Predis v2.4.0-RC1发布:Redis PHP客户端迎来多项重要更新
Predis是一个纯PHP实现的Redis客户端库,它不需要任何额外的扩展即可运行,为PHP开发者提供了高效、灵活的Redis操作接口。作为Redis在PHP生态中的重要桥梁,Predis一直保持着活跃的更新节奏。近日,Predis发布了v2.4.0的第一个候选版本(RC1),带来了多项功能增强和问题修复。
新增功能亮点
本次版本最值得关注的是新增了对哈希字段过期命令的支持。在Redis 7.0及以上版本中,引入了哈希字段级别的过期功能,这为缓存场景提供了更细粒度的控制能力。Predis v2.4.0-RC1现在完整支持这一特性,开发者可以直接通过Predis操作哈希字段的过期时间。
此外,版本还补充了两个重要命令的实现:
FT._LIST命令用于列出所有全文搜索索引BITFIELD_RO命令提供了位域操作的只读版本
这些新增命令使得Predis能够更好地支持Redis的最新功能特性,特别是全文搜索和位操作等高级功能。
重要改进与优化
在命令接口方面,WATCH命令现在可以接受字符串或字符串数组作为参数,这使得代码编写更加灵活。这一改进符合Redis多键事务监控的实际使用场景,开发者不再需要手动将多个键名转换为数组。
集群模式下,Predis对槽位映射(slotmap)的处理进行了优化,采用了更紧凑的槽范围对象表示方式。这一内部改进虽然对用户透明,但能显著提升集群模式下大规模键操作时的性能表现,特别是在处理跨节点操作时。
关键问题修复
针对Redis只读副本的支持,本次版本修复了几个重要问题:
- 修正了
EVAL_RO命令在集群模式下的支持问题 - 将
GEOSEARCH标记为只读命令,确保它能在副本节点上执行
这些修复确保了在读写分离架构中,Predis能够正确地将只读命令路由到副本节点,充分发挥Redis集群的扩展能力。
在PHP兼容性方面,版本解决了PHP 8.4环境下stream_context_set_option()函数的使用问题,并防止了命名参数可能导致的运行时错误,为即将到来的PHP版本做好了准备。
测试与质量保证
开发团队在持续集成方面做了重要工作:
- 新增了对Redis 8.0的CI测试支持
- 扩展了测试覆盖范围以确保与Redis 8.0的兼容性
这些措施保证了Predis能够跟上Redis服务器版本的演进,为用户提供稳定可靠的使用体验。同时,项目开始采用并行方式运行PHP-CS-Fixer,进一步提升了代码风格检查的效率。
升级建议
对于正在使用Predis的开发团队,v2.4.0-RC1作为预发布版本,已经展现出良好的稳定性。建议开发者在测试环境中先行验证,特别是关注以下方面:
- 哈希字段过期功能是否符合预期
- 集群模式下只读命令的行为是否正确
- 与Redis 8.0的交互是否存在问题
这次更新标志着Predis在功能完整性和稳定性上又迈出了重要一步,为PHP开发者提供了更强大的Redis操作能力。随着Redis新特性的不断加入,Predis持续保持同步更新,巩固了其作为PHP生态中Redis首选客户端的地位。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0201
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07