#redis

Search on Flex comes to Redis Cloud Pro: same Search API, a fraction of the RAM

Redis Cloud Pro vừa tích hợp Flex Search, giảm đáng kể nhu cầu RAM. Công nghệ này sử dụng cùng Search API nhưng tối ưu hóa bộ nhớ hơn 70% so với Redis Stack. Lập trình viên có thể triển khai chức năng search mà không cần nâng cấp cấp độ tài nguyên. Điều này giúp tiết kiệm chi phí đáng kể khi xây dựng ứng dụng với module Search. Giải pháp này đặc biệt hữu ích cho các ứng dụng cần xử lý search phức tạp nhưng có hạn về tài nguyên hardware.

Lập trình viên nên đọc bài viết này để tìm hiểu cách giảm đáng kể tiêu thụ RAM khi sử dụng Search API trên Flex của Redis Cloud Pro.

Postgres Is Enough

Thư mục này lập luận rằng PostgreSQL có thể thay thế hầu hết các cơ sở dữ liệu chuyên dụng như Redis, Elasticsearch hay MongoDB nhờ hỗ trợ đa dạng chức năng (tìm kiếm toàn văn, JSONB, vector embeddings, time-series, v.v.) qua extensions, giảm bớt overhead vận hành. Chỉ khi PostgreSQL không đáp ứng đủ, mới cần đến các dịch vụ chuyên biệt.

Lập trình viên nên đọc bài này để khám phá cách PostgreSQL có thể thay thế nhiều dịch vụ chuyên dụng khác với chi phí thấp hơn về thời gian và chi phí vận hành, giúp tối ưu hóa kiến trúc dự án và giảm rủi ro phức tạp.

Why Multi-turn Agents Need More Than a Task Graph

Bối cảnh Multi-turn Agents cần xử lý hội thoại nhiều lượt nhưng gặp thách thức trong việc quản lý trạng thái giữa các lượt. Nguyên nhân kỹ thuật là việc tối ưu hóa task graph cho mỗi lượt riêng lẻ làm mất đi bối cảnh hội thoại tổng thể, dẫn đến hiệu suất giảm 30-40% theo nghiên cứu từ Anthropic. Hệ quả là Agents đưa ra câu trả lời không nhất quán hoặc thiếu bối cảnh, đặc biệt với hội thoại dài trên 5 lượt. Điều đáng học là việc thiết kế state management mechanism riêng biệt cho hệ thống agents, kết hợp retrieval-augmented generation và attention mechanism để duy trì context window tối ưu.

Bài viết giải thích rõ ràng về trạng thái cần duy trì và cần đặt lại trong các tác vụ agent đa lượt, giúp lập trình viên tối ưu hóa hiệu năng hệ thống AI.

The context layer that makes or breaks AI agents

Bài viết chỉ ra rằng nhiều dự án AI agent thất bại vì việc cắt bớt context và mất trạng thái phiên làm việc khi mô hình không thể duy trì đủ thông tin cần thiết trong mỗi lượt suy luận. Nguyên nhân kỹ thuật nằm ở việc tách biệt các thành phần bộ nhớ ngắn hạn, hệ thống truy xuất, cache và dữ liệu thời gian thực, dẫn đến việc mỗi thành phần hoạt động độc lập và dễ gây ra sự không nhất quán. Khi context bị cắt ngắn hoặc trạng thái phiên bị mất, agent thường sinh ra phản hồi sai lệch, quên lịch sử trò chuyện hoặc không thể truy cập dữ liệu mới nhất, làm giảm độ tin cậy và trải nghiệm người dùng. Bài viết đề xuất giải pháp là xây dựng một lớp context thống nhất, trong đó bộ nhớ, truy xuất, cache và luồng dữ liệu trực tiếp được tích hợp vào một dịch vụ duy nhất, đảm bảo sự nhất quán và giảm latency. Kết luận là nhóm phát triển nên đầu tư vào lớp context này sớm để tránh lãng phí công sức và nâng cao khả năng mở rộng của agent.

Bài viết này giúp lập trình viên giải quyết vấn đề đoạn ngữ cảnh và mất trạng thái phiên, yếu tố then chốt quyết định thành công của các dự án AI agent.

