reveal-md

# DFU 07
## Redis In-Memory Database

---

## Introduktion & grundlæggende koncepter

----

### Hvad er Redis?

- **Redis** står for **Re**mote **Di**ctionary **S**erver

- **In-memory database**, altså gemmes data i RAM og ikke på disk (default behaviour)

    - Dette gør, at Redis er ekstremt hurtig til læse- og skriveoperationer
    
    - Operation måles typisk i mikrosekunder
    
    - En typisk GET-operation tager under 1 millisekund

- **Key-Value Store**, hvor data gemmes som nøgle-værdi par, ergo er der ingen tabeller eller joins i traditionel forstand

- **NoSQL**, hvilket betyder, at det ikke bruger SQL som forespørgselssprog

----

### Hvad bruges Redis til?

1. Caching
    - Gemme resultater fra "dyre" database queries
    - Cache HTML-fragmenter eller hele sider
    - API-response caching
    - Eksempel:
        - En webshop cacher productioninformation i 5 minutter for at reducere belastning på hoveddatabasen

----

### Hvad bruges Redis til? (fortsat)

2. Session Storage
    - Gemme bruger-sessions i web applikationer
    - Hurtig adgang til session-data på tværs af servere
    - Automatisk expiration af sessions med TTL
    - Eksempel:
        - ItsLearning kunne bruge det til at håndtere login og sikre at du er logget ud efter 18 minutter

----

### Hvad bruges Redis til? (fortsat)

3. Real-time analytics og counters
    - Tælle page views, likes, downloads i real-time
    - Leaderboards og ranglister
    - Rate limiting (e.g. max 100 API-kald pr. time)
    - Eksempel:
        - En social media apps "trending topics" opdateres sekund for sekund

----

### Hvad bruges Redis til? (fortsat)

4. Message queues og pub/sub
    - Kommunikation mellem microservices (ligesom RabbitMQ)
    - Real-time notifikationer
    - Chat systemer
    - Eksempel:
        - En notification-service der sender beskeder til alle studerende i tilfælde af en nødsituation

----

5. Geospatial data
    - Hurtig opslag af geografiske data
    - Location-based services, e.g. finde venner i nærheden
    - Eksempel:
        - Wolt, tracking af chaufførerens position i real-time

----

### Hvorfor vælge Redis?

- **Performance**, 100.000+ operationer per sekund er ikke usædvanligt

- **Simplicity**, Enkelt API, let at komme i gang med

- **Flexibility**, mange datatyper og use cases

- **Atomic operations**, indbygget support for atomiske operationer uden race conditions (e.g. sikre at brugere ikke kan købe udsolgte varer)

- **Persistence options**, selvom det er in-memory, kan Redis konfigureres til at gemme data på disk

----

### Hvornår skal man ikke bruge Redis?

- Som primær database for kritiske data der ikke må gå tabt (med mindre persistence er korrekt konfigureret)

- Når datasættet er meget større ened tilgængelig RAM

- Når du har brug for komplekse relationer og og joins

- Når du har brug for ACID-transaktioner på tværs af mange operationer

----

### In-memory vs. Disk-based databaser

- Traditionelle databaser
    - Data gemmes på HDD eller SSD
    - Disk I/O er typisk største flaskehals
    - Hastighed (afhængig af disk og RAID):
        - Læse: 1-20 ms
        - Skrive: 5-50 ms
    - Kapacitet: TB til PB+
    - Billig at skalere

</div>
<div>

- In-memory databaser (som Redis)
    - Data gemmes i RAM
    - RAM er meget hurtigere end disk
    - Hastighed:
        - Læse: <1 ms
        - Skrive: <1 ms
    - Kapacitet: GB til TB (afhængig af serverens RAM)
    - Dyrere at skalere

</div>
</div>

----

### Redis og persistence

- RDB (Redis Database Backup)
    - Laver periodiske snapshots til disk (konfigureres)
    - Hvis serveren crasher, mister du max konfigureret periode
    - Hurtig at loade ved genstart

- AOF (Append Only File)
    - Logger hver skrive-opretation til disk
    - Kan konfigureres til at synkronisere hvert sekund eller oftere
    - Mere data-sikkerd, men langsommere

