RediSearch 2.8.26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,它提供了高性能的索引和搜索能力,支持复杂的查询语法、聚合操作以及向量搜索等高级功能。作为Redis生态中的重要组件,RedisSearch广泛应用于需要快速检索和分析大量数据的场景中。
版本概述
RedisSearch 2.8.26是一个维护版本,主要针对两个关键问题进行了修复,并带来了两项显著的性能改进。开发团队将该版本的升级紧急程度标记为"高",建议所有用户尽快升级以避免潜在问题。
关键问题修复
聚合查询结果丢失问题
在2.8.26版本中,修复了一个可能导致FT.AGGREGATE命令在使用ON_TIMEOUT RETURN选项并结合多线程处理时丢失最后查询结果的严重问题。这个缺陷特别容易出现在处理大规模数据集时,当查询超时触发ON_TIMEOUT RETURN机制后,系统可能无法正确返回已经收集到的部分结果。
RESP3协议下的崩溃问题
另一个重要修复涉及在使用RESP3协议进行FT.AGGREGATE操作时,如果从分片收集到空结果可能导致的服务崩溃问题。RESP3是Redis 6.0引入的新版协议,提供了更丰富的数据类型支持。这个修复确保了在使用新版协议时系统的稳定性,特别是在分布式环境下的聚合操作。
性能优化
向量索引统计收集优化
2.8.26版本显著提升了收集向量索引统计信息的性能。通过优化相关算法和数据处理流程,减少了CPU时间的消耗。对于依赖向量搜索功能的用户,这一改进意味着更高效的索引维护和更快的查询响应速度,特别是在处理高维向量数据时效果更为明显。
索引内存报告准确性提升
本次更新还修正了一个长期存在的索引内存报告问题。原先的实现中存在一个可能导致内存计数出现负值的缺陷,这不仅影响了监控数据的准确性,也可能误导容量规划决策。修复后,用户可以获得更精确的内存使用情况报告,有助于更好地管理和优化资源分配。
升级建议
考虑到2.8.26版本修复了可能影响生产环境稳定性的关键问题,所有使用RedisSearch 2.8.x系列的用户都应尽快安排升级。特别是那些使用以下功能的用户更应优先考虑升级:
- 使用FT.AGGREGATE命令并配置了超时处理
- 在多线程环境下执行复杂查询
- 启用了RESP3协议
- 大量使用向量搜索功能
- 依赖精确内存监控进行容量规划
升级过程通常只需替换模块文件并重启Redis实例,但建议在测试环境验证后再应用于生产环境。对于高可用部署,应采用滚动升级策略以最小化服务中断。
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
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
pc-uishopTNT开源商城系统使用java语言开发,基于SpringBoot架构体系构建的一套b2b2c商城,商城是满足集平台自营和多商户入驻于一体的多商户运营服务系统。包含PC 端、手机端(H5\APP\小程序),系统架构以及实现案例中应满足和未来可能出现的业务系统进行对接。Vue00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01