Redisson项目增强Search功能:支持WITHCOUNT参数配置
2025-05-08 18:58:45作者:魏献源Searcher
在Redis的全文搜索功能演进过程中,RediSearch 4.0版本引入了一个重要的语法特性:WITHCOUNT参数。这个参数需要配合SORTBY指令使用,用于在排序结果中返回匹配项的总数统计。作为Java生态中广受欢迎的Redis客户端,Redisson项目需要与时俱进地支持这一特性。
技术背景解析
RediSearch作为Redis的搜索模块,其查询语法随着版本迭代不断丰富。在4.0版本中,SORTBY指令的语法扩展为:
SORTBY {attribute} [ASC|DESC] [WITHCOUNT]
当使用WITHCOUNT参数时,查询结果不仅会返回排序后的数据,还会包含匹配项的总数信息。这对于需要分页显示结果同时展示总命中数的应用场景尤为重要。
Redisson的实现现状
目前Redisson的QueryOptions类尚未提供对WITHCOUNT参数的支持。在构建搜索查询时,即使用户需要获取总数统计,也无法通过API进行配置。这导致开发者不得不绕过Redisson直接使用原生命令,降低了开发效率和使用体验。
技术实现方案
建议的改进方案是在QueryOptions类中增加withCount字段,并提供相应的设置方法:
public class QueryOptions {
private boolean withCount;
public QueryOptions withCount(boolean withCount) {
this.withCount = withCount;
return this;
}
public boolean isWithCount() {
return withCount;
}
}
在RedissonSearch类的查询构建逻辑中,需要相应地进行调整:
if (options.getSortBy() != null) {
args.add("SORTBY");
args.add(options.getSortBy());
if (options.getSortOrder() != null) {
args.add(options.getSortOrder());
}
if(options.isWithCount()) {
args.add("WITHCOUNT");
}
}
应用场景价值
这一改进将为以下典型场景提供更好的支持:
- 分页查询:在展示搜索结果时,同时显示总命中数和当前页数据
- 数据分析:快速获取符合特定条件的记录总数,而不需要额外查询
- 性能优化:减少客户端与服务器之间的交互次数,一次请求即可获取排序结果和总数
兼容性考虑
该改进完全向后兼容,因为:
WITHCOUNT是RediSearch 4.0+的可选参数- 默认值为false,保持现有行为不变
- 不影响其他查询参数的设置和使用
总结
为Redisson的Search功能添加WITHCOUNT参数支持,不仅完善了其对最新RediSearch特性的覆盖,也为开发者提供了更强大的数据统计能力。这种改进体现了Redisson项目紧跟Redis生态发展的承诺,以及对开发者体验的持续关注。建议在下一个版本中纳入这一改进,使更多开发者能够受益于RediSearch的最新功能。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
308
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.19 K
653
仓颉编程语言运行时与标准库。
Cangjie
141
879