- Hybrid tilgang
  ```ini []
  # redis.conf
  save 900 1        # Gem efter 900 sek hvis mindst 1 ændring
  save 300 10       # Gem efter 300 sek hvis mindst 10 ændringer
  appendonly yes    # Aktivér AOF
  ```

----

### Hybrid relationel og in-memory arkitektur

- Brug Redis som cache foran en relationel database

- Hurtige læseoperationer fra Redis

- Skriveoperationer går til den relationelle database

- Læseoperation loades til Redis ved cache-miss

----

### Redis Cache eksempel

- Client laver en forespørgsel til serveren

- Serveren tjekker først Redis cache for data

- Hvis data findes i cache (cache hit), returneres det med det samme

- Hvis data ikke findes i cache (cache miss), hentes det fra den relationelle database
    - Data gemmes i Redis cache for fremtidige forespørgsler

</div>
<div>

</div>
</div>

---

## Datatyper og kommandoer

----

### Redis' 5 fundamentale datatyper

----

### Karakteristika om keys

- Keys er altid strings

- Keys er case-sensitive

- Keys kan indeholde specialtegn

- Anbefalet max længde for en key er 256 bytes

----

### Strings

Hvad er det?

- Den mest basale datatype
- Kan indeholde tekst, tal, binær data (billeder, serialiserede objekter osv.)
- Max størrelse er 512 MB

</div>
<div class="fragment top">

Typiske use cases:

- Simple værdier (navn, email)
- Counters (page views, likes)
- Cache af JSON/XML/HTML

</div>
</div>

----

### Strings basis kommandoer

```
SET favoritColor "#ff1493"
GET favoritColor

SET user:1000:name "Alice"
GET user:1000:name

GETSET user:1000:name "Bob"  # Returnerer gammel værdi og sætter ny

DEL user:1000:name
```

----

### Strings, numeriske operationer

```
SET page:views 0

INCR page:views
INCRBY page:views 10

DECR page:views
DECRBY page:views 5

GET page:views
```

----

### TTL (Time To Live)

```
SET cache.page:/ "<html>...</html>" EX 300
```

- `EX` aka expire, sætter en TTL i sekunder e.g. 300 sekunder

----

### Teste det sammen

- Starte Redis Docker composen
- Teste kommandoer med Redis Insight

----

### Lists

Hvad er det?

- En ordnet samling af strings
- Tillader duplikater
- Implementeret som en dobbeltkædet liste
- Hurtig insert/delete i begge ender
- Kan bruges som stack (LIFO) eller queue (FIFO)

</div>
<div class="fragment top">

Typiske use cases:

- Activity feeds (e.g. seneste tweets)
- Task queues
- Seneste besøgte produkter
- Undo/redo funktionalitet

</div>
</div>

----

### Lists basis kommandoer: INSERT

```
# Push til venstre (start af liste)
LPUSH myDay "Brush teeth"
LPUSH myDay "Wake up" # placeret før "Brush teeth"

RPUSH myDay "Go to work" # placeret i slutningen

LPOP myDay # Fjerner og returnerer "Wake up"
RPOP myDay # Fjerner og returnerer "Go to work"
```

- `#` ignorres som kommentarer af Redis CLI
- Det skal nævnes at kommentarer ikke er en del af Redis og det skal derfor være en fuld linje og ikke i forløngelse som jeg gør

----

### Lists basis kommandoer: READ

```
LRANGE myDay 0 -1 # Henter alle elementer (0 til sidste)
LRANGE myDay 0 1  # Henter første to elementer
LRANGE myDay 1 1  # Henter andet element
LLEN myDay       # Antal elementer i listen
```

----

### Øvelse

5 min.

1. Opret en liste "shopping:list" med 5 ting du skal købe
2. Fjern den første ting fra listen
3. Tilføj en ny ting til slutningen
4. Vis de første 3 ting på listen
5. Hvor kan man bruge expire i en liste

Hvor ville vi bruge en liste i en rigtig applikation?

----

### Hashes

Hvad er det?