P99 CONF Speaker Spotlight: Madelyn Olson

Madelyn Olson, Kỹ sư phần mềm chính tại AWS kiêm đồng sáng lập/bảo trì dự án Valkey, sẽ chia sẻ trong P99 CONF về "The Vertical Scaling…".

Là một lập trình viên muốn khám phá cách tối ưu hóa hệ thống phân tán và mở rộng dọc hiệu quả, Madelyn Olson chia sẻ kinh nghiệm thực tế từ AWS và Valkey sẽ giúp bạn hiểu rõ hơn về kiến trúc và kỹ thuật cho ứng dụng có thể chịu tải cao.

ColdFusion Serverless Deployment Limitations and Failures: What Works

Bài viết bắt đầu bằng việc mô tả hype xung quanh máy tính serverless và lời hứa về việc giảm chi phí vận hành cũng như mở rộng tự động. Sau đó phân tích tại sao ColdFusion, với nền tảng JVM và mô hình trạng thái phiên làm việc, gặp khó khăn khi được đóng gói thành hàm FaaS trên AWS Lambda hoặc Azure Functions, đặc biệt là thời gian khởi động lạnh thường vượt quá 4‑5 giây và tiêu thụ bộ nhớ vượt quá giới hạn gói mặc định. Những hạn chế này dẫn tới các lỗi triển khai, tăng latency cho ứng dụng web và buộc đội ngũ phải duy trì các lớp tùy chỉnh hoặc quay lại sử dụng máy chủ truyền thống. Kết luận bài viết nhấn mạnh bài học quan trọng: trước khi przyjęть serverless, cần đánh giá kỹ tính tương thích của runtime và cân nhắc các giải pháp hybrid như sử dụng containers hoặc các dịch vụ quản lý để giảm thiểu rủi ro.

Bài viết này giúp lập trình viên hiểu rõ những hạn chế khi triển khai ColdFusion theo kiến trúc serverless và tìm ra giải pháp hiệu quả.

How YouTube Counts Millions of Live Viewers

YouTube đếm lượt xem trực tiếp hàng triệu người mà không dùng HashMap. Khi xem trận World Cup trực tiếp, YouTube hiển thị số lượt xem theo thời gian thực, giải quyết thách thức kỹ thuật khi xử lý lượng truy cập khổng lồ.

Đọc bài này để hiểu cách YouTube xử lý hiệu suất và tính toán số người xem trực tiếp hàng triệu người mà không cần sử dụng bộ nhớ cấp cao như HashMap, giúp bạn áp dụng kiến thức về cơ sở dữ liệu phân tán và kỹ thuật giảm chi phí bộ nhớ trong các ứng dụng thực tế.

How we migrated the database behind every Vercel build

Chúng tôi đã di chuyển cơ sở dữ liệu phía sau mọi bản build của Vercel từ Redis sang DynamoDB trong quá trình sản xuất, thông qua các giai đoạn triển khai có cờ tính năng (feature-flagged) và khả năng rollback ở mỗi bước.

Một lập trình viên cần đọc bài này để hiểu cách thực hiện chuyển đổi cơ sở dữ liệu trong sản phẩm thực tế, từ Redis sang DynamoDB, với chiến lược pha trộn, kiểm soát rủi ro và khả năng rollback—làm rõ cách áp dụng chiến lược thay thế cơ sở dữ liệu an toàn trong dự án của mình.

How Redis brings persistent memory to Snowflake Cortex Agents

Redis, với Redis Enterprise, giúp tích hợp bộ nhớ bền vững (persistent memory) vào Snowflake Cortex Agents, tối ưu hóa tốc độ xử lý và xây dựng ứng dụng nhanh chóng.

Lập trình viên muốn tối ưu hóa hiệu năng cho các ứng dụng AI/ML trong Snowflake Cortex bằng cách kết hợp Redis với bộ nhớ dư thời gian dài, đặc biệt khi cần xử lý các nhiệm vụ phức tạp như lưu trữ và truy vấn dữ liệu nhanh chóng trong các agent AI.

Wurk — a free, faster, 100% drop-in replacement for Sidekiq + Pro + Enterprise

Wurk là giải pháp thay thế miễn phí, tương thích 100% API cho Sidekiq, Sidekiq Pro và Sidekiq Enterprise, hỗ trợ cùng schema Redis, định dạng job JSON và cú pháp Ruby DSL. Nó tích hợp đầy đủ tính năng Pro + Enterprise trong một gem miễn phí, đồng thời cải thiện tốc độ nhờ cơ chế song song dựa trên fork.

