मुल प्रकारहरूभन्दा परे, Redis विशेषीकृत संरचनाहरू — HyperLogLog, bitmaps, geospatial, bitfields — र modules (RedisJSON, RediSearch, RedisTimeSeries, RedisBloom) प्रदान गर्दछ जसले विशेषीकृत उपयोग केसहरूको लागि Redis लाई कुशलतापूर्वक विस्तारित गर्दछ।
PFADD visitors:today
PFCOUNT visitors:today
PFMERGE visitors:week visitors:mon visitors:tue
HyperLogLog कार्डिनालिटी (अद्वितीय गणना) को अनुमान गरदछ सानो निश्चित मेमोरी प्रयोग गरेर — यो अद्वितीय आगन्तुकहरू, आईपीहरू, वा घटनाहरूलाई गणना गर्न आदर्श छ जहाँ सटीक गणना विशाल मेमोरीको खर्च गर्न सक्छ।
# bitmaps: bit-per-item flags (very memory-efficient)
SETBIT active:2024-01-15 1000 1 # mark user 1000 active today
BITCOUNT active:2024-01-15 # how many users were active (count set bits)
BITOP AND active:both d1 d2 # users active BOTH days (bitwise AND)
# → track daily active users for millions in a few KB per day
Bitmaps बिट-प्रति-आइटम फ्ल्यागहरू अत्यन्त कम्प्याक्टली सञ्चय गर्दछ — दैनिक-सक्रिय-प्रयोगकर्ता ट्र्याकिङ्ग, प्रयोगकर्ता प्रति सुविधा फ्ल्यागहरू, र स्केलमा उपस्थितिको लागि परिपूर्ण।
GEOADD places 13.361 38.115 "Palermo" # add a location (lng, lat)
GEOSEARCH places FROMMEMBER "Palermo" BYRADIUS 200 km ASC # find nearby
RedisJSON → store/query JSON documents natively (paths, partial updates)
RediSearch → full-text search and secondary indexing on Redis data
RedisTimeSeries→ time-series data (metrics, IoT) with downsampling/aggregation
RedisBloom → Bloom filters / Cuckoo filters (probabilistic membership)
RedisGraph (legacy), and others
→ Modules turn Redis into a multi-model platform (Redis Stack bundles popular ones).
Redis को उन्नत डेटा संरचना र मोड्यूलहरू बुझ्न विशेषीकृत समस्याहरूलाई कुशलतापूर्वक समाधान गर्न र Redis को क्षमता मुल प्रकारहरूभन्दा परे विस्तारित गर्नको लागि मूल्यवान वरिष्ठ-स्तरको ज्ञान हो।
सम्भाव्य/कम्प्याक्ट संरचनाहरू विशेष गरी स्केलको लागि शक्तिशाली छन्: HyperLogLog (अद्वितीय गणनालाई सानो निश्चित मेमोरीमा अनुमान गर्दछ ~12KB, अद्वितीय आगन्तुक/आईपी/घटनाहरू गणना गर्नको लागि आदर्श जहाँ सेटहरूद्वारा सटीक गणना निषेधात्मकतः महँगो हुन्छ — नाटकीय मेमोरी जीत), bitmaps (बिट-प्रति-आइटम फ्ल्यागहरू दैनिक-सक्रिय-प्रयोगकर्ताहरू जस्ता केही साथ लक्ष-लक्षमा केही किलोबाइटमा सञ्चय गर्दछ, विश्लेषणको लागि दक्ष bitwise अपरेसनहरूसँग), र bitfields — यसले वास्तविक बड़े-स्केल समस्याहरू (कार्डिनालिटी, उपस्थिति ट्र्याकिङ्ग, फ्ल्यागहरू) समाधान गर्दछ उल्लेखनीय मेमोरी दक्षता र यो अन्यथा हासिल गर्न कठिन छ। Geospatial समर्थन Redis मा सीधा स्थान क्वेरीहरू सक्षम गर्दछ।
Modules — RedisJSON (देशी JSON कागजातहरू), RediSearch (पूर्ण-पाठ खोज र माध्यमिक अनुक्रमण), RedisTimeSeries (समय-श्रृङ्खला/मेट्रिक्स एकीकरणसँग), RedisBloom (सम्भाव्य सदस्यता फिल्टरहरू) — Redis लाई बहु-मोडल प्ल्याटफर्ममा विस्तारित गर्दछ (Redis Stack मा बन्डल गरिएको), यसलाई खोज, JSON, समय-श्रृङ्खला, र सम्भाव्य उपयोग केसहरू ह्यान्डल गर्न दिँदछ जो अन्यथा अलग प्रणाली चाहिन्छ।
यी बुझ्ने गरेर तपाईं अतिरिक्त अवसंरचनाको लागि पहुँच गर्नु वा खराब मेमोरी/कार्यक्षमता स्वीकार गर्नुको साटो विशेषीकृत आवश्यकताहरूको लागि Redis लाई कुशलतापूर्वक प्रयोग गर्न सक्नु हुन्छ।
विशेषीकृत समस्याहरू (बड़े-स्केल अद्वितीय गणना, उपस्थिति ट्र्याकिङ्ग, खोज, समय-श्रृङ्खला, JSON) वास्तविक प्रणालीमा उत्पन्न हुन्छन्, र Redis को उन्नत संरचनाहरू (HyperLogLog, bitmaps, geospatial) र modules (RedisJSON, RediSearch, RedisTimeSeries, RedisBloom) यसलाई कुशलतापूर्वक समाधान गर्दछन्, Redis को उन्नत डेटा संरचना र modules बुझ्न मूल्यवान वरिष्ठ-स्तरको ज्ञान हो जसले Redis को पूर्ण क्षमता बहु-मोडल प्ल्याटफर्मको रूपमा प्रकट गर्दछ, विशेषीकृत समस्याहरूको लागि सुरुचिपूर्ण, मेमोरी-दक्ष समाधानहरू सक्षम गर्दछ र साधारण क्यासिङ उपयोग केसको परे गहिरो Redis विशेषज्ञता प्रतिबिम्बित गर्दछ।