Redis-ի 6 թերագնահատված հնարավորություն, որոնք արժե փորձել
Բացահայտեք Redis-ի 6 թերագնահատված հնարավորություն և իմացեք, թե ինչու են դրանք փորձելու արժանի։
Ներածություն
Redis տվյալների բազան հայտնի, անփոխարինելի ենթակառուցվածքային բաղադրիչ է, սովորաբար օգտագործվում է որպես քեշ և հաճախ դիտվում է որպես զուտ արագ key-value պահոց։ Սակայն տարիների ընթացքում այն վերածվել է հնարավորություններով լի տվյալների հարթակի, որը տալիս է շատ ավելին, քան պարզապես արագությունը։
Դեռ 2021-ին ես վերլուծել էի Signal Internet Messanger-ի սերվերի կոդը։ Ինձ զարմացրին այն հետաքրքիր եղանակները, որոնցով այն օգտագործում էր Redis Pub/Sub-ը և Redis Lua ինտերպրետատորը։ Այս գրառման մեջ կդիտարկենք Redis սերվերի այն հնարավորությունները, որոնք լայնորեն հայտնի չեն, բայց հզոր են և հասնում են շատ ավելի հեռու, քան պարզ քեշավորումը։
Ի՞նչ է Redis-ը
Redis-ը in-memory տվյալների բազա է, որը ստեղծված է տվյալները բարձր արագությամբ պահելու և ստանալու համար։ Մինչդեռ ավանդական տվյալների բազաները հիմնվում են սկավառակի պահոցի վրա, Redis-ը հաճախ օգտագործվող տվյալները պահում է սերվերի հիշողության մեջ, որպեսզի հավելվածները կարողանան դրանք ստանալ գրեթե ակնթարթորեն։ Դա այն հիանալի համապատասխանեցնում է հաճախ դիմվող տվյալներին, ինչպիսիք են սեսիայի տեղեկությունը, օգտատիրոջ նախապատվությունները կամ իրական ժամանակի անալիտիկան։
Redis-ի մեծ առավելություններից մեկն այն է, թե ինչպես է այն օգնում օպտիմալացնել արագագործությունը։ Քանի որ հավելվածները չեն ստիպված անընդհատ հարցում անել ավելի դանդաղ, սկավառակի վրա հիմնված տվյալների բազային, Redis-ը նվազեցնում է սերվերի բեռը և պահում է հավելվածները արագ արձագանքող նույնիսկ ծանր տրաֆիկի դեպքում։ Հաճախ պահանջվող տվյալները արդյունավետ մշակելով՝ Redis-ը զգալիորեն բարձրացնում է հավելվածի արագագործությունը, ինչը այն դարձնում է էական գործիք այսօրվա վեբ հավելվածների, API-ների և միկրոսերվիսների համար։
Redis-ի հնարավորությունները
Redis Streams
Redis Streams-ը հզոր տվյալների կառուցվածք է, որն աշխատում է որպես append-only լոգ։ Դրանից բացի, այն տալիս է լրացուցիչ հնարավորություններ, որոնք այն հավասարեցնում են այնպիսի դասական streaming լուծումների, ինչպիսին Apache Kafka-ն է։ Redis Streams-ը թույլ է տալիս հարցում անել իրադարձությունների վրա ըստ միջակայքի կամ բաժանորդագրվել նոր տարրերին՝ դրանց իրական ժամանակում ժամանելիս։ Այն աջակցում է նաև consumer group-եր, ուստի մի քանի սպառողներ կարող են միասին մշակել stream-ը։
Նմանությունների հետ մեկտեղ, Redis Streams-ը և Apache Kafka-ն ունեն կարևոր տարբերություններ, առաջին հերթին տվյալների բաժանման և կառավարման եղանակում։ Redis Streams-ը նպատակաուղղված է թեթև streaming դեպքերին և չունի Kafka-ի բաժանման (partitioning) մոդելը, բայց այնուամենայնիվ հզոր այլընտրանք է Redis միջավայրերում իրական ժամանակի իրադարձությունների մշակման համար։
JSON-ի աջակցություն
Վերջին ժամանակներս բազմաթիվ տվյալների բազաներ, այդ թվում՝ SQL-ի վրա հիմնվածները, ավելացրել են JSON-ը որպես աջակցվող տվյալների տեսակ։ Հիմնական օգուտն այն է, որ բարդ օբյեկտները կարելի է պահել լայնորեն հայտնի ձևաչափով, ինչը տվյալները դարձնում է ավելի ճկուն և ավելի հեշտ մշակելի։
Redis-ն էլ է գնացել նույն ճանապարհով. այն թույլ է տալիս պահել JSON օբյեկտներ, ստանալ ներդրված արժեքներ և կատարել հարցումներ JSONPath-ով։ Redis-ն աջակցում է նաև ատոմար մասնակի թարմացումների, ուստի օբյեկտները կարելի է արդյունավետ փոփոխել՝ առանց դրանք ամբողջությամբ վերագրելու։ Սա Redis-ը դարձնում է հիանալի ընտրություն այն հավելվածների համար, որոնք պահանջում են դինամիկ տվյալների կառուցվածքներ և իրական ժամանակի թարմացումներ՝ առանց արագագործությունը զոհելու։
