RediSearch 2.10.18版本发布:关键修复与性能优化
RediSearch简介
RediSearch是Redis的一个高性能全文搜索和二级索引模块,它为Redis数据库提供了强大的搜索能力。作为一个专门为Redis设计的搜索引擎,RediSearch支持全文检索、聚合查询、模糊匹配、向量搜索等高级功能,同时保持了Redis特有的高性能和低延迟特性。
2.10.18版本更新详解
本次发布的2.10.18版本是一个重要的维护更新,包含多项关键修复和性能优化,建议所有用户尽快升级。
关键错误修复
1. 多向量索引RDB重索引崩溃问题
修复了在使用RDB进行重索引时,如果存在多个向量索引可能导致崩溃的问题。这个问题源于集群健康检查机制在多向量索引场景下的处理不当。对于使用向量搜索功能的用户来说,这个修复尤为重要。
2. 游标删除并发安全问题
解决了在执行FT.CURSOR...DEL命令时,如果另一个线程正在读取同一游标可能导致崩溃的问题。这个修复涉及多个模块的协同工作,确保了游标操作的线程安全性。
3. 文本索引评分异常问题
修正了当索引包含TEXT字段但文档中缺少相应文本时,可能导致评分计算出现inf或nan异常值的情况。这个修复确保了评分系统的稳定性和一致性。
4. Active-Active设置中的过期键处理
优化了在Active-Active(双活)配置下,后台索引过程中键的过期处理机制。原先的"惰性过期"策略可能导致键在不正确的时间点过期,现在改为更精确的过期处理方式。
5. 超时策略下的结果收集问题
修复了当使用ON_TIMEOUT RETURN策略时,超时错误可能阻止部分结果收集的问题。现在系统会尽可能收集已完成的部分结果,提供"尽力而为"的服务质量。
性能优化与功能改进
1. 查询解析器优化
改进了包含括号和子查询的交集查询的解析逻辑。现在,查询中括号和子查询的顺序不会影响全文搜索的评分结果,使得查询行为更加一致和可预测。
2. 键空间访问优化
当使用LOAD...@__key语法时,系统现在会避免不必要的Redis键空间访问。这一优化减少了系统开销,提高了查询效率,特别是在处理大量文档时效果更为明显。
升级建议
由于本次更新包含多个关键修复,特别是涉及崩溃和并发安全的问题,我们强烈建议所有用户尽快升级到2.10.18版本。对于使用向量搜索、Active-Active配置或高并发游标操作的用户来说,升级尤为重要。
升级前建议:
- 在测试环境中验证新版本的兼容性
- 检查现有查询在解析器优化后的行为变化
- 监控升级后的系统性能,特别是涉及大量文档操作的场景
总结
RediSearch 2.10.18版本通过一系列关键修复和优化,进一步提升了系统的稳定性和性能。这些改进不仅解决了可能导致崩溃的严重问题,还优化了查询处理和资源利用效率,为用户提供了更加可靠和高效的搜索体验。
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