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。
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-1.5暂无简介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