Redis إيه بالضبط؟
Redis data structure server غالبًا يعمل in-memory مع persistence options. مش مجرد key/value string؛ عنده Strings و Hashes و Lists و Sets و Sorted Sets و Streams و HyperLogLog و Bitmaps وغيرها. استخدامه الشائع caching، counters، rate limiting، ephemeral state، queues/streams وبعض coordination. لكنه مش بديل تلقائي عن relational database؛ اختَر حسب durability، query needs، data size، consistency والـ operational model.
كل key لها namespace ونوع value. الأوامر غالبًا O(1) أو O(log N) حسب structure، لكن complexity تتغير مع حجم البيانات والأمر. command بطيء على Redis يؤثر على event loop/throughput؛ تجنب أوامر مثل KEYS على production dataset كبيرة، واستخدم SCAN بحذر أو تصميم key index واضح.
Strings و Hashes و Lists و Sets و Sorted Sets
| Structure | استخدام نموذجي | أمثلة أوامر |
|---|---|---|
| String | cache value، counter، lock token | GET / SET / INCR |
| Hash | حقول object بسيطة | HGET / HSET |
| List | ordered sequence / simple queue | LPUSH / RPOP |
| Set | unique members / membership | SADD / SISMEMBER |
| Sorted Set | ranking / score ordering | ZADD / ZRANGE |
| Stream | append-only event log مع consumer groups | XADD / XREADGROUP |
اختيار structure لازم يعكس العمليات التي تحتاجها. لو تحتاج ترتيب حسب score واستخراج أعلى 10، Sorted Set طبيعي. لو تحتاج uniqueness فقط، Set. لو object حقوله تتحدث منفردة، Hash قد يقلل serialization، لكن لو التطبيق يقرأ object كاملًا دائمًا، JSON string قد يكون أبسط.
SET cache:product:42 "{...}" EX 300
INCR rate:user:17:20261112
HSET session:abc userId 17 role customer
SADD order:42:tags paid shipped
ZADD leaderboard 980 user:17اختيار Redis Data Structure حسب العملية
Redis ليس مجرد key-value string store. اختيار data structure يحدد العمليات المتاحة وتكلفتها: Hash مناسب لحقول object، Set للعضوية الفريدة، Sorted Set للترتيب والـ leaderboard، List لطابور بسيط، و Stream لسجل events مع consumer groups. لا تخزن JSON string دائمًا إذا كنت تحتاج تحديث field واحد أو membership lookup.
معظم العمليات O(1) أو O(log N) حسب structure، لكن complexity وحدها لا تكفي؛ حجم payload والـ network round trips والـ persistence والـ eviction policy عوامل مؤثرة. اجمع أوامر مرتبطة بـ pipeline عندما لا تحتاج نتيجة كل أمر قبل التالي، لكن تذكر أن pipeline يقلل RTT ولا يجعل مجموعة الأوامر transaction ذرية.
# Leaderboard: score updates are logarithmic
ZINCRBY leaderboard:season-7 25 user:42
ZREVRANGE leaderboard:season-7 0 9 WITHSCORES
# Atomic counter with expiry in one command pattern
SET login:otp:challenge-123 847291 EX 300 NXلا تخزن OTP أو token حساسًا في Redis بلا TTL وسياسة وصول مناسبة. استخدم TLS و ACLs وشبكة داخلية، ولا تعرض Redis مباشرة للإنترنت. اختبر eviction behavior: allkeys-lru قد يطرد أي key، بينما noeviction يرفض writes عند امتلاء الذاكرة.
Key Design و TTL و Serialization
صمم key كـ contract واضح: app:environment:entity:id:version. مثال shop:prod:product:42:v2. استخدم tenant/user dimensions عندما البيانات scoped، لكن لا تجعل key يحتوي PII أو secrets. اتفق على casing و separator و versioning و TTL. key design السيئ يصعب invalidation و monitoring ويؤدي إلى collisions.
