RediSearch 2.8.27版本发布:关键修复与性能优化
RedisSearch是基于Redis构建的全文搜索引擎模块,它提供了高性能的索引和搜索能力,支持文本搜索、向量搜索等高级功能。作为Redis生态中的重要组件,RedisSearch广泛应用于实时搜索、推荐系统等场景。
关键修复
本次2.8.27版本作为维护性更新,包含了多个关键问题的修复,建议所有用户尽快升级。
1. 多向量索引RDB重建问题修复
在从RDB文件重建索引时,如果存在多个向量索引,可能会因为集群健康检查导致崩溃。这个问题主要影响集群环境下的数据恢复过程,修复后确保了索引重建的稳定性。
2. 游标操作并发问题
修复了在执行FT.CURSOR...DEL命令时,如果另一个线程正在读取游标可能导致崩溃的问题。这个修复涉及多个模块的协同工作,提升了游标操作在多线程环境下的安全性。
3. 文本索引评分异常
当索引包含TEXT类型字段但文档中缺少相应文本内容时,可能导致评分计算出现inf或nan异常值。这个修复确保了评分系统的稳定性,避免了无效评分对搜索结果的影响。
4. Active-Active环境下的过期处理
在Active-Active(双活)部署环境中,修复了后台索引构建过程中可能出现的延迟过期问题,防止键在不正确的时间过期,保证了数据一致性。
5. 超时处理优化
修复了在使用ON_TIMEOUT RETURN策略时,超时错误会中断部分结果收集的问题。现在系统会尽可能返回已收集的部分结果,提高了查询的容错性。
性能优化
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,确保查询顺序不会影响全文搜索的评分结果。这一改进使得复杂查询的结果更加准确和一致,特别是在使用高级查询语法时效果更为明显。
升级建议
考虑到本次更新包含多个关键修复,特别是涉及集群环境下的稳定性和并发操作安全性问题,建议所有RedisSearch用户尽快升级到2.8.27版本。对于生产环境,建议先在测试环境验证后再进行升级。
对于使用向量搜索功能的用户,本次修复的多向量索引问题尤为重要;而在高并发场景下使用游标的用户,则应该特别关注游标操作并发的修复。
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