RediSearch 2.10.10版本发布:安全修复与性能优化
Redisearch作为Redis的全文搜索引擎模块,为Redis数据库提供了强大的搜索能力。它支持多种数据类型、复杂查询和聚合操作,是构建高性能搜索应用的理想选择。本次发布的2.10.10版本主要针对安全问题进行了修复,并优化了内存使用和查询性能。
安全修复
本次版本修复了一个重要的安全问题(CVE-2024-51737),涉及查询过程中的潜在异常写入问题。这类问题如果被利用,可能导致服务崩溃或更严重的系统异常。开发团队通过严格的数据检查机制解决了这一问题,确保了查询处理的安全性。
主要问题修复
查询功能改进
修复了NOSTEM选项在查询时无效的问题,该选项原本设计用于控制词干提取行为,现在能够在查询阶段正确生效。同时解决了长前缀/中缀/后缀查询(超过1024字符)可能导致的崩溃问题,增强了系统处理复杂查询的稳定性。
集群与复制优化
针对使用replicaof命令的集群环境,修复了后台索引过程中遇到过期键可能导致的跨槽错误。这一改进显著提升了集群环境下索引复制的可靠性。
游标与聚合查询增强
修复了使用FT.CURSOR READ读取已删除TAG字段时的崩溃问题,以及集群环境下FT.AGGREGATE对数值字段操作导致failed_calls计数异常增加的问题。这些改进使得大数据集的分页处理和聚合分析更加稳定可靠。
性能优化
内存管理改进
优化了索引的内存消耗机制,现在索引仅在写入操作时创建,减少了不必要的内存占用。同时修复了索引清理器在处理缺失值时bytes_collected内存计数不准确的问题,使内存使用统计更加精确。
这些优化特别有利于内存资源有限的环境,以及需要处理大量数据的应用场景。
升级建议
考虑到本次版本包含重要的安全修复,建议所有使用RediSearch 2.x版本的用户尽快升级到2.10.10版本。升级过程通常简单直接,但建议在生产环境升级前先在测试环境验证兼容性。
对于已经遇到上述特定问题的用户,此版本将直接解决这些问题。而对于追求系统稳定性和安全性的用户,及时升级也是最佳选择。
RediSearch持续改进的性能和稳定性使其成为Redis生态中不可或缺的搜索组件,本次更新进一步巩固了其作为企业级搜索解决方案的地位。
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
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
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