RediSearch 2.10.18版本发布:关键修复与性能优化
RediSearch项目简介
RediSearch是Redis的一个高性能全文搜索和二级索引模块,它为Redis数据库提供了强大的搜索能力。作为一个专门为Redis设计的搜索引擎,RediSearch支持全文检索、复杂查询、聚合操作等功能,同时保持了Redis的高性能和低延迟特性。它广泛应用于需要实时搜索功能的场景,如电子商务、内容管理系统、日志分析等领域。
关键修复
1. 多向量索引RDB重载修复
在2.10.18版本中,修复了一个可能导致集群崩溃的关键问题。当从RDB文件重建多个向量索引时,集群健康检查机制可能会引发崩溃。这个问题特别影响那些在Redis集群环境中使用多个向量索引功能的用户。向量索引是RediSearch中用于支持向量相似度搜索的重要功能,广泛应用于推荐系统、图像搜索等场景。
2. 游标删除操作线程安全修复
修复了在使用FT.CURSOR...DEL命令删除游标时,如果另一个线程正在读取该游标可能导致崩溃的问题。游标是RediSearch中用于处理大型结果集的重要机制,这个修复确保了在高并发环境下游标操作的线程安全性。
3. 文本索引评分异常修复
解决了当索引包含TEXT字段但文档中实际没有对应文本内容时,可能导致评分计算出现inf或nan异常值的问题。评分是搜索相关性排序的基础,这个修复确保了评分系统的稳定性和准确性。
4. Active-Active环境下的过期键处理优化
在Active-Active(双活)部署环境中,修复了后台索引过程中惰性过期可能导致键错误过期的问题。这对于需要高可用性和数据一致性的企业级应用尤为重要。
5. 超时处理策略改进
优化了ON_TIMEOUT RETURN策略的行为,现在当查询超时时,系统会返回已收集的部分结果,而不是简单地返回超时错误。这种"尽力而为"的方式提高了用户体验,特别是在处理复杂查询时。
性能优化
1. 查询解析器改进
对包含括号和子查询的交集查询进行了优化,现在这些查询的执行顺序不会影响全文搜索的评分结果。这使得复杂查询的行为更加可预测,特别是对于那些使用高级查询语法的用户。
2. 键空间访问优化
当使用LOAD...@__key语法时,RediSearch现在会避免不必要的Redis键空间访问。这一优化减少了网络开销和延迟,特别是在分布式环境中可以带来明显的性能提升。
升级建议
由于本次发布包含多个关键修复,特别是涉及集群稳定性和线程安全的修复,建议所有使用RediSearch 2.10.x版本的用户尽快升级到2.10.18版本。对于生产环境,建议先在测试环境中验证兼容性后再进行升级。
对于使用向量索引功能或在Active-Active环境中部署RediSearch的用户,这次升级尤为重要,因为它解决了可能导致数据不一致或服务中断的关键问题。
总结
RediSearch 2.10.18版本虽然是一个维护性更新,但包含了多个对系统稳定性和性能有重要影响的修复和改进。这些变化体现了RediSearch团队对产品质量的持续关注,特别是在高并发、分布式环境下的可靠性方面。随着搜索功能在现代应用中的重要性不断提升,RediSearch的这些改进将帮助开发者构建更加稳定、高效的搜索解决方案。
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