
Redisé o armazenamento de dados na memória mais amplamente usado em 2026. Leituras inferiores a milissegundos, mensagens pub/sub e operações atômicas o tornam essencial para armazenamento em cache, armazenamento de sessão, limitação de taxa e tabelas de classificação em tempo real. Este tutorial cobre o Redis desde a instalação até os padrões de produção.
📋 Table of Contents
Instale o Redis
# Ubuntu
sudo apt install redis-server
sudo systemctl enable redis-server
# macOS
brew install redis
brew services start redis
# Docker (simplest)
docker run -d --name redis -p 6379:6379 redis:7-alpine
# Connect
redis-cli ping # PONG
Tipos de dados básicos
# String
SET user:1:name 'Alice'
GET user:1:name # Alice
SETEX session:abc 3600 'user_id=1' # TTL 1 hour
# Hash (object)
HSET user:1 name Alice email alice@example.com age 30
HGET user:1 name # Alice
HGETALL user:1 # all fields
# List
LPUSH queue:jobs 'job1' 'job2' 'job3'
RPOP queue:jobs # job1 (queue behavior)
LRANGE queue:jobs 0 -1 # all items
# Set
SADD tags:post:1 python redis backend
SMEMBERS tags:post:1
SISMEMBER tags:post:1 python # 1 = true
# Sorted Set (leaderboard)
ZADD leaderboard 1500 'Alice' 2200 'Bob' 1800 'Carol'
ZREVRANGE leaderboard 0 2 WITHSCORES # top 3
Redis com Python
pip install redis
import redis
r = redis.Redis(host='localhost', port=6379, decode_responses=True)
# Cache pattern
def get_user(user_id: int) -> dict:
key = f'user:{user_id}'
cached = r.hgetall(key)
if cached:
return cached
# Cache miss — fetch from DB
user = db.get_user(user_id) # your DB query
r.hset(key, mapping=user)
r.expire(key, 3600) # 1 hour TTL
return user
# Rate limiting
def rate_limit(ip: str, limit: int = 100) -> bool:
key = f'rate:{ip}'
count = r.incr(key)
if count == 1:
r.expire(key, 60) # 60-second window
return count <= limit
Mensagens do Pub/Sub
import redis, threading
r = redis.Redis(decode_responses=True)
# Publisher
def publish_event(channel: str, data: str):
r.publish(channel, data)
# Subscriber
def subscribe_events():
pubsub = r.pubsub()
pubsub.subscribe('events')
for message in pubsub.listen():
if message['type'] == 'message':
print(f'Received: {message["data"]}')
# Run subscriber in background thread
t = threading.Thread(target=subscribe_events, daemon=True)
t.start()
publish_event('events', 'user_logged_in:123')
Redis Streams (fila moderna)
# Produce
XADD events:orders * user_id 123 amount 49.99 item laptop
# Consume (consumer group)
XGROUP CREATE events:orders workers $ MKSTREAM
XREADGROUP GROUP workers consumer1 COUNT 10 STREAMS events:orders >
# Acknowledge
XACK events:orders workers <message-id>
Dicas de produção
- Definir
maxmemoryemaxmemory-policy allkeys-lrupara prevenir OOM - Habilite a persistência com
appendonly yes(AOF) para recuperação de falhas - Use pool de conexões (
redis.ConnectionPool) em Python - Prefixe todas as chaves por serviço:
auth:session:...,cache:user:... - Monitore com
redis-cli info statseredis-cli monitor
Conclusão
Redis não é apenas um cache – é um servidor de estrutura de dados. Adicione Redis a qualquer back-end para obter cache instantâneo, limitação de taxa, armazenamento de sessão e recursos em tempo real. Operações inferiores a milissegundos, com milhões de solicitações por segundo, tornam-no insubstituível nas arquiteturas modernas.
🔗 Share this article
✍️ Leave a Comment