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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00