Garnet项目新增Lua脚本支持:Redis兼容性再升级
微软开源项目Garnet近期实现了对Lua脚本的支持,这一重要更新显著提升了与Redis的兼容性。作为Redis的高性能替代方案,Garnet的这一改进为依赖Redis Lua脚本功能的众多应用和框架提供了无缝迁移的可能。
Lua脚本在Redis生态中的重要性
Lua脚本在Redis生态系统中扮演着关键角色,它允许开发者以原子方式执行复杂的多步操作。许多流行的Redis客户端库和框架,如Redisson、Celery和BullMQ,都深度依赖这一特性来实现分布式锁、队列操作等核心功能。
以Redisson为例,其MapCache实现就大量使用了EVAL和EVALSHA命令来保证操作的原子性。同样,Python的Celery任务队列和Node.js的BullMQ也都构建在Redis的Lua脚本功能之上。
Garnet的Lua实现细节
Garnet团队最初实现的Lua支持在测试中发现了一个关键问题:当使用Python Redis客户端的register_script方法时,会返回"NOSCRIPT No matching script"错误。这一问题源于脚本缓存处理的差异。
团队迅速响应并修复了这一问题,新的实现现在能够正确处理以下典型用例:
import redis
lua = """
local value = redis.call('GET', KEYS[1])
value = tonumber(value)
return value * ARGV[1]
"""
r = redis.Redis()
multiply = r.register_script(lua)
r.set('foo', 2)
multiply(keys=['foo'], args=[5]) # 现在能正确返回10
技术意义与影响
这一改进使得Garnet能够更好地兼容现有Redis生态系统,特别是对于那些重度依赖Lua脚本的应用。开发者现在可以考虑将现有基于Redis的应用迁移到Garnet,享受其性能优势而无需重写业务逻辑。
值得注意的是,Garnet的Lua实现不仅支持基本的EVAL命令,还完整支持了EVALSHA等配套功能,这对于频繁执行相同脚本的应用场景尤为重要,可以显著减少网络传输开销。
未来展望
随着Lua脚本支持的完善,Garnet向成为Redis完全兼容替代品的目标又迈进了一步。对于考虑从Redis迁移的用户,现在可以更全面地评估Garnet作为替代方案的可行性。特别是对于那些使用Redisson、Celery等框架的应用,迁移的技术障碍已经大大降低。
这一更新也展示了Garnet团队对社区需求的快速响应能力,从问题报告到修复实现仅用了很短时间,这种开发节奏对于开源项目的成功至关重要。
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