回
None的方法,现在都明确标注为Optional类型 - 测试基础设施升级,包括对Redis 8测试镜像的更新
- 依赖管理改进,特别是放宽了对PyJWT版本的限制
- 持续集成流程优化,包括对hiredis-py不稳定版本的测试支持
总结
Redis-py 6.1.0版本虽然在功能上是一个小版本更新,但包含了多项对生产环境至关重要的改进。集群事务的支持为分布式应用开发提供了更多可能性,而各种稳定性修复则进一步提升了库的可靠性。对于正在使用Redis集群或考虑迁移到集群环境的Python开发者来说,这个版本值得关注和升级。
特别值得一提的是,这个版本得到了Scopely团队的重要贡献,展示了开源社区协作的力量。随着Redis-py持续演进,它仍然是Python开发者与Redis交互的首选工具之一。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00