Apache Kvrocks 2.12.0 版本发布:性能优化与新特性解析
Apache Kvrocks 是一个高性能的键值存储系统,兼容 Redis 协议,底层基于 RocksDB 存储引擎。它旨在提供与 Redis 类似的功能,同时通过更高效的存储方式降低内存使用成本。Kvrocks 特别适合需要大规模数据存储但希望保持 Redis 协议兼容性的场景。
核心稳定性修复
本次 2.12.0 版本中最重要的修复是针对 SETRANGE 命令中传递负偏移量导致服务器崩溃的问题。这个问题可能被不当使用来影响系统稳定性。开发团队在 #2783 中彻底解决了这个问题,确保了命令执行的健壮性。
新增命令与功能
HSETEXPIRE 命令
新引入的 HSETEXPIRE 命令将哈希字段设置与过期时间设置合并为一个原子操作,解决了原先需要先 HSET 再 EXPIRE 的两步操作可能带来的不一致性问题。这个命令特别适合需要精确控制哈希字段生命周期的应用场景。
KMETADATA 命令
KMETADATA 命令允许用户获取键的元数据信息,为系统监控和调试提供了更丰富的工具。通过这个命令,开发者可以深入了解键的内部状态,包括类型、编码方式等关键信息。
POLLUPDATES 命令增强
POLLUPDATES 命令现在支持 RESP 输出格式,提高了与其他 Redis 生态工具的兼容性。这一改进使得 Kvrocks 能够更好地融入现有的监控和分析工具链。
LASTSAVE 时间格式扩展
LASTSAVE 命令新增了对 ISO8601 时间格式的支持,为日志分析和系统监控提供了更标准化的时间表示方式,便于与其他系统集成。
性能优化与架构改进
脚本执行优化
移除了 EVAL、EVALSHA 和 FCALL 命令的全局锁,显著提高了脚本执行的并发性能。这一改进使得 Kvrocks 在高并发脚本执行场景下的吞吐量得到明显提升。
连接处理优化
对 RESP 回复函数进行了专门优化,减少了网络传输过程中的性能开销。这一底层优化对所有命令的执行效率都有积极影响。
集群功能增强
修复了在槽迁移过程中禁止槽范围清理的问题,提高了集群管理的可靠性和稳定性。这一改进对于大规模分布式部署尤为重要。
内部架构与工具链升级
构建系统改进
项目构建系统现在默认使用 Clang 编译器,并增加了对 Alpine Linux 的支持,扩展了 Kvrocks 的部署环境兼容性。
依赖项更新
升级了多个关键依赖库,包括:
- RocksDB 升级至 v9.11.1
- fmtlib 升级至 11.1.4
- Google Snappy 升级至 v1.2.2
- oneTBB 升级至 2022.1.0
这些升级带来了性能提升和新特性支持,同时也修复了已知的问题。
即将到来的 TDIGEST 支持
虽然本次正式版本尚未包含,但社区已经在积极开发 TDIGEST 数据结构支持。TDIGEST 是一种高效的近似分位数计算算法,特别适合大规模数据集的统计分析。相关命令如 TDIGEST.CREATE、TDIGEST.INFO、TDIGEST.ADD 等已在开发分支实现,预计将在后续版本中正式发布。
总结
Apache Kvrocks 2.12.0 版本在稳定性、功能丰富性和性能方面都取得了显著进步。新引入的命令和功能扩展了系统的适用场景,而底层的优化则提升了整体性能表现。对于需要兼容 Redis 协议但面临内存成本压力的用户,Kvrocks 2.12.0 提供了一个更加成熟和可靠的解决方案。
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