Redis 7.2.8版本发布:安全修复与稳定性提升
Redis是一个开源的内存数据结构存储系统,被广泛用作数据库、缓存和消息代理。它支持多种数据结构,如字符串、哈希、列表、集合等,并提供了丰富的功能集。Redis以其高性能、低延迟和可靠性而闻名,是许多现代应用程序架构的核心组件。
安全修复:CVE-2025-21605问题修复
本次7.2.8版本最重要的更新是修复了一个严重的安全问题CVE-2025-21605。这个问题允许未经身份验证的客户端通过特定操作导致输出缓冲区无限增长,最终可能导致Redis服务器内存耗尽而崩溃。
在Redis的架构中,每个客户端连接都有自己的输出缓冲区,用于存储服务器准备发送给客户端的响应数据。正常情况下,Redis会对输出缓冲区的大小进行限制和管理。然而,在这个问题中,某些操作可以绕过这些限制机制,使缓冲区不断增长而不被释放。
这个问题的修复对于生产环境尤为重要,因为它可能被利用来进行资源耗尽攻击。系统管理员应尽快升级到7.2.8版本,以防止潜在的风险。
稳定性改进:主线程与模块线程的竞态条件修复
Redis 7.2.8版本还修复了两个与线程安全相关的问题(#12817和#12905),这些问题涉及主线程与模块线程之间的竞态条件。
在Redis的多线程架构中,主线程负责处理命令请求和网络I/O,而模块线程则执行特定的后台任务。当这些线程同时访问共享资源时,如果没有适当的同步机制,就可能出现竞态条件,导致数据不一致或程序崩溃。
这些修复增强了Redis在高并发环境下的稳定性,特别是在使用Redis模块扩展功能时。开发人员可以更放心地编写自定义模块,而不必担心潜在的线程安全问题。
RANDOMKEY命令的无限循环问题解决
另一个值得注意的修复是针对RANDOMKEY命令在客户端暂停期间可能出现无限循环的问题(#13863)。
RANDOMKEY命令用于从当前数据库中随机返回一个键名。在某些特殊情况下,特别是当客户端被暂停(CLIENT PAUSE)时,该命令可能会陷入无限循环,消耗大量CPU资源。
这个问题的修复确保了Redis在各种操作状态下都能保持预期的行为,提高了系统的整体可靠性。
分片ID一致性改进
最后,7.2.8版本还解决了分片ID(shardID)在同时支持主从复制时的潜在不一致问题(#13877)。
在Redis集群环境中,分片ID用于标识数据的分区位置。当主节点和副本节点都支持分片ID功能时,可能会出现不一致的情况,这可能导致数据路由错误或其他异常行为。
这个修复确保了在分布式部署中,分片ID始终保持一致,从而提高了Redis集群的稳定性和数据一致性。
升级建议
对于正在使用Redis的生产环境,特别是那些暴露在公共网络中的实例,强烈建议尽快升级到7.2.8版本。这个版本不仅修复了重要的安全问题,还提高了系统的整体稳定性和可靠性。
升级过程通常很简单,只需替换二进制文件并重启服务即可。但在生产环境中,建议先在测试环境中验证升级过程,并确保应用程序与新版本兼容。对于高可用性要求较高的环境,可以采用滚动升级策略,逐步替换集群中的节点。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00