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。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00