RediSearch 2.8.21版本发布:安全修复与性能优化
项目简介
RediSearch是构建在Redis之上的全文搜索引擎模块,它为Redis提供了强大的索引和搜索能力。作为一个高性能的搜索引擎,RediSearch支持全文检索、聚合查询、复杂过滤等功能,同时保持了Redis原有的低延迟特性。它广泛应用于实时搜索、日志分析、电子商务搜索等场景。
版本概述
RediSearch 2.8.21是一个维护版本,主要包含安全修复和若干性能优化。这个版本被标记为"SECURITY"级别更新,意味着它包含了重要的安全修复,建议所有用户尽快升级。
安全修复
本次版本修复了一个重要的安全问题(CVE-2024-51737),涉及查询处理中的潜在边界问题。这类问题如果被利用,可能导致服务不稳定甚至影响服务器运行。开发团队在MOD-8486问题中详细处理了这个问题,确保了查询处理过程中的内存安全性。
主要问题修复
-
长查询处理优化:修复了当查询前缀/中缀/后缀超过1024个字符时可能导致崩溃的问题(MOD-7882)。这一改进使得RediSearch能够更稳定地处理复杂的搜索模式。
-
集群环境稳定性:解决了在使用
replicaof命令时,后台索引过程中遇到过期键可能导致跨槽错误的问题(MOD-7949)。这对于分布式环境下的数据一致性至关重要。 -
游标管理改进:修复了两个与游标相关的问题:
- 修复了
FT.CURSOR READ操作在检索已删除的TAG字段时导致崩溃的问题(MOD-8011) - 解决了查询超时后游标未被正确释放的问题,防止了可用游标数量耗尽的情况(MOD-8009)
- 修复了
-
聚合查询优化:修复了在集群环境下对数字字段执行
FT.AGGREGATE操作时错误增加failed_calls计数的问题(MOD-8058),提高了统计数据的准确性。 -
内存计数准确性:改进了索引清理器在处理缺失值时的内存计数机制(MOD-8097, MOD-8114),使内存使用报告更加精确。
性能优化
本次版本引入了一个重要的内存优化:仅在执行写操作时创建索引,而不是在初始化时就分配所有资源(MOD-8125)。这一改变显著减少了RediSearch的内存占用,特别是在处理大量索引但实际写入操作较少的场景下,可以节省可观的内存资源。
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 2.8.x版本的用户尽快升级到2.8.21版本。升级过程通常很简单,只需替换模块文件并重启Redis服务即可。对于生产环境,建议先在测试环境中验证兼容性。
对于内存敏感的应用场景,特别是那些索引数量多但写入频率低的系统,本次的内存优化将带来明显的资源利用率提升。开发团队持续关注性能和稳定性问题,这个版本再次证明了RediSearch作为企业级搜索解决方案的可靠性。
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