Mise en cache de niveau entreprise avec Azure Managed Redis

Au lieu d'une instance par VM, vous pouvez désormais empiler plusieurs instances derrière un proxy Redis. Il y a un autre changement majeur : même si vous utilisez toujours deux nœuds, les deux nœuds exécutent un mélange de processus principaux et de réplique. Une instance principale utilise plus de ressources qu'une instance dupliquée. Cette approche vous permet donc d'obtenir les meilleures performances possibles de vos VM. Dans le même temps, cette combinaison de nœuds principaux et de répliques regroupe automatiquement les données pour accélérer l'accès et permettre la prise en charge de la géoréplication entre les régions.

Azure Managed Redis dispose de deux stratégies de clustering différentes, OSS et Enterprise. L'option OSS est la même que celle utilisée par l'édition communautaire, avec des connexions directes aux fragments individuels. Cela fonctionne bien, avec une mise à l'échelle proche de la linéaire, mais cela nécessite une prise en charge spécifique dans toutes les bibliothèques clientes que vous utilisez dans votre code. L'alternative, Enterprise, fonctionne via un seul nœud proxy, simplifiant ainsi les exigences de connexion pour les clients au détriment des performances.

Pourquoi utiliseriez-vous Redis dans une application ? Dans de nombreux cas, il s'agit d'un outil permettant de conserver en mémoire cache les données régulièrement consultées, permettant un accès rapide en lecture/écriture. Il est utilisé partout où vous avez besoin d'un magasin clé/valeur rapide avec prise en charge de fonctionnalités modernes telles que l'indexation vectorielle. L'utilisation de Redis comme index vectoriel en mémoire permet de maintenir la latence à un minimum dans les applications d'IA basées sur la génération augmentée par récupération (RAG). Les applications cloud natives peuvent utiliser Redis comme magasin de sessions pour gérer l'état des applications conteneurs. Les applications d'IA peuvent donc utiliser Redis comme cache pour les sorties récentes, en l'utilisant comme mémoire sémantique dans des frameworks tels que Semantic Kernel.