TTL يحدد مدة بقاء key، لكنه لا يعني أن البيانات تصبح صحيحة حتى نهاية المدة. TTL قرار freshness؛ اختاره حسب business tolerance. لا تضع TTL على كل شيء عشوائيًا: بعض keys ephemeral، وبعض reference data تحتاج invalidation event، وبعض cache entries يمكنها stale-while-revalidate.
using StackExchange.Redis;
builder.Services.AddSingleton<IConnectionMultiplexer>(_ =>
ConnectionMultiplexer.Connect(
builder.Configuration.GetConnectionString("Redis")!));
public sealed class ProductCache(IConnectionMultiplexer redis)
{
public async Task<string?> GetAsync(int id)
{
var db = redis.GetDatabase();
return await db.StringGetAsync($"shop:product:{id}:v1");
}
public async Task SetAsync(int id, string json)
{
var db = redis.GetDatabase();
await db.StringSetAsync($"shop:product:{id}:v1", json,
expiry: TimeSpan.FromMinutes(5));
}
}StackExchange.Redis يستخدم multiplexing: عدد قليل من connections يخدم أوامر كثيرة متزامنة. غالبًا تسجل ConnectionMultiplexer كـ Singleton وتعيد استخدامه؛ لا تنشئ اتصالًا لكل request. لا تحتفظ بـ IDatabase كـ state ثقيل؛ هو lightweight handle.
Cache-Aside و Read-Through و Write-Through
Cache-Aside: التطبيق يقرأ cache، لو miss يقرأ source of truth ثم يكتب cache. ده بسيط ومرن، لكن أول request بعد miss يدفع latency، والتزامن قد يسبب stampede. Read-Through: cache layer مسؤولة عن تحميل البيانات عند miss. Write-Through: الكتابة تمر عبر cache layer وتحدّث source/cache وفق contract. Write-Behind: cache تؤجل الكتابة للـ source، وده يرفع تعقيد durability وفقد البيانات.
public sealed class ProductQueries(
AppDbContext db, IDistributedCache cache)
{
public async Task<ProductDto?> GetAsync(int id, CancellationToken ct)
{
var key = $"product:v1:{id}";
var json = await cache.GetStringAsync(key, ct);
if (json is not null)
return JsonSerializer.Deserialize<ProductDto>(json);
var dto = await db.Products.AsNoTracking()
.Where(p => p.Id == id)
.Select(p => new ProductDto(p.Id, p.Name, p.Price))
.SingleOrDefaultAsync(ct);
if (dto is not null)
{
var options = new DistributedCacheEntryOptions
.SetAbsoluteExpiration(TimeSpan.FromMinutes(5));
await cache.SetStringAsync(key, JsonSerializer.Serialize(dto), options, ct);
}
return dto;
}
}احذر من caching null/NotFound بلا سياسة؛ negative caching قد يقلل repeated misses لكنه قد يخفي resource جديدًا بعد إنشائه. استخدم TTL أقصر أو invalidation عند create. لا تخزن EF entities المتتبعة؛ خزن DTO/serialized contract versioned.
Cache Stampede و Penetration و Breakdown
Stampede: key شائع ينتهي TTL في نفس اللحظة، فتبدأ requests كثيرة في تحميل نفس البيانات. Penetration: requests كثيرة لمفاتيح غير موجودة تتجاوز cache إلى DB. Breakdown/Hot key: key ساخن أو عنصر واحد شديد الطلب يفقد cache فيسبب ضغطًا كبيرًا. الحلول تختلف: jitter في TTL، single-flight per key، short negative caching، refresh-ahead، stale-while-revalidate، أو rate limiting.
private readonly ConcurrentDictionary<int, Lazy<Task<ProductDto?>>> _inFlight = new();
public Task<ProductDto?> GetCoalescedAsync(int id, CancellationToken ct)
{
var lazy = _inFlight.GetOrAdd(id, key =>
new Lazy<Task<ProductDto?>>(() => LoadAndCacheAsync(key, ct)));
return AwaitAndRemoveAsync(id, lazy);
}
private async Task<ProductDto?> AwaitAndRemoveAsync(
int id, Lazy<Task<ProductDto?>> lazy)
{
try { return await lazy.Value; }
finally { _inFlight.TryRemove(new KeyValuePair<int, Lazy<Task<ProductDto?>>>(id, lazy)); }
}ده sketch لتجميع requests داخل process واحدة فقط؛ في عدة replicas كل process لها dictionary مستقلة. Distributed lock يحتاج lease expiry و token ownership و failure semantics واضحة. أحيانًا stale response مؤقتًا أفضل من lock موزع معقد. اختبر cancellation: cancellation لطلب واحد لا ينبغي بالضرورة أن تلغي load مشتركًا ينتظره آخرون.
Atomic Operations و Transactions و Pub/Sub
Redis commands الفردية atomic بالنسبة لتنفيذ command. استخدم INCR للعدادات بدل GET ثم SET؛ استخدم Lua script أو Functions عندما عدة خطوات لازم تكون atomic على Redis. MULTI/EXEC تنفذ command batch، لكنها ليست SQL transaction كاملة: لا توفر rollback تلقائيًا لكل command فاشل، ولا تجعل Redis و SQL Server transaction واحدة.
