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
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
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
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
pc-uishopTNT开源商城系统使用java语言开发,基于SpringBoot架构体系构建的一套b2b2c商城,商城是满足集平台自营和多商户入驻于一体的多商户运营服务系统。包含PC 端、手机端(H5\APP\小程序),系统架构以及实现案例中应满足和未来可能出现的业务系统进行对接。Vue00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01