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。
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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