Gen AI – վեկտորային տվյալների բազա
Հաշվի առնելով AI-ի և վեկտորային տվյալների բազաների նկատմամբ վերջին ժամանակների հետաքրքրության աճը՝ արժե իմանալ, որ Redis-ը կարող է ծառայել նաև որպես վեկտորային տվյալների բազա։ Այն թույլ է տալիս պահել վեկտորներ մետատվյալների հետ միասին, սահմանել երկրորդային ինդեքսներ և կատարել վեկտորային որոնումներ՝ դրանց մեջ k-nearest neighbor (KNN) որոնում։ Սա Redis-ը դարձնում է իրատեսական տարբերակ AI-ի վրա հիմնված այն հավելվածների համար, որոնք պահանջում են արագ նմանության որոնումներ, ինչպիսիք են առաջարկությունների համակարգերը, պատկերների ճանաչումը և բնական լեզվի մշակման (NLP) խնդիրները։
Այնուամենայնիվ, այն, ինչ Redis-ը բերում է AI-ին, չի սահմանափակվում վեկտորների պահպանմամբ։ Redis-ը կարող է գործել որպես սեմանտիկ քեշ՝ թույլ տալով հավելվածներին պահել հաճախ տրվող հարցերը retrieval-augmented generation (RAG) pipeline-ներում։ Այն նաև առանցքային է LLM սեսիաների պահպանման համար՝ պահպանելով օգտատերերի խոսակցությունների պատմությունը համատեքստն ըմբռնող փոխազդեցությունների համար։ AI-ի վրա հիմնված հավելվածներում ցածր հապաղմամբ ճիշտ տվյալների կառուցվածքներ ընտրելը էական է, և Redis-ն առաջարկում է արագության ու մասշտաբավորելիության ամուր համադրություն նման ծանր բեռների համար։
Իրական ժամանակի հարցումներ մշակելու, բարձր թողունակությամբ AI մոդելներ սպասարկելու և կառուցվածքավորված ու չկառուցվածքավորված տվյալներ արդյունավետ կառավարելու իր կարողության շնորհիվ Redis-ը հիանալի տարբերակ է AI-ով աշխատող հավելվածներ կառուցելու համար։ Լինի դա վեկտորային նմանության որոնում, սեսիայի պահպանում թե սեմանտիկ քեշավորում՝ Redis-ն ապահովում է այն ճկունությունը, որը պահանջվում է AI մոդելի արագագործությունը բարելավելու և սահուն օգտատիրական փորձ առաջարկելու համար։
Time Series
Time series տվյալները սովորաբար կապվում են այնպիսի տվյալների բազաների հետ, ինչպիսիք են Prometheus-ը, InfluxDB-ն, ClickHouse-ը, TimeScaleDB-ն և այլն։ Բայց Redis-ն էլ է աջակցում time series տվյալների տեսակներին։ Redis-ի հրամանները թույլ են տալիս տվյալների վրա հարցում անել ըստ ժամանակային միջակայքի և կատարել պարզ ագրեգացիաներ, ինչպիսիք են գումարները, միջինները և այլ վիճակագրական հաշվարկներ։
Այն, ինչ Redis-ի time series-ը դարձնում է էլ ավելի գրավիչ, այն է, թե որքան լավ են դրանք ինտեգրվում հանրաճանաչ մոնիթորինգի և վիզուալիզացիայի գործիքների հետ։ Grafana-ն և Telegraf-ը երկուսն էլ կարող են Redis-ն օգտագործել որպես տվյալների աղբյուր, ինչը հնարավորություն է տալիս իրական ժամանակի անալիտիկայի և մոնիթորինգի։ Այսպիսով, ծրագրավորողները կարող են օգտվել Redis-ի արագությունից և արդյունավետությունից time series բեռների համար, և որոշ դեպքերում այն կարող է փոխարինել մասնագիտացված time series տվյալների բազաներին։
Հավանականային տվյալների կառուցվածքներ
Հավանականային տվյալների կառուցվածքները Redis-ի առաջարկած ավելի քիչ ծանոթ տվյալների տեսակներից են։ Երբևէ հանդիպե՞լ եք Bloom filter-ների։ Տվյալների բազաների շարժիչները, ինչպես Cassandra-ն, լայնորեն օգտագործում են դրանք որոնումներն արագացնելու և պահոցի ծախսը կրճատելու համար։
