RediSearch 2.10.17版本发布:关键修复与性能优化
RedisSearch是基于Redis构建的全文搜索引擎模块,它提供了高效的索引和查询能力,支持复杂的搜索场景。作为Redis生态系统中的重要组件,RedisSearch广泛应用于需要高性能搜索功能的场景中。
版本概述
RedisSearch 2.10.17是一个维护版本,主要针对2.10系列进行了关键修复和性能优化。开发团队将该版本的更新紧急程度标记为"高",建议所有用户尽快升级,特别是那些使用特定功能的用户。
关键修复
聚合查询结果丢失问题
在2.10.17版本中,修复了一个可能导致FT.AGGREGATE命令返回不完整结果的问题。当查询使用"ON_TIMEOUT RETURN"选项并启用了多线程处理时,最后一个查询结果可能会丢失。这个问题在内部跟踪号为MOD-9222的案例中被发现并修复。
RESP3协议下的崩溃问题
另一个重要修复涉及使用RESP3协议时的稳定性问题。当执行FT.AGGREGATE命令并从分片收集空结果时,系统可能会崩溃。这个问题在内部跟踪号为MOD-9174的案例中被解决,提高了系统在高负载或复杂查询场景下的稳定性。
性能优化
向量索引统计收集优化
2.10.17版本对向量索引统计信息的收集过程进行了优化,显著减少了CPU时间消耗。这一改进在内部跟踪号为MOD-9354的案例中实现,对于大规模向量搜索场景特别有益,能够提升整体查询性能。
索引内存报告准确性
修复了一个导致索引内存计数出现负值的问题,现在系统能够更准确地报告索引使用的内存量。这个修复在内部跟踪号为MOD-5904的案例中完成,为系统监控和容量规划提供了更可靠的数据支持。
升级建议
考虑到2.10.17版本包含的关键修复,特别是那些可能导致数据丢失或系统不稳定的问题,建议所有使用RedisSearch 2.10系列的用户尽快升级到这个版本。升级过程通常很简单,可以通过替换模块文件并重启Redis实例来完成。
对于生产环境,建议先在测试环境中验证升级过程,确保与现有应用的兼容性。同时,监控升级后的系统性能,特别是那些依赖向量搜索或多线程聚合查询的功能。
总结
RedisSearch 2.10.17版本虽然是一个维护更新,但包含了多个重要的修复和优化,进一步提升了系统的稳定性和性能。作为Redis生态系统中的关键组件,持续的改进确保了RedisSearch能够满足日益增长的搜索需求,特别是在大规模、高性能的应用场景中。
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