కోర్ టైపుల్ కు అతిరేకంగా, Redis ప్రత్యేక స్ట్రక్చర్లను అందిస్తుంది — HyperLogLog, bitmaps, geospatial, bitfields — మరియు modules (RedisJSON, RediSearch, RedisTimeSeries, RedisBloom) ఇవి ప్రత్యేక ఉపయోగ సందర్భాల కోసం Redis ను విస్తరించుకుంటాయి.
PFADD visitors:today
PFCOUNT visitors:today
PFMERGE visitors:week visitors:mon visitors:tue
HyperLogLog కార్డినాలిటీ (ప్రత్యేక గణనలు) చిన్న స్థిర మెమరీ ఉపయోగించి అంచనా వేస్తుంది — ప్రత్యేక సందర్శకులు, IPs లేదా ఈవెంట్లను గణించడానికి అనువైనది, సరిగ్గా గణన చేయడానికి భారీ మెమరీ సరిపోదు.
# 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 బిట్-పర్-ఐటెమ్ ఫ్లాగ్లను అత్యంత కాంపాక్ట్గా నిల్వవుంచుకుంటాయి — రోజువారీ-సక్రియ-యూజర్ ట్రాకింగ్, యూజర్ ఆధారిత ఫీచర్ ఫ్లాగ్లు, మరియు స్కేల్ వద్ద ఉనికి కోసం ఖచ్చితమైనవి.
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).
Rедis యొక్క అధ్యుత్తర డేటా స్ట్రక్చర్లు మరియు మాడ్యూల్లను అర్థం చేసుకోవడం ప్రత్యేక సమస్యలను సమర్థవంతంగా పరిష్కరించడం కోసం సీనియర్-స్థర కాలానికి విలువైన జ్ఞానం ఇది, కోర్ టైపుల్ కు అతిరేకంగా Redis చేయగలిగినవాటిని విస్తరించుకుంటుంది.
సంభావ్య/కాంపాక్ట్ స్ట్రక్చర్లు స్కేల్ కోసం ముఖ్యంగా శక్తిశాలిగా ఉంటాయి: HyperLogLog (ప్రత్యేక గణనలను చిన్న స్థిర మెమరీ ~12KB లో అంచనా వేయడం, స్కేల్ వద్ద ప్రత్యేక సందర్శకులు/IPs/ఈవెంట్లను గణించడానికి ఆదర్శవంతమైనది ఇక్కడ సెట్ల ద్వారా సరిగ్గా గణన చేయడం నిషేధించబడింది — నాటకీయ మెమరీ లాభం), bitmaps (బిట్-పర్-ఐటెమ్ ఫ్లాగ్లు రోజువారీ-సక్రియ-యూజర్ల కోసం లక్షల సంఖ్యను కేవలం కొన్ని KB లో నిల్వవుంచుకోవడం, విశ్లేషణల కోసం సమర్థవంతమైన బిట్వైస్ ఆపరేషన్ల కోసం), మరియు bitfields — ఇవి వాస్తవిక పెద్ద-స్కేల్ సమస్యలను సమాధానం చేస్తాయి (కార్డినాలిటీ, ఉనికి ట్రాకింగ్, ఫ్లాగ్లు) గుర్తించదగిన మెమరీ సామర్థ్యంతో ఇతర విధానాలలో అసాధారణమైనది. Geospatial మద్దతు Redis లో నేరుగా స్థానం ప్రశ్నలను ఉపయోగపడుస్తుంది.
modules — RedisJSON (నేటివ్ JSON డాక్యుమెంట్లు), RediSearch (సંపూర్ణ-టెక్స్ట్ సెర్చ్ మరియు ద్వితీయ సూచిక), RedisTimeSeries (టైమ్-సిరీస్/మెట్రిక్లు సమ్మేళనం కోసం), RedisBloom (సంభావ్య సభ్యత్వ ఫిల్టర్లు) — Redis ను బహు-మోడల్ ప్ల్యాట్ఫార్మ్కు విస్తరించుకుంటాయి (Redis Stack లో సమీకృతం), ఇది సెర్చ్, JSON, టైమ్-సిరీస్, మరియు సంభావ్య ఉపయోగ సందర్భాల హ్যాండిల్ చేయటానికి ఆమ్ని అనుమతిస్తుంది ఇతర విభిన్న సిస్టమ్ల అవసరం లేదా పేలవమైన మెమరీ/పనితీరు అంగీకరించడం.
ఈ జ్ఞానం తెలుసుకోవడం అద్దెర్ infrastructureను సంపర్కించటానికి అసంభవమైన పరిష్కారాల కోసం Redis ను ఉపయోగించటానికి మీకు అనుమతిస్తుంది, రెండూ సంపూర్ణ సమర్థవంతమైన భాగాలను ఎంచుకోవటానికి కంటే.
ప్రత్యేక సమస్యలు (పెద్ద-స్కేల్ ప్రత్యేక గణన, ఉనికి ట్రాకింగ్, సెర్చ్, టైమ్-సిరీస్, JSON) వాస్తవ సిస్టమ్లలో ఉత్పన్నమయ్యాయి, మరియు Redis యొక్క అధ్యుత్తర స్ట్రక్చర్లు (HyperLogLog, bitmaps, geospatial) మరియు modules (RedisJSON, RediSearch, RedisTimeSeries, RedisBloom) ఈ సమస్యలను సమర్థవంతంగా పరిష్కరిస్తాయి, అధ్యుత్తర Redis డేటా స్ట్రక్చర్లు మరియు modules ను అర్థం చేసుకోవడం సీనియర్-స్థర విలువైన జ్ఞానం, ఇది సాధారణ కాచింగ్ ఉపయోగ సందర్భానికి అతిరేకంగా Redis యొక్క సంపూర్ణ సామర్థ్యాలను బహిర్గతం చేస్తుంది, బహు-మోడల్ ప్ల్యాట్ఫార్మ్ గా, ప్రత్యేక సమస్యల కు సుందర, మెమరీ-సామర్థ్యమైన సమాధానాలను ఉపయోగపడుస్తుంది మరియు Redis నిపుణత లోతైన ప్రతిబింబిస్తుంది.