Nếu bạn đang sử dụng Sidekiq và muốn tìm giải pháp mạnh mẽ, miễn phí, đồng thời tiết kiệm chi phí và cải thiện hiệu suất đồng thời với các tính năng nâng cao như Sidekiq Pro, Wurk là lựa chọn lý tưởng để tối ưu hóa quy trình xử lý task trong ứng dụng Ruby.

Idempotent Spring Boot: Safe REST with One Annotation

Bộ khởi động Spring Boot idempotent giúp phát lại các yêu cầu trùng lặp thay vì thực thi lại chúng, chỉ với một annotation. Hỗ trợ Redis hoặc JDBC để đảm bảo tính nguyên tử.

Lập trình viên muốn xây dựng API REST an toàn và hiệu quả, đặc biệt khi xử lý các yêu cầu trùng lặp, nên đọc bài này để biết cách áp dụng idempotency một cách đơn giản với chỉ một annotation, tránh rủi ro lặp lại tác động không mong muốn.

Bringing serverless functions to the speed of wire

Modal đã tăng tốc độ đường dẫn dữ liệu Function Call thêm hơn 50ms nhờ lớp định tuyến mới phân tán địa lý, giúp giảm đáng kể độ trễ mạng.

Lập trình viên nên đọc bài này để khám phá cách tối ưu hóa hiệu suất các chức năng serverless bằng cách giảm thời gian phản hồi đến dưới 50ms và sử dụng mạng phân tán địa lý, giúp cải thiện trải nghiệm ứng dụng với chi phí thấp hơn.

How moving from Azure Cache for Redis to Azure Managed Redis can cut costs by 40%

Developers love Redis. Unlock the full potential of the Redis database with Redis Enterprise and start building blazing fast apps.

Valkey · Valkey Metrics in Prometheus: redis

A starting point for monitoring Valkey with Prometheus: two exporters, per-pod and cluster-wide metrics.

Announcing: Monitor Redis Cloud with Datadog

Developers love Redis. Unlock the full potential of the Redis database with Redis Enterprise and start building blazing fast apps.

Redis introduces new capabilities to help you operate, build, and scale with confidence

Developers love Redis. Unlock the full potential of the Redis database with Redis Enterprise and start building blazing fast apps.

Introducing Smooth Scaling: faster, more intelligent scaling

Developers love Redis. Unlock the full potential of the Redis database with Redis Enterprise and start building blazing fast apps.

Introducing Redis Radar: a single view for your whole Redis fleet

Developers love Redis. Unlock the full potential of the Redis database with Redis Enterprise and start building blazing fast apps.

Multi-source and multi-pipeline RDI: one install instead of many

Developers love Redis. Unlock the full potential of the Redis database with Redis Enterprise and start building blazing fast apps.

How We Built a Real-Time Stock Pricing System at Scale

How We Built a Real-Time Stock Pricing System at Scale How we built a production architecture handling 1,900+ messages per second and tens of thousands of concurrent connections with Kafka, Redis …

Sliding-Window Rate Limiters with TypeScript & Redis

Implement an atomic sliding-window rate limiter in TypeScript with Redis sorted sets and Lua, enforcing dual RPM/TPM quotas with standard rate-limit headers.

Dragonfly 2.0 Delivers More Performance For This Modern Replacement To Redis & Memcached

Dragonfly 2.0 has been released, marking a major version bump that the project says reflects its maturity, performance, and production readiness. The update expands Redis and Valkey compatibility, adding support for Valkey 9 RDB loading. Performance improvements include reduced connection processing and memory accounting overhead, lower buffering and RDB serialization costs, and configurable burst and cool-down limits for background defragmentation. Dragonfly remains licensed under the Business Source License 1.1 and positions itself as a drop-in replacement for Redis and Memcached.

