NodeRedis 5.0.0-next.7版本发布:新增字段过期与Azure身份验证支持
项目简介
NodeRedis是Redis官方维护的Node.js客户端库,为开发者提供了在Node.js环境中与Redis数据库交互的能力。作为Redis生态中的重要组成部分,它支持Redis的所有核心功能,并通过友好的API设计简化了开发流程。
版本亮点
新增字段过期功能
此次5.0.0-next.7版本引入了三个重要的哈希命令扩展,为Redis的哈希数据类型添加了字段级别的过期控制能力:
- HGETEX - 获取哈希字段值并同时设置过期时间
- HSETEX - 设置哈希字段值并同时设置过期时间
- HGETDEL - 获取哈希字段值后立即删除该字段
这些命令的加入填补了Redis在字段级别过期控制方面的空白,使得开发者能够更精细地管理哈希结构中各个字段的生命周期,而无需为每个需要过期的字段单独设置键。
Azure身份验证集成
新版本增加了对Microsoft Entra ID(原Azure Active Directory)的支持,开发者现在可以使用Azure身份验证体系来连接Redis服务。这一改进特别适合企业级应用和云原生部署场景,使得在Azure环境中集成Redis变得更加无缝和安全。
重要改进
搜索模块增强
-
字段类型扩展:
FT.CREATE命令现在支持integer8和uinteger8类型,为64位整数提供了更全面的支持。 -
查询方言默认设置:客户端现在默认使用Redis搜索功能的方言版本2(DIALECT 2),这一改变会影响FT.AGGREGATE和FT.SEARCH等命令的行为。开发者可以通过显式指定DIALECT参数来覆盖这一默认设置。
移除Graph模块
出于维护和功能聚焦的考虑,此版本移除了对RedisGraph的支持。这一决策反映了项目团队对核心功能的专注,建议需要使用图数据库功能的开发者考虑专门的图数据库解决方案。
注意事项
- 此版本为alpha/pre-release版本,不建议在生产环境中使用。
- 查询方言的默认变更可能会影响现有查询的结果,开发者需要评估这一变化对应用的影响。
- 移除Graph模块可能会影响部分现有应用的兼容性,需要提前规划迁移方案。
总结
NodeRedis 5.0.0-next.7版本通过引入字段过期控制和Azure身份验证等新特性,进一步丰富了Redis在Node.js环境中的功能集。同时,对搜索功能的优化和对模块的调整也体现了项目团队对技术方向的清晰规划。虽然目前仍处于预发布阶段,但这些改进为未来的稳定版本奠定了重要基础。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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-X1-7BSpark-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