v1.38.5 - LSM store performance improvements, Batch vectorization potencial deadlocks Fix, Allocation free reference cacher improvement
Weaviate 发布 v1.38.5，修复了 LSM 存储性能、批量向量化死锁、HNSW 图重置时 tombstone 指标未清除等问题，并优化了内存分配和读取缓冲区复用。
Development
- First Reportv1.38.5 - LSM store performance improvements, Batch vectorization potencial deadlocks Fix, Allocation free reference cacher improvementWeaviate Releases
- Current AssessmentWeaviate 作为开源向量数据库，持续优化存储引擎和并发处理，反映了向量数据库在 AI 应用中的关键地位。此类底层性能改进有助于提升 AI 应用的响应速度和稳定性，但行业影响需结合更广泛的采用情况评估。Agent Pulse · analysis
Weaviate 于 2026 年 7 月 16 日发布 v1.38.5 版本，主要包含多项修复和性能改进。修复包括：在 LSM 操作中不再持有版本映射锁（#12119）、修复批量向量化死锁（#12070）、修复重启后未刷新的数据导致 flat 缓存搜索中向量不可见（#12132）、重置 HNSW 图时清除 tombstone 指标（#12131）、修复并发问题（#12076）、排序 WAL 以确保最新的 memtable 为活动状态（#12138）。性能改进包括：每个分片仅打开一次维度桶并顺序访问（#12106）、在 objectsByDocID 中复用读缓冲区（#12142）、在排序和分组中复用读缓冲区（#12143）、缓存不可变 memtable 的 tombstone 快照（#12144）。此外，CI 测试切换到 ubicloud 运行器。
该版本聚焦于数据库内核的并发与内存优化。修复批量向量化死锁和版本映射锁的持有问题，表明在高并发写入和查询场景下，锁竞争是性能瓶颈。复用读缓冲区和缓存 tombstone 快照等优化，旨在减少内存分配和磁盘 I/O。这些改进对向量数据库的读写延迟和吞吐量有直接影响，但具体性能提升幅度未在证据中量化。
Weaviate 作为开源向量数据库，持续优化存储引擎和并发处理，反映了向量数据库在 AI 应用中的关键地位。此类底层性能改进有助于提升 AI 应用的响应速度和稳定性，但行业影响需结合更广泛的采用情况评估。
对于使用 Weaviate 的企业，此版本可能降低基础设施成本并提升查询性能，但具体收益取决于工作负载。开源项目通过社区贡献持续演进，增强了其商业吸引力。
后续可关注 Weaviate 是否发布性能基准测试结果，以及这些优化是否被其他向量数据库借鉴。同时，观察 v1.38.5 在实际部署中的稳定性表现。