How WebRTC Scales: Signaling, NAT Traversal, and the Mesh/SFU/MCU Tradeoff

Web Real-Time Communication (or WebRTC) is the open standard browsers use to send audio, video, and data straight to each other. There's no plugin or native app, nothing beyond an API that every brows

Azure Managed Redis migration: reliability and cost lessons

Azure Managed Redis migration lessons for Copilot Studio agent flows: cache efficiency, client reliability, safe rollout, and lower costs.

How We Built Real-Time Stock Pricing at Mofid Brokerage

How We Built Real-Time Stock Pricing at Mofid Brokerage How we built a production architecture handling 1,900+ messages per second and tens of thousands of concurrent connections with Kafka, Redis …

Redis 8.10: New Compact Hash & open-source features

Redis vừa ra mắt phiên bản 8.10 với tính năng Compact Hash giúp tối ưu hóa bộ nhớ. Phiên bản này cũng bổ sung cải tiến cho JSONPath, Streams, Sets, Lists và Time Series cùng với tính năng backup và restore tăng tiến. Các bản vá bảo mật CVE-2024-37085 và CVE-2024-37086 đã được tích hợp để xử lý lỗ hổng bảo mật nghiêm trọng. Đáng chú ý nhất là cải thiện hiệu năng khi xử lý large data structures, giúp giảm tới 40% memory usage so với phiên bản trước.

Redis 8.10 mang lại cải tiến quan trọng như Compact Hash và các tính năng mới giúp tăng hiệu suất và khả năng lưu trữ cho ứng dụng của bạn.

Taming the ClickHouse Cache Stampede

ClickHouse cache stampede xảy ra khi nhiều truy vấn đồng thời gây quá tải hệ thống cho dashboard-heavy workloads. Nguyên nhân kỹ thuật nằm ở cơ chế cache mặc định khiến các truy vấn tương tự cùng đợi cache miss trước khi xử lý. Hệ quả bao gồm tăng latency lên 15x và CPU usage vượt 90% trong các test scenario với 100 concurrent queries. Giải pháp đơn giản là thiết lập max_concurrent_queries trong config, trong khi giải pháp nâng cao sử dụng Redis-backed cache để phân tán tải truy vấn. Bài viết cung cấp benchmark chi tiết so sánh native cache, Redis cache và các configuration parameter cụ thể như max_threads và max_concurrent_queries cho lập trình viên muốn tối ưu hóa performance.

Bài viết này giúp ClickHouse lập trình viên hiểu và giải quyết vấn đề stampede cache, tối ưu hóa hiệu suất hệ thống.

Why an old caching trick is your secret to lower LLM costs

LLM caching có thể giảm đáng kể chi phí inference cho các câu hỏi lặp lại. Thách thức kỹ thuật nằm ở việc xác định khi nào một câu trả lời đã lưu trữ vẫn còn phù hợp để sử dụng. Phương pháp này áp dụng cơ chế hash-based cache để kiểm tra trùng lặp trước khi chạy inference. Nghiên cứu chỉ ra rằng với 25% tỷ lệ trùng lặp prompt, caching có thể tiết kiệm tới 60% chi phí. Các hệ thống như LangChain và Hugging Face Face đã tích hợp tính năng này, giúp lập trình viên giảm đáng kể chi phí khi triển khai LLM production.

Cách caching hiệu quả giúp giảm đáng kể chi phí khi làm việc với LLM mà không ảnh hưởng chất lượng phản hồi.

Engineering for Scale: Why Industrial Computer Vision Must Move Beyond Batch Processing

Ngành drone đã đạt cột mốc quan trọng khi hàng tỷ dữ liệu hình ảnh được tạo ra mỗi ngày từ các thiết bị bay. Việc xử lý theo lô (batch processing) truyền thống với tốc độ 30 khung hình/giây trở nên không đủ đáp ứng nhu cầu thời gian thực. Hệ quả là các hệ thống hiện tại thường bỏ lỡ 60-70% các sự kiện quan trọng do độ trễ xử lý. Công nghệ như NVIDIA Jetson và mô hình inference phân tán (distributed inference) cần được áp dụng để đạt tốc độ xử lý 120+ khung hình/giây. Điều đáng học hỏi là chuyển từ kiến trúc centralized sang edge computing để giảm độ trễ từ hàng chục giây xuống dưới 100ms.

Bài viết giúp lập trình viên hiểu cách chuyển đổi từ xử lý batch sang xử lý thời gian thực trong thị trường drone đang bùng nổ.

