製品紹介
Redisエンタープライズ版ソフトウェア
リアルタイムアプリケーションの展開と実行を支援し、データの完全な管理を実現する、機能豊富なエンタープライズ級Redisソリューションの構築。
Redisエンタープライズ
クラウド
完全マネージドのデータベースクラウドサービスを提供し、すぐに利用可能なRedisエンタープライズ版の体験を享受し、ビジネスの迅速な成長を全面的に支援します。
クエリとインデックス
JSONストレージ
アクティブ・アクティブ構成
自動階層化
ベクトル検索
オープンソースのRedisを基盤とし、Redis公式のコアチームによって構築された、企業向けの高性能キャッシュソリューションで、拡張性のニーズに応えます。── Redis公式によって開発およびサポートされる企業向けキャッシュソリューション、あなたの汎用データプラットフォーム。
# Create a new session and store it as a JSON document
> JSON.SET session:12345 . ‘{“user_id”: 1001, “login_time”: “2024-02-27T10:00:00Z”, “data”: {“last_page_visited”: “/home”, “preferences”: {“theme”: “dark”}}}’
“OK”
# Fetch the entire session
> JSON.GET session:12345
“{\”user_id\”:1001,\”login_time\”:\”2024-02-27T10:00:00Z\”,\”data\”:{\”last_page_visited\”:\”/home\”,\”preferences\”:{\”theme\”:\”dark\”}}}”
# Fetch a specific part of the session
> JSON.GET session:12345 .data.preferences
“{\”theme\”:\”dark\”}”
# Update a field within the session
> JSON.SET session:12345 .data.last_page_visited ‘”/settings”‘
“OK”
# Delete a field within the session
> JSON.DEL session:12345 .data.preferences
(integer) 1
# Delete a session
> DEL session:12345
(integer) 1
先進的でリアルタイムなベクトル検索能力により、ドキュメントのセマンティック検索や推薦システムなどの高度な機能を簡単に構築でき、AIアプリケーションのインテリジェンスと応答速度を強化します。——大規模モデルのアプリケーションの無限の可能性を発掘し、セマンティックキャッシュ、RAG（検索強化生成）などの多くのユースケースで、あなたのプライベート大規模モデルを構築します。
console.log( 'Code is Poetry' );
# Create a vector index using the HNSW algorithm, 768 dimension length, and inner product distance metric
> FT.CREATE idx-videos ON HASH PREFIX 1 video: SCHEMA content_vector VECTOR HNSW 6 TYPE FLOAT32 DIM 768 DISTANCE_METRIC IP content TEXT metadata TEXT
# Add a video vector with metadata
> HSET video:0 content_vector “\xa4q\t=\xc1\xdes\xbdZ$<\xbd\xd5\xc1\x99<b\xf0\xf2<x[…\xf8<” content “SUMMARY:\nThe video discusses the limitations of MySQL at scale and introduces Redis Enterprise” metadata “{\”id\”:\”FQzlq91g7mg\”,\”link\”:\”https://www.youtube.com/watch?v=FQzlq91g7mg\”,\”title\”:\”Redis + MySQL in 60 Seconds\”}”
(integer) 3
# Search for videos using a similar vector and the K-nearest neighbors algorithm
> FT.SEARCH idx-videos “* => [KNN 3 @content_vector $vector AS vector_score]” RETURN 3 metadata content vector_score SORTBY vector_score LIMIT 0 3 PARAMS 2 vector “\b[\xb7;\x81\x12\x9c\xbc\xc6!…\xfe<” DIALECT 2
NoSQLデータベースの業界のリーダーであるRedisエンタープライズ版は、迅速で信頼性の高いシステムを構築するのに役立ち、最大99.999%の高可用性を提供します。
—— 異地多活、99.999%の高可用性、超高速アクセスにより、迅速で信頼性の高いアプリケーションの構築をサポートします。
Create an index on “users:*”
> FT.CREATE user-idx ON JSON PREFIX 1 users: SCHEMA $.user.name AS name TEXT $.user.hobbies AS hobbies TAG $.user.age as age NUMERIC
“OK”
# Add a JSON document to be indexed
> JSON.SET users:1 $ ‘{“user”:{“name”:”John Smith”,”hobbies”:[“sports”,”computers”],”age”:23}}’
“OK”
# Search all user documents with name “John”
> FT.SEARCH user-idx ‘@name:(John)’
1) “1”
2) “users:1”
3) 1) “$”
2) “{\”user\”:{\”name\”:\”John Smith\”,\”hobbies\”:[\”sports\”,\”computers\”],\”age\”:23}}”
# Search for users named “John” with hobbies “sports” or “writing” and age between 20 and 30
> FT.SEARCH user-idx ‘@name:(John) @hobbies:{sports | writing} @age:[20 30]’
1) “1”
2) “users:1”
3) 1) “$” 2) “{\”user\”:{\”name\”:\”John Smith\”,\”hobbies\”:[\”sports\”,\”computers\”],\”age\”:23}}”
