Redisson项目中Redis搜索索引信息解析异常问题分析
在Redisson 3.31.0版本与Redis 7.2.4配合使用时,开发团队发现了一个关于搜索索引信息解析的异常问题。这个问题主要出现在处理Redis搜索模块返回的索引统计信息时,特别是当解析offset_bits_per_record_avg字段值时。
问题背景
Redis搜索模块提供了FT.INFO命令来获取索引的详细信息,这些信息包含了各种性能指标和统计数值。Redisson客户端通过IndexInfoDecoder类来解析这些返回的数据。在Redis 7.2.4版本中,某些指标如offset_bits_per_record_avg返回的是浮点数值(例如"15.182429313659668"),而Redisson的解析代码尝试将其转换为长整型(Long),导致了NumberFormatException异常。
技术细节
问题的核心在于数据类型的不匹配。Redis搜索模块返回的部分指标值实际上是浮点数,但Redisson的IndexInfoDecoder类中使用了toLong方法进行强制转换。这种设计在早期版本中可能没有问题,但随着Redis搜索模块的演进,某些指标开始返回更精确的浮点数值。
从返回的FT.INFO结果可以看到,除了offset_bits_per_record_avg外,还有其他多个字段也返回浮点数值,例如:
- inverted_sz_mb: "0.06223869323730469"
- vector_index_sz_mb: "2.2241592407226563"
- records_per_doc_avg: "1323.4285888671875"
影响范围
这个问题会影响所有使用Redisson 3.31.0客户端与Redis 7.2.4及以上版本搜索功能的应用程序,特别是那些依赖FT.INFO命令获取索引统计信息的场景。当尝试获取索引信息时,应用程序会抛出DecoderException,导致功能不可用。
解决方案
Redisson开发团队已经修复了这个问题,主要修改包括:
- 将相关字段的解析从长整型改为双精度浮点型
- 确保所有可能返回浮点数值的字段都能被正确解析
- 保持向后兼容性,不影响现有合法整数值的解析
修复后的版本能够正确处理Redis返回的各种数值格式,无论是整数还是浮点数,从而提供更稳定的索引信息查询功能。
最佳实践
对于使用Redisson与Redis搜索功能的开发者,建议:
- 及时升级到包含此修复的Redisson版本
- 在代码中处理索引信息时,注意相关字段可能是浮点数而非整数
- 对于关键业务场景,考虑添加异常处理逻辑以增强鲁棒性
- 定期检查Redis搜索模块的更新日志,了解可能的返回格式变化
这个问题很好地展示了在分布式系统开发中,客户端与服务端版本兼容性的重要性,也提醒开发者在处理外部系统返回数据时要考虑各种可能的格式变化。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust098- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00