Ngoài các kiểu cốt lõi, Redis cung cấp các cấu trúc chuyên biệt — HyperLogLog, bitmaps, geospatial, bitfields — và các module (RedisJSON, RediSearch, RedisTimeSeries, RedisBloom) mở rộng Redis cho các use case chuyên biệt một cách hiệu quả.
PFADD visitors:today
PFCOUNT visitors:today
PFMERGE visitors:week visitors:mon visitors:tue
HyperLogLog ước lượng cardinality (số lượng duy nhất) dùng bộ nhớ cố định nhỏ xíu — lý tưởng để đếm khách truy cập, IP, hoặc sự kiện duy nhất ở quy mô nơi đếm chính xác sẽ tốn bộ nhớ khổng lồ.
# bitmaps: flag một-bit-mỗi-item (rất tiết kiệm bộ nhớ)
SETBIT active:2024-01-15 1000 1 # đánh dấu user 1000 hoạt động hôm nay
BITCOUNT active:2024-01-15 # bao nhiêu user đã hoạt động (đếm bit được set)
BITOP AND active:both d1 d2 # user hoạt động CẢ HAI ngày (AND bitwise)
# → theo dõi daily active user cho hàng triệu trong vài KB mỗi ngày
Bitmaps lưu flag một-bit-mỗi-item cực kỳ gọn — hoàn hảo cho theo dõi daily-active-user, feature flag theo từng user, và presence ở quy mô.
GEOADD places 13.361 38.115 "Palermo" # thêm một vị trí (lng, lat)
GEOSEARCH places FROMMEMBER "Palermo" BYRADIUS 200 km ASC # tìm các cái gần
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).
Hiểu các cấu trúc dữ liệu và module Redis nâng cao là kiến thức cấp senior giá trị để giải quyết các vấn đề chuyên biệt một cách hiệu quả với Redis, mở rộng những gì Redis có thể làm ngoài các kiểu cốt lõi.
Các cấu trúc xác suất/gọn nhẹ đặc biệt mạnh mẽ cho quy mô: HyperLogLog (ước lượng số lượng duy nhất trong bộ nhớ cố định nhỏ xíu ~12KB, lý tưởng để đếm khách truy cập/IP/sự kiện duy nhất ở quy mô nơi đếm chính xác qua set sẽ tốn kém khủng khiếp — một sự tiết kiệm bộ nhớ ấn tượng), bitmaps (flag một-bit-mỗi-item lưu các thứ như daily-active-user cho hàng triệu trong vài KB, với các phép toán bitwise hiệu quả cho phân tích), và bitfields — những cái này giải quyết các vấn đề quy mô lớn thực tế (cardinality, theo dõi presence, flag) với hiệu quả bộ nhớ đáng kể vốn khó đạt được bằng cách khác.
Hỗ trợ geospatial cho phép truy vấn vị trí trực tiếp trong Redis.
Các module — RedisJSON (JSON document native), RediSearch (full-text search và secondary indexing), RedisTimeSeries (time-series/metric với aggregation), RedisBloom (filter membership xác suất) — mở rộng Redis thành một nền tảng multi-model (đóng gói trong Redis Stack), cho phép nó xử lý các use case search, JSON, time-series, và xác suất vốn nếu không sẽ cần các hệ thống riêng.
Hiểu những cái này cho phép bạn tận dụng Redis cho các nhu cầu chuyên biệt một cách hiệu quả thay vì viện đến hạ tầng bổ sung hoặc chấp nhận bộ nhớ/hiệu năng kém.
Vì các vấn đề chuyên biệt (đếm duy nhất quy mô lớn, theo dõi presence, search, time-series, JSON) phát sinh trong các hệ thống thực tế, và vì các cấu trúc nâng cao của Redis (HyperLogLog, bitmaps, geospatial) và module (RedisJSON, RediSearch, RedisTimeSeries, RedisBloom) giải quyết chúng hiệu quả, hiểu các cấu trúc dữ liệu và module Redis nâng cao là kiến thức cấp senior giá trị tiết lộ toàn bộ khả năng của Redis như một nền tảng multi-model đa năng, cho phép các giải pháp thanh lịch, tiết kiệm bộ nhớ cho các vấn đề chuyên biệt và phản ánh chuyên môn Redis sâu vượt ra ngoài use case caching phổ biến.