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。
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-1.5暂无简介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-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