RediSearch 2.10.15版本发布:关键性能优化与稳定性提升
RedisSearch作为Redis的全文搜索模块,为开发者提供了高性能的搜索和聚合功能。本次发布的2.10.15版本是一个重要的维护更新,主要解决了多个关键性问题并进行了性能优化,特别针对游标查询和超时处理机制进行了重要改进。
关键问题修复
游标查询耗尽问题修复
在之前的版本中,当使用SORTBY参数进行游标查询时,如果达到了游标限制,查询可能会被永久阻塞而无法耗尽。这个问题在MOD-8483中被发现并修复。类似的问题也存在于FT.AGGREGATE命令的游标查询中(MOD-8515),这些问题都可能导致系统资源无法正常释放。
RESP3协议下的超时处理优化
在RESP3协议下,即使用户设置了ON_TIMEOUT策略允许返回部分结果,系统仍可能返回空结果集(MOD-8482, MOD-8856)。这个版本修复了这个问题,确保在超时情况下能够正确返回已获取的部分结果。
另一个相关的问题是,在查询超时后使用FT.CURSOR READ命令可能导致返回的结果少于预期(MOD-8606)。这个修复确保了游标操作的完整性和一致性。
聚合查询结果计数修正
在RESP3协议下,FT.AGGREGATE命令返回的total_results字段可能存在计数不准确的问题(MOD-9054)。这个版本修正了结果计数逻辑,确保返回的总结果数与实际匹配数一致。
系统架构优化
协调器竞态条件处理
本次更新还修复了一个协调器中的竞态条件问题(MOD-8794),该问题可能导致查询执行过程中出现错误和不一致。通过优化协调器的工作机制,现在能够更可靠地管理查询生命周期,防止过早释放资源,从而提高了系统的整体稳定性。
升级建议
考虑到本次修复的问题涉及查询阻塞和结果准确性等关键功能,建议所有使用RediSearch 2.10版本的用户尽快升级到2.10.15版本。特别是那些依赖游标查询、处理大数据集或使用RESP3协议的用户,这次更新将显著改善系统的可靠性和查询体验。
对于生产环境,建议先在测试环境中验证新版本的兼容性,确保业务逻辑不受影响后再进行正式部署。同时,监控升级后的系统性能表现,特别是那些之前可能受到上述问题影响的查询场景。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
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!Kotlin08
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