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。
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