RediSearch 2.6.30版本发布:关键修复与性能优化
RedisSearch是基于Redis构建的全文搜索引擎模块,它提供了高效的索引和搜索能力,支持复杂的查询语法、聚合操作以及实时索引更新。作为Redis生态中的重要组件,RedisSearch广泛应用于需要高性能搜索功能的场景中。
关键修复
本次2.6.30版本包含了多个关键性修复,解决了可能影响生产环境稳定性的问题:
-
游标操作崩溃问题:修复了在多线程环境下执行
FT.CURSOR...DEL操作时可能导致的崩溃问题。这种并发操作场景在实际应用中较为常见,特别是在高并发的搜索服务中。 -
评分异常问题:当索引包含TEXT类型字段但文档中缺少相应文本内容时,会导致评分计算出现
inf或nan异常值。这不仅影响搜索结果排序,还可能导致客户端处理异常。 -
Active-Active环境下的过期问题:优化了后台索引过程中的延迟过期机制,防止在Active-Active配置下键被错误地过期。这对于分布式环境中的数据一致性至关重要。
-
RESP3协议下的超时处理:解决了在RESP3协议下查询超时可能导致结果集为空的问题,即使设置了返回部分结果的策略。同时修复了聚合游标在某些情况下无法正确耗尽的问题。
性能与功能优化
除了关键修复外,2.6.30版本还包含了一些重要的性能优化和功能改进:
-
查询解析器优化:改进了交集查询和括号内子查询的解析逻辑,确保查询顺序不会影响全文搜索的评分结果。这使得查询语法更加灵活,开发者可以更自由地组织复杂查询而不必担心评分偏差。
-
协调器竞争条件修复:解决了查询执行过程中可能出现的协调器竞争条件,防止了查询过早释放导致的错误和不一致。这一改进显著提升了分布式环境下查询的可靠性。
升级建议
由于本次版本修复了多个关键问题,特别是可能导致崩溃的游标操作问题和评分计算异常问题,建议所有使用RedisSearch 2.6.x版本的用户尽快升级到2.6.30版本。对于使用Active-Active配置或RESP3协议的用户,升级尤为重要。
升级过程通常较为简单,可以通过替换模块文件并重启Redis实例完成。建议在测试环境验证后再应用于生产环境,特别是对于承载高流量查询的服务。
RedisSearch持续优化其稳定性和性能,2.6.30版本的发布进一步巩固了其作为Redis生态中全文搜索解决方案的地位,为用户提供了更可靠、更高效的搜索体验。
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-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