Bloom filter-ներից բացի, Redis-ն աջակցում է Cuckoo filter-ների, HyperLogLog-ի և այլ հավանականային կառուցվածքների։ Նրանք զոհաբերում են կատարյալ ճշգրտությունը՝ հիշողության հսկայական խնայողության դիմաց, ինչը դրանք դարձնում է կատարյալ այնտեղ, որտեղ մոտավոր արդյունքները բավարար են։ Օրինակ՝ Bloom filter-ը կարող է հաստատ ասել, որ տարրը բացակայում է տվյալների հավաքածուից, բայց կարող է միայն գնահատել, թե արդյոք տարրը այնտեղ է։
Գործնական օրինակ է ստուգելը, արդյոք զեղչի կոդն արդեն օգտագործվել է։ Երբ պետք է հետևել միլիոնավոր կոդերի, լավ կարգավորված Bloom filter-ը կարող է ծառայել որպես պաշտպանության առաջին գիծ՝ մերժելով անվավեր հարցումները մինչ դրանք հասնեն հիմնական տվյալների բազային։ Սա կարող է զգալիորեն կրճատել հաշվողական ծախսերը և սերվերի բեռը՝ հավելվածներն ավելի արդյունավետ դարձնելով։
RDI
Redis Data Integration (RDI)-ը Redis Enterprise-ի հնարավորություն է, որն օգտագործում է Change Data Capture (CDC) մեխանիզմներ՝ ավանդական տվյալների բազաներից տվյալները Redis կլաստերի հետ համաժամեցնելու համար։ Փոխանցվող տվյալները կարելի է ճանապարհին վերափոխել և ֆիլտրել, որպեսզի դրանք ավելի հեշտ համապատասխանեն Redis-ի տվյալների կառուցվածքներին։
RDI-ն աշխատում է այնպիսի աղբյուրների հետ, ինչպիսիք են Oracle-ը, MySQL-ը, PostgreSQL-ը և այլն։ Մեկանգամյա միգրացիայի փոխարեն դրա նպատակը այս համակարգերի միջև շարունակական համաժամեցումն է։ Հավելվածները կարող են գրել ավանդական տվյալների բազայում և կարդալ Redis-ից՝ ավելի արագ հասանելիության համար, առանց Redis-ում բացահայտորեն գրելու անհրաժեշտության։
Եթե ձեր հավելվածը կարող է հաշտվել CDC pipeline-ի ներմուծած eventual consistency-ի հետ, RDI-ն կարող է արդյունավետ միջոց լինել տվյալների բազայի բեռը թեթևացնելու համար։ Այն հատկապես հարմար է քեշով աշխատող ճարտարապետություններում, որտեղ Redis-ը գործում է որպես տվյալների արագ շերտ, իսկ ներքևի տվյալների բազան մնում է system of record։
Գիտե՞ք Debezium-ը։ RDI-ն այն օգտագործում է ներսում։ Debezium-ը բաց կոդով նախագիծ է Change Data Capture (CDC)-ից տվյալները Apache Kafka-ին կամ Kafka-ից JDBC-ի հետ համատեղելի տվյալների բազաներ հոսքագրելու համար։
Եզրակացություններ
Redis-ը և նրա ֆորկերը տարածված են ժամանակակից համակարգերում։ Թեև այն առավել հայտնի է in-memory պահոցով, նրա ավելի լայն հնարավորությունները ուշադրության են արժանի։ Քեշավորումից բացի, Redis Streams-ը թույլ է տալիս Redis-ն օգտագործել event-driven ճարտարապետություններում։ Redis Streams-ը կարող է արագ միջոց լինել event-driven հնարավորություններ կառուցելը սկսելու համար, իսկ երբ համակարգը մեծանա, լիարժեք Apache Kafka կլաստերին անցնելը կարող է տրամաբանական հաջորդ քայլ լինել։ Քանի որ Redis-ն արդեն առկա է շատ ենթակառուցվածքներում, դրա առկա հնարավորություններն օգտագործելը կարող է արագացնել մշակումը և տեղակայումը՝ առանց բոլորովին նոր համակարգեր ներմուծելու, որոնք լրացուցիչ սպասարկում են պահանջում։
Redis թիմը շարունակում է զարգացնել նոր հնարավորություններ, որոնք ձևավորում են հավելվածների նախագծման եղանակը։ Մի ուշագրավ բարելավում է client-side caching-ը, որը լրացուցիչ in-memory տվյալներ է պահում անմիջապես հավելվածի կողմում։ Այն նվազեցնում է ցանցային հապաղումը՝ վերացնելով ավելորդ round trip-երը, և քիչ ջանքով բարձրացնում է հավելվածի արագագործությունը։
Redis նախագծի և նրա տվյալների մոդելների մեջ ավելի խորանալու համար խորհուրդ կտայի ծանոթանալ Redis University-ին, որն առաջարկում է տարբեր դասընթացներ Redis-ի հիմնական և առաջադեմ հնարավորությունների, ինչպես նաև Redis Cloud-ի մասին։