Jedis 6.0.0 发布:全面支持 Redis 8.0 新特性
Redis 作为当今最流行的内存数据库之一,其 Java 客户端 Jedis 迎来了 6.0.0 大版本更新。作为 Redis 官方推荐的 Java 客户端,Jedis 6.0.0 版本最重要的改进是全面适配 Redis 8.0 的新特性,同时也在功能、性能和稳定性方面做出了多项优化。
Redis 8.0 兼容性升级
Redis 8.0 引入了多项重大改进,包括原生的 JSON、Search & Query 和 TimeSeries 数据结构支持。Jedis 6.0.0 对这些新特性提供了完善的支持。
搜索查询方言默认升级
在 Redis 8.0 中,搜索和查询功能有了显著增强。Jedis 6.0.0 现在默认使用查询方言版本 2(DIALECT 2),这会影响 FT.AGGREGATE 和 FT.SEARCH 等命令的行为。查询方言的版本会影响查询语法和返回结果,开发者需要注意这一变化可能带来的兼容性问题。
如果需要使用旧版查询方言,可以通过以下方式显式设置:
UnifiedJedis jedis = new UnifiedJedis("redis://localhost:6379");
jedis.setDefaultSearchDialect(1); // 使用 DIALECT 1
移除过时模块支持
随着 Redis 生态的发展,一些模块已被官方标记为不再维护。Jedis 6.0.0 移除了对 RedisGraph 和 Triggers & Functions(原 RedisGears v2)的支持,开发者需要寻找替代方案。
重要变更与改进
命令返回类型调整
FT.PROFILE 命令现在返回通用对象类型,提高了接口的灵活性。同时,COMMAND INFO 命令的响应现在包含子命令的详细信息,为开发者提供更丰富的元数据。
实验性功能
6.0.0 版本引入了两个实验性功能:
- 搜索和聚合查询结果中的警告消息支持,帮助开发者更好地理解查询执行情况
- 新增 SslOptions 类,为 SSL/TLS 连接提供更细粒度的配置选项
新增功能亮点
哈希字段扩展命令
支持 Redis 8.0 新增的哈希字段操作命令:
- HGETDEL:获取字段值后删除该字段
- HGETEX:获取字段值并设置过期时间
- HSETEX:设置字段值并指定过期时间
集群操作增强
改进了集群操作中的错误处理,现在当"Cluster retry deadline exceeded"异常发生时,会传播原始错误原因,便于问题排查。
认证与安全
新增了对基于令牌的身份认证(Token-Based Authentication)的支持,这是 Redis 8.0 引入的重要安全特性。同时完善了 SSL 配置选项,为安全连接提供更多控制能力。
性能优化与问题修复
连接池更新
升级了 Apache Commons Pool 2 到 2.12.1 版本,修复了连接池管理中的潜在问题,提高了资源利用效率。
发布订阅模式修复
修复了启用缓存时的发布订阅功能问题,确保了消息传递的可靠性。
异常处理改进
优化了数组越界异常的处理,提供了更清晰的错误信息,便于开发者快速定位问题。
开发者体验提升
测试覆盖增强
测试矩阵现在覆盖了 Redis 8.0-M1、7.4.1、7.2.6 和 6.2.16 等多个版本,确保跨版本兼容性。同时优化了集群测试的速度,缩短了开发反馈周期。
文档完善
新增了大量实用示例代码,包括:
- 哈希搜索示例
- 地理空间索引使用示例
- 管道和事务操作示例
- 基础数据结构操作示例
这些示例帮助开发者更快上手 Jedis 的各项功能。
升级建议
对于正在使用 Jedis 5.x 版本的开发者,升级到 6.0.0 时需要注意:
- 检查是否使用了已移除的 RedisGraph 或 Triggers & Functions 功能
- 评估搜索查询方言变更对现有查询的影响
- 测试集群操作和发布订阅功能是否正常工作
- 考虑使用新的哈希字段操作命令优化业务逻辑
Jedis 6.0.0 作为支持 Redis 8.0 的重要版本,不仅带来了对新特性的支持,也在稳定性、性能和开发者体验方面做出了显著改进,是 Java 开发者使用 Redis 的理想选择。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00