Pub/Sub مناسب للإشعارات اللحظية التي لا تحتاج persistence أو replay. لو subscriber disconnected قد يفوته message. لو تحتاج consumer groups و acknowledgement و pending entries و replay، فكر في Redis Streams أو message broker مناسب. لا تستخدم Pub/Sub كـ durable job queue من غير تصميم تعويض للفقد.
INCR rate:tenant:17:minute:202611121016
EXPIRE rate:tenant:17:minute:202611121016 120الأمرين منفصلين وقد يحصل crash بينهما؛ في تطبيق جاد استخدم Lua أو atomic command pattern يضمن set expiry عند أول increment. و Redis transactions/locking لا تحل distributed transaction مع SQL أو payment provider.
Lua Scripts و Atomicity عمليًا
لو operation تتكون من read/check/write، تنفيذ commands منفصلة يسمح بتداخل clients. Lua script تنفذ على Redis server كوحدة واحدة بالنسبة لباقي commands. مثال: rate limit counter يزيد، وإذا أول request يحدد expiry، كل ده يحصل atomically. Redis Functions تقدم طريقة managed لتخزين server-side logic في الإصدارات الحديثة.
local current = redis.call('INCR', KEYS[1])
if current == 1 then
redis.call('EXPIRE', KEYS[1], ARGV[1])
end
return currentLua scripts atomic من ناحية execution ordering لكنها blocking أثناء التنفيذ؛ لا تكتب script طويلة أو loops على ملايين keys. مرر keys عبر KEYS و values عبر ARGV، ولا تبنِ key names من untrusted strings داخل script من غير validation. في Redis Cluster، كل keys المستخدمة في script يجب تكون في نفس hash slot.
Redis Atomicity و Lua و Persistence
أمر Redis الواحد atomic بالنسبة لتنفيذه، لكن sequence من عدة commands ليست atomic إلا باستخدام transaction/WATCH أو Lua script أو function. Lua script مفيد لتجميع read-check-write مثل rate limiter، لكنه يجب أن يكون قصيرًا لأن execution يوقف معالجة commands الأخرى على server أثناء script. لا تنفذ loops ضخمة أو network calls داخله.
RDB snapshots و AOF يقدمان durability trade-offs مختلفة؛ RDB snapshot قد يفقد آخر تغييرات منذ snapshot، و AOF fsync policy تحدد window الفقد مقابل الأداء. Redis replication غالبًا asynchronous، لذلك failover قد يفقد writes حديثة. لا تعتبر Redis بديلًا تلقائيًا لقاعدة durable للمال أو الطلبات. اختبر restore من persistence files وراقب memory fragmentation و eviction policy.
IDistributedCache و Serialization
IDistributedCache abstraction بسيطة في ASP.NET Core: Get/Set/Refresh/Remove مع byte arrays. مناسبة للـ session-like cache و serialized DTOs، لكنها لا تعرض كل Redis features مثل Sorted Sets و Streams و Lua. استخدم StackExchange.Redis مباشرة عندما تحتاج data structures أو atomic commands، مع عزل Redis-specific details داخل Infrastructure.
Serialization contract لازم يكون versioned. JSON سهل inspection والتوافق نسبيًا، لكنه أكبر من binary formats. عند تغيير DTO، فكّر في key version أو schema version، وفي التعامل مع cache entries القديمة. لا تعتمد على deserializing arbitrary types من بيانات غير موثوقة.
builder.Services.AddStackExchangeRedisCache(options =>
{
options.Configuration = builder.Configuration.GetConnectionString("Redis");
options.InstanceName = "shop:prod:";
});Persistence و Replication و Sentinel و Cluster
RDB snapshots تحفظ صورة دورية، و AOF يسجل write operations وفق fsync policy. كل اختيار له trade-off بين recovery point و latency و disk usage. Redis replication غالبًا asynchronous، فـ failover قد يفقد آخر writes لم تصل لل replica. Sentinel يراقب primary/replicas وينسق failover في deployments غير sharded؛ Redis Cluster يوزع keyspace على hash slots ويدعم horizontal scaling مع قيود multi-key operations.
لا تفترض أن Redis durable بنفس نموذج SQL database. لو البيانات لا يمكن فقدها، اجعل source of truth في database أو استخدم durability strategy مناسبة واختبر recovery. في Cluster، multi-key command قد يتطلب keys في نفس hash slot؛ hash tags تساعد على تجميع keys المرتبطة لكن قد تصنع hotspot.
