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。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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