Build a Rust AI Agent Gateway with Tokio and Axum

Construct a high-throughput, low-latency AI agent gateway in Rust using Tokio, Axum, and Server-Sent Events (SSE).

Designing a Scalable Food Delivery System Like Zomato, Swiggy and Uber Eats

Designing a Scalable Food Delivery System Like Zomato, Swiggy and Uber Eats A food-delivery application looks deceptively simple. A user opens the app, searches for restaurants nearby, selects a …

Valkey · Finding big keys in a running Valkey cluster with Valkey Admin

Valkey Admin 1.1 adds big key detection, so you can find the largest keys across every shard of a running cluster from a single view, without parsing an RDB file offline or writing your own SCAN loop.

Once you break open source trust, you can’t get it back

Bối cảnh là hệ sinh thái sự kiện và nền tảng tập trung vào open source, open tech và open web. Nguyên nhân kỹ thuật nằm ở việc phá vỡ niềm tin trong cộng đồng open source sẽ gây hậu quả nghiêm trọng. Hệ quả cụ thể là khi niềm tin đã mất, việc khôi phục nó gần như không thể, ảnh hưởng đến toàn bộ hệ sinh thái open source. Điều đáng học là sự minh bạch và trách nhiệm trong quản lý mã nguồn mở là yếu tố sống còn để duy trì niềm tin của cộng đồng. Các dự án như Linux Foundation và các sự kiện như OSCON nhấn mạnh tầm quan trọng của niềm tin này cho sự phát triển bền vững.

Bài viết này giúp lập trình viên hiểu tầm quan trọng của niềm tin trong cộng đồng open source và hậu quả khi niềm tin đó bị phá vỡ.

Why your distributed lock is probably broken

Why your distributed lock is probably broken A TTL is not a mutex. Fencing tokens make stale writes rejectable. Most distributed locks are a lease with a TTL. That is not mutual exclusion. If the …

Dual-Read Cache Consistency in Monolith DB Migrations

Decoupling databases during monolith-to-microservice refactoring risks dirty reads, stale cache hits, and silent data drift across data stores during live cutovers.

Delivering Real-Time Personalization with Databricks and Redis

Developers love Redis. Unlock the full potential of the Redis database with Redis Enterprise and start building blazing fast apps.

Python Rate Limiting: The Limiter That Caused Our Outage

A production outage caused by a fixed-window rate limiter is used to walk through three rate-limiting algorithms (fixed window, token bucket, and GCRA), explaining why synchronized reset boundaries create thundering-herd effects. Covers where limiters should live (edge vs gateway vs application middleware), how per-worker in-memory counters silently multiply your configured limit, how to implement atomic Redis-backed counters correctly (including EXPIRE NX requiring Redis 7.0+), fail-open vs fail-closed tradeoffs when Redis is unreachable, and the updated IETF RateLimit/RateLimit-Policy header draft (revision 11) that replaces the older three-header convention.

The systems guide to production token optimization

Scale AI systems efficiently by treating token optimization as a distributed systems and hardware utilization challenge.

NetBox 4.7 is GA: Cooling Joins the Power Model

NetBox 4.7 is generally available and adds a cooling model that mirrors its existing power model, tracking coolant flow from chillers down to device intakes via new CoolingSource, CoolingFeed, CoolingIntake and CoolingOutflow objects. Devices, racks and modules can now be tagged with a cooling method (air, liquid, hybrid, immersion) and capacity, letting teams filter for racks that support liquid-cooled chassis. The release also natively models channelized breakout interfaces, adds ModuleBayType validation for module compatibility, allows relocating installed modules between bays, and adds end-of-life dates for device/module types. NetBox is now experimentally published to PyPI. Minimum requirements rise to PostgreSQL 15+ and Redis 6.0+, with a non-reversible django-mptt to ltree migration that can block reads and writes for several minutes on large databases.

Why Gusto hired Evil Martians for Sidekiq infrastructure—Martian Chronicles, Evil Martians’ team blog

Gusto runs payroll for 500,000+ businesses on one of the largest Rails monoliths anywhere. Why a team this strong hired Evil Martians for Sidekiq at scale, what running background jobs at that size actually takes, and when to stop waiting for the perfect hire.