Magento 2.4.7升级后GraphQL缓存失效问题分析
问题背景
在Magento 2.4.7版本中,部分用户在升级后遇到了GraphQL缓存失效的问题。具体表现为每次请求都会重新生成GraphQL配置数据,而不是从缓存中读取,这导致系统性能显著下降,特别是在Hyva React Checkout等场景下,每次操作可能需要长达10秒的响应时间。
问题现象
通过调试代码发现,Magento_Framework_GraphQlSchemaStitching_Config_Data缓存在每次请求时都显示为"MISS"状态,而不是预期的首次"MISS"后后续请求应为"HIT"状态。这意味着系统无法有效利用已缓存的GraphQL配置数据,导致每次都需要重新解析和生成配置。
技术分析
经过深入调查,发现问题与Redis缓存配置中的use_lua参数密切相关:
-
Redis Lua脚本问题:当
use_lua设置为1(这是2.4.7版本的默认值)时,缓存读取操作可能无法正常工作。这是因为Redis的Lua脚本实现在某些特定条件下可能无法正确处理大型缓存数据。 -
缓存序列化问题:GraphQL配置数据通常较大且结构复杂,当使用Lua脚本处理时,可能由于数据大小或特殊字符序列导致缓存读取失败。
-
升级兼容性问题:从2.4.6-p4升级到2.4.7后,新的默认配置可能不兼容某些特定环境下的Redis实现。
解决方案
针对此问题,Magento官方团队已经提供了修复方案:
-
临时解决方案:在Redis配置中将
use_lua参数显式设置为0,可以立即解决问题。这可以通过修改app/etc/env.php文件中的缓存配置实现。 -
官方修复:Magento内部团队已经提交了永久性修复(commit a52ff98f736aadc9b9fc079ebfcf5a194f51f380),该修复已包含在后续版本中。
最佳实践
对于使用Magento 2.4.7版本的用户,建议:
- 在升级后检查Redis缓存配置,特别是
use_lua参数 - 监控GraphQL请求的响应时间,及时发现潜在的性能问题
- 保持系统更新,确保应用最新的安全补丁和性能修复
总结
Magento 2.4.7中的GraphQL缓存问题是一个典型的升级兼容性问题,它展示了缓存配置变更可能对系统性能产生的重大影响。通过理解问题的根本原因和解决方案,开发人员可以更好地维护和优化他们的Magento商店性能。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C033
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
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