Categorías

Herramientas

Cómo instalar Redis con Docker

Redis es un almacén de datos en memoria clave-valor que se usa como caché, cola de trabajos y gestor de sesiones. Con Docker lo levantas en un solo archivo docker-compose.yml, con persistencia en un volumen, una contraseña obligatoria y un healthcheck. Esta guía cubre la instalación, cómo protegerlo y en qué se diferencia de Valkey.

Tecnología

Garnet de Microsoft: alternativa de caché de alto rendimiento

Garnet es el servidor de caché abierto por Microsoft Research que habla el protocolo de Redis pero está escrito en .NET 8 con un núcleo de almacenamiento orientado a hardware moderno. Tras casi dos años en público, muestra números interesantes y una arquitectura que merece mirarse con calma, aunque el ecosistema Redis siga siendo más maduro.

Tecnología

Dragonfly: el caché moderno inspirado en Redis

Dragonfly lleva tres años como alternativa compatible con Redis, pero con arquitectura multihilo y sin fork para persistencia. En 2025 ya no es una curiosidad: hay despliegues serios que lo eligen por coste y latencia. Repaso de qué cambia y cuándo compensa mirarlo con calma.

Arquitectura

Redis 8.2 y su soporte vectorial: cuándo tiene sentido

Redis 8.2 incorpora la búsqueda vectorial como tipo de dato nativo. La duda real es si sustituye a un motor dedicado como Qdrant, Weaviate o pgvector en cargas con millones de vectores y latencias exigentes, o si solo sirve como complemento del caché que ya tienes.

Arquitectura

Valkey: el fork abierto tras el cambio de licencia de Redis

Redis pasó a licencia dual SSPL/RSAL en marzo de 2024, dejando de ser open source según la OSI. Valkey nació como fork BSD 3-Clause respaldado por AWS, Google Cloud, Oracle y la Linux Foundation, con compatibilidad total de protocolo con Redis 7.2. La migración es casi siempre trivial: cambiar el binario o la imagen Docker.

Arquitectura

Redis: estrategias de caché que todo backend debería conocer

Redis no es una estrategia de caché por sí solo, sino una pieza más: elegir el patrón correcto entre cache-aside, read-through, write-through y write-behind, diseñar el TTL según cómo cambian los datos, invalidar explícitamente lo crítico y mitigar el thundering herd con jitter y locks son las decisiones que de verdad marcan la diferencia en producción.