Predis v2.4.0发布:全面支持Redis 8.0新特性
Predis是一个用PHP编写的灵活且功能丰富的Redis客户端库,它提供了与Redis服务器交互的高效方式。Predis以其轻量级、高性能和易用性著称,支持Redis的所有主要功能,包括事务、管道、发布/订阅等。最新发布的v2.4.0版本带来了对即将发布的Redis 8.0的全面兼容支持,同时优化了现有功能并修复了多个问题。
Redis 8.0兼容性增强
v2.4.0版本最重要的改进是全面支持即将发布的Redis 8.0。开发团队为此做了大量工作:
-
新增了对Redis 8.0特有的哈希字段过期命令的支持,这使得开发者能够为哈希中的单个字段设置独立的过期时间,而不是整个键。这一功能为缓存策略提供了更细粒度的控制。
-
添加了之前缺失的
FT._LIST和BITFIELD_RO命令支持。FT._LIST用于RediSearch模块,而BITFIELD_RO则是Redis 5.0引入的只读位域操作命令,现在在Predis中得到了完整支持。 -
特别加强了测试覆盖范围,新增了针对Redis 8.0的CI测试,确保Predis在新版本Redis上的稳定运行。
功能优化与改进
除了Redis 8.0的兼容性外,v2.4.0还包含多项功能优化:
-
改进了
WATCH命令的参数处理,现在可以接受字符串或字符串数组作为参数,使API更加灵活。 -
优化了集群模式下的槽位映射(slotmap)实现,采用紧凑的槽位范围对象,减少了内存使用并提高了性能。
-
将
GEOSEARCH命令标记为只读操作,确保它可以在副本节点上执行,这对于读写分离的架构特别有用。
问题修复
v2.4.0版本修复了多个重要问题:
-
修复了
EVAL_RO(只读Lua脚本)在集群模式下的支持问题,确保只读脚本能在集群环境中正确执行。 -
解决了PHP 8.4兼容性问题,特别是与
stream_context_set_option函数相关的问题。 -
修复了命名参数可能导致运行时失败的问题,提高了代码的健壮性。
-
解决了Redis集群在
MOVED/ASK响应时可能出现的协议丢失问题,增强了集群模式的稳定性。
维护与测试改进
在维护方面,开发团队做了以下工作:
-
引入了并行处理来加速PHP-CS-Fixer的运行,提高了开发效率。
-
扩展了测试覆盖范围,特别是针对Redis 8.0的新特性进行了全面测试。
-
持续优化代码质量,确保Predis保持高性能和稳定性。
总结
Predis v2.4.0是一个重要的版本更新,它不仅为即将到来的Redis 8.0做好了准备,还通过多项优化和修复提升了整体性能和稳定性。对于使用Redis作为数据存储的PHP应用来说,升级到v2.4.0将获得更好的兼容性和更丰富的功能支持。特别是那些计划迁移到Redis 8.0的用户,这个版本提供了平滑过渡的基础。
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