Persistence و Replication و Failover
RDB يأخذ snapshots عند نقاط زمنية، فيوفر ملفات compact لكنه قد يفقد آخر تغييرات منذ snapshot عند crash. AOF يسجل write operations ويمكن ضبط fsync policy لتوازن durability و latency. بعض deployments تستخدم الاثنين. Persistence ليست backup مكتملة: احتفظ بنسخ خارج العقدة واختبر restore.
Replication توفر نسخًا للقراءة و failover، لكنها غالبًا asynchronous؛ قد تضيع آخر writes عند failover. Sentinel يدير monitoring/failover في non-clustered deployment، بينما Redis Cluster يوزع keys عبر hash slots ويضيف تعقيد multi-key operations. اختَر حسب حجم البيانات والتوافر المطلوب.
# Inspect persistence and replication state from redis-cli
INFO persistence
INFO replication
# Example policy knobs (validate for your workload)
CONFIG GET appendonly
CONFIG GET appendfsync
CONFIG GET saveلا تنفذ CONFIG SET عشوائيًا في production. راجع managed-service constraints، واختبر failover تحت حمل، وحدد RPO/RTO بوضوح. لو Redis مجرد cache، يمكن قبول فقد البيانات وإعادة البناء؛ لو يحمل queue أو session state، فمتطلبات durability مختلفة تمامًا.
maxmemory و Eviction Policies
Redis يحتاج memory budget. عند بلوغ maxmemory، policy تحدد ما الذي يطرد: noeviction يرفض writes التي تحتاج memory؛ allkeys-lru يطرد least recently used من كل keys؛ allkeys-lfu يطرد الأقل تكرارًا؛ volatile-* يختار من keys ذات TTL. اختيار policy يعتمد على طبيعة dataset. cache غالبًا تقبل eviction، لكن queue/session/coordination keys قد لا تقبل فقدها.
لا تشارك cache keys و critical coordination keys في نفس Redis instance مع eviction policy غير مناسبة. افصل logical databases لا تعزل memory/eviction/security بالكامل؛ instance/cluster منفصل قد يكون أفضل. راقب fragmentation ratio و RSS و used_memory و evicted_keys و OOM errors.
Redis Cluster Hash Slots و Multi-Key Commands
Redis Cluster يقسم keyspace إلى 16384 hash slots. كل key يتم hash إلى slot، وال slot لها owner node. multi-key commands/scripts غالبًا تحتاج keys في نفس slot. Hash tag مثل {order:42} يجعل الجزء داخل braces هو المستخدم في hashing، فيجمع keys مرتبطة في slot واحدة.
Hash tags مفيدة لـ atomic multi-key operations، لكنها قد تخلق hot slot لو tag عامة مثل {tenant} لكل keys tenant ضخم. وزع keys بعناية، وراقب slot balance/migration. cluster client يتعامل مع MOVED/ASK redirections، لكن network topology/firewall يجب تسمح باتصالات cluster nodes.
Redis Security و Operations Checklist
- لا تعرض Redis مباشرة للإنترنت؛ استخدم private network/firewall.
- فعّل ACL users بأقل commands/key patterns ممكنة.
- استخدم TLS عند الحاجة عبر network boundaries.
- لا تضع secrets/PII في keys أو values بلا encryption/access controls مناسبة.
- راقب memory, evictions, latency, slowlog, connected clients, rejected connections.
- اختبر persistence restore/failover و replication lag.
- راجع command access؛ امنع FLUSHALL/CONFIG/DEBUG عن application user.
- اضبط maxmemory و eviction policy حسب data criticality.
Redis ACL تستطيع تقييد commands و key patterns؛ استخدم application-specific user بدل default user بصلاحيات كاملة. لا تعتمد على requirepass وحده كـ complete security boundary. rotate credentials واختبر reconnect behavior.
Distributed Locks و Streams و Rate Limiting و Monitoring
Distributed lock يمكن تنفيذه بـ SET key token NX PX ttl مع token فريد، والتحرير يجب أن يتحقق أن token ما زال ملكك (Lua compare-and-delete). لكن lease expiry و GC pauses و network partitions قد تجعل client يعتقد أنه ما زال مالكًا بعد انتهاء lease. للعمليات الحساسة، استخدم fencing token أو database-level constraint بدل الثقة في lock وحده.
if redis.call('GET', KEYS[1]) == ARGV[1] then
return redis.call('DEL', KEYS[1])
else
return 0
endStreams تضيف append-only entries و consumer groups و acknowledgement. consumer يقرأ، يعالج، ثم ACK؛ لو crash قبل ACK يمكن إعادة تسليم الرسالة، لذلك handler لازم يكون idempotent. راقب pending entries و consumer lag و stream trimming policy.
