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。
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 StartedRust0195
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 Notebook0124
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。Python05
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