Node Redis 5.0.0-next.7 版本发布:新增哈希字段过期功能与搜索方言改进
项目简介
Node Redis 是 Node.js 生态中最流行的 Redis 客户端库之一,提供了与 Redis 数据库交互的完整功能支持。作为 Redis 官方推荐的 Node.js 客户端,它以其高性能、稳定性和丰富的功能集著称。
版本概述
Node Redis 5.0.0-next.7 是一个预发布版本,开发者应避免在生产环境中使用。本次更新主要带来了哈希字段过期功能支持、Azure Entra ID 身份验证集成,以及对搜索模块的多项改进。
核心新特性
1. 哈希字段过期命令支持
Redis 5.0.0-next.7 新增了对 HGETEX、HSETEX 和 HGETDEL 命令的支持,这些命令允许为哈希表中的单个字段设置过期时间:
- HSETEX:设置哈希字段值并指定过期时间
- HGETEX:获取哈希字段值并可选地更新其过期时间
- HGETDEL:获取哈希字段值后立即删除该字段
这些命令特别适用于需要精细控制缓存生命周期的场景,相比对整个键设置过期时间,提供了更细粒度的控制能力。
2. Azure Entra ID 身份验证集成
新版本增加了对 Azure 身份验证的支持,开发者现在可以使用 Azure Entra ID(原 Azure Active Directory)进行身份验证。这一改进使得在 Azure 云环境中部署的应用能够更安全、更方便地连接到 Redis 服务。
搜索模块改进
1. 搜索方言默认值变更
本次更新引入了一个重要的行为变更:客户端现在会默认将搜索和聚合命令(如 FT.SEARCH 和 FT.AGGREGATE)的方言版本设置为 2。这意味着所有搜索查询会自动附加 DIALECT 2 参数。
影响说明:
- 查询方言版本会影响搜索结果的返回方式
- 如果需要使用其他方言版本,可以显式指定 DIALECT 参数
// 使用方言版本1执行搜索
client.ft.search('index', '*', {DIALECT: 1})
2. 字段类型扩展支持
FT.CREATE 命令现在支持更多的字段类型,包括新增的 integer8 和 uinteger8 类型,为数值型数据提供了更广泛的存储选择。
重大变更
1. 移除图模块
Graph 模块已从客户端中移除,这是为了与 Redis 服务器端的模块化策略保持一致。开发者如果需要图数据库功能,需要考虑其他解决方案。
2. FT.PROFILE 响应类型变更
FT.PROFILE 命令现在返回原始未类型化的响应,这给了开发者更大的灵活性,但也需要自行处理响应数据的解析工作。
开发者建议
- 预发布版本谨慎使用:这是一个 alpha/pre-release 版本,不推荐用于生产环境
- 方言变更测试:如果应用依赖特定的搜索行为,应测试方言版本变更的影响
- 哈希字段过期评估:评估新哈希命令是否能优化现有缓存策略
- Azure 身份验证迁移:计划从传统认证方式迁移到 Azure Entra ID
总结
Node Redis 5.0.0-next.7 版本在数据存储精细控制、云原生认证和搜索功能方面都有显著提升。虽然包含一些破坏性变更,但这些改进为应用开发带来了更多可能性。开发者应充分测试新特性,为正式版本的升级做好准备。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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