Rate limiting ممكن يستخدم counters و sorted sets/token bucket في Redis. اجعل update ذريًا، واضبط key partitioning حسب user/tenant/IP. راقب memory usage، evictions، hit rate، command latency، slowlog، connected clients، replication lag، keyspace hits/misses و hot keys. لا تفعّل keyspace-wide scans أو MONITOR بلا حذر في production.
Redis Streams: Consumer Groups و Pending Entries
Stream entry لها ID ومجموعة fields. Consumer group تقسم processing بين consumers، و XREADGROUP تقرأ messages، ثم XACK بعد نجاح المعالجة. الرسائل غير acknowledged تظهر في Pending Entries List ويمكن claimها من consumer آخر بعد idle threshold. ده يوفر recovery أفضل من Pub/Sub لكنه يتطلب إدارة pending/trim/checkpoints.
لو consumer تعالج message ثم crash قبل ACK، الرسالة قد تعاد؛ idempotency ضرورية. لو ACK قبل side effect، قد تضيع العملية. استخدم inbox table/processed message ID أو idempotent domain command. trimming لازم يحافظ على entries المطلوبة للـ consumers المتأخرة.
XADD orders:events * orderId 42 type OrderPaid
XGROUP CREATE orders:events billing $ MKSTREAM
XREADGROUP GROUP billing worker-1 COUNT 10 BLOCK 5000
STREAMS orders:events >
XACK orders:events billing 1731400000000-0Distributed Lock: Lease و Fencing Tokens
Lock بـ SET NX PX يمنح lease لمدة محددة. لو holder توقف بسبب GC pause أطول من TTL، lock تنتهي و holder آخر يحصل عليها؛ الأول قد يستأنف ويكمل side effect رغم أنه لم يعد owner. Token compare-and-delete يمنع holder قديم من حذف lock الجديدة، لكنه لا يمنع side effect المتأخر. Fencing token monotonic sequence يرسل مع كل operation، والـ resource يرفض token أقدم من آخر token رآه.
في عمليات مالية أو inventory، database constraint/conditional update قد يكون أبسط وأقوى من distributed lock. استخدم lock لتقليل contention وليس كحاجز وحيد correctness. حدد lease renewal، network timeout، lock acquisition timeout، failure mode و monitoring.
إمتى تستخدم Redis وإمتى لا؟
استخدم Redis عندما تحتاج low-latency shared ephemeral state، cache، counters، rate limit، pub/sub أو stream semantics مناسبة. تجنبه عندما تحتاج relational joins و complex ad-hoc queries أو durability قوية بلا إعداد ومراقبة، أو عندما cache invalidation تكلفتها أعلى من query الأصلية. ابدأ بقياس DB bottleneck، ثم أضف cache على read paths ذات reuse حقيقي.
اختيار Redis لا ينهي مشكلة consistency. حدد source of truth، stale tolerance، TTL، invalidation events، failure mode لو Redis unavailable، وما الذي يحدث عند cache miss. الـ cache outage يجب ألا يسقط كل النظام تلقائيًا؛ لكن fallback على DB قد يسبب overload، لذلك أضف bulkhead/rate limit أو degraded response حسب طبيعة endpoint.
اختبر فهمك
لماذا ConnectionMultiplexer غالبًا Singleton؟
هل Pub/Sub يضمن وصول الرسالة لمشترك كان disconnected؟
ما الفرق بين cache stampede و penetration؟
هل Redis lock يضمن سلامة business operation في كل ظروف الشبكة؟
هل MULTI/EXEC توفر rollback مثل SQL؟
المراجع والقراءة الإضافية
الدرس بيشرح الفكرة نفسها؛ الروابط دي للتحقق والتعمق والرجوع لتفاصيل الـ API. (محتاجة إنترنت.)
التوثيق الرسمي — Official documentation
مصادر تعليمية ومتقدمة — Third-party & advanced reading
خريطة التغطية: 26 عنصر من الـ Roadmap ومكان شرحه في الدرس
خلصت الدرس وحليت الأسئلة؟ علّم عليه عشان يتحسب في تقدّمك.