RediSearch 2.10.15版本发布:关键修复与性能优化
RedisSearch作为Redis官方推出的全文搜索引擎模块,为Redis数据库提供了强大的搜索能力。它支持复杂的查询语法、全文索引、聚合操作等高级功能,广泛应用于各类需要高性能搜索的场景。本次发布的2.10.15版本是一个重要的维护更新,主要解决了多个关键性问题并进行了性能优化。
关键问题修复
本次更新中修复了几个可能影响用户体验的关键问题,值得特别关注:
游标耗尽问题:在之前的版本中,当使用带有SORTBY的游标查询时,如果达到了游标限制,查询可能会被永久阻塞而无法继续。这个问题在MOD-8483中被发现并修复。类似地,MOD-8515也修复了在FT.AGGREGATE命令中使用游标时的相同问题。
超时处理改进:在RESP3协议下,即使设置了返回部分结果的超时策略(ON_TIMEOUT),查询仍可能返回空结果。MOD-8482和MOD-8856解决了这一问题。此外,MOD-8606修复了在已超时的查询上使用FT.CURSOR READ命令时可能导致结果少于预期的问题。
聚合结果计数修正:MOD-9054修复了FT.AGGREGATE命令在RESP3协议下返回的total_results字段不准确的问题,这对于依赖精确结果计数的应用场景尤为重要。
性能优化与稳定性提升
本次更新不仅修复了多个关键问题,还包含了一些重要的性能优化:
协调器竞态条件处理:MOD-8794解决了协调器中的竞态条件问题,防止了查询执行过程中过早释放资源导致的错误和不一致。这一改进显著提升了系统在高并发场景下的稳定性和可靠性。
升级建议
考虑到本次更新修复了多个关键性问题,特别是可能影响查询结果准确性和系统稳定性的问题,我们强烈建议所有使用RediSearch 2.10版本的用户尽快升级到2.10.15版本。
对于生产环境中的升级,建议遵循标准的Redis模块升级流程:先在测试环境中验证新版本的兼容性,确认无误后再在生产环境中进行滚动升级,以最小化对服务的影响。
总结
RediSearch 2.10.15版本虽然是一个维护性更新,但其修复的问题和带来的优化对于保证搜索服务的稳定性和准确性至关重要。特别是对于使用游标查询、聚合操作或RESP3协议的用户,这次升级将显著改善使用体验。RedisSearch团队持续关注产品稳定性与性能的表现,这次更新再次体现了他们对产品质量的承诺。
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-1.5暂无简介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-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