- Key-valye maps inden i en Redis key
- Perfekt til at repræsentere objekter
- Mere effektiv end multiple strings
- Max 4 milliarder felter per hash (er det ikke nok brug en anden database)

</div>
<div class="fragment top">

Typiske use cases:

- Bruger-profiler
- Produkt-information
- Session data med flere felter
- Indstillinger og konfigurationer

</div>
</div>

----

### Hashes basis kommandoer: INSERT/UPDATE

``` []
HSET users:313 name "Albert Einstein"
HSET users:313 dob "14 March 1879"
HSET users:313 city "Ulm"

HMSET users:42 name "Author Dent" dob "11 February 1952" city "Cambridge"

HGET users:42 name
HGET users:414 name dob city

HVALS users:42 # Alle værdier i hashen
HGETALL users:42 # Alle felter og værdier

HKEYS users:42 # Alle keys i hashen
HLEN users:42 # Antal felter i hashen
HEXISTS users:42 name # Tjekker om feltet "name" findes

HDEL users:42 dob # Sletter feltet "dob"
```

----

### Øvelse

5 min.

1. Opret en bruger-profil med navn, email og by
2. Tilføj et "points" felt med værdi 0
3. Increment points med 100
4. Hent brugerens email
5. Vis hele profilen
6. Slet "by" feltet

----

### Sets

Hvad er det?

- Uordnede samlinger af unikke strings
- Ingen dupletter (automatisk håndteret)
- Hurtig membership check (om en given værdi findes i sættet)

</div>
<div class="fragment top">

Typiske use cases:

- Tags på artikler
- Unikke besøgende
- Online brugere
- Relations

</div>
</div>

----

### Sets basis kommandoer: INSERT/DELETE

```
# Tilføj medlemmer
SADD tags:articles:1 "redis"
SADD tags:articles:1 "database"
SADD tags:articles:1 "cache"
SADD tags:articles:1 "redis"    # Ignoreres (allerede i set)

# Hent alle artikler
SMEMBERS tags:articles:1

# Tjek medlemskab
SISMEMBER tags:articles:1 "redis"

# Antal artikler
SCARD tags:articles:1
```

----

### Øvelse

5 min.

1. Opret et sæt med navne på programmeringssprog du kender
2. Tilføj et nyt sprog
3. Tjek om "Python" er i sættet
4. Vis alle sprog i sættet
5. Tilføj et sprog der ikke findes
6. Slet det forkerte sprog

----

### Sorted Sets (ZSets) - rangerede collections

Hvad er det?

-  Ligesom Sets, men hvert medlem har en score (nummer)
- Automatisk sorteret efter score
- Hurtig adgang til top-N elementer

</div>
<div class="fragment top">

Typiske use cases:

- Leaderboards (highscores)
- Priority queues
- Tidsbaserede data
- Auto-complete suggestions

</div>
</div>

----

### Sorted Sets basis kommandoer: INSERT/UPDATE

``` []
# Tilføj medlemmer med scores
ZADD leaderboard 100 "alice"
ZADD leaderboard 85 "bob"
ZADD leaderboard 92 "charlie"

# Hent alt (laveste til højeste)
ZRANGE leaderboard 0 -1 WITHSCORES

# Hent top 2 (højeste til laveste)
ZREVRANGE leaderboard 0 1 WITHSCORES

ZADD spil:points 50 "player:123"

# Increment score
ZINCRBY spil:points 10 "player:123" # Nu 60

# Hent score
ZSCORE spil:points "player:123" # 60

# Hent rank (position)
ZRANK spil:points "player:123" #  (0 hvis højeste)

# Reverse rank (fra toppen)
ZREVRANK spil:points "player:123" # 0 (hvis laveste)
```

----

### Sammenligng af datatyper

| Datatype | Ordnet? | Dupletter? | Use Case |
| :------- | :------ | :--------- | :------- |
| String | N/A | N/A | Simple værdier, cache, counters |
| List | Ja | Ja | Activity feeds, task queues |
| Hash | N/A | N/A | Bruger-profiler, produkt-info |
| Set | Nej | Nej | Tags, unikke besøgende |
| Sorted Set | Ja (efter score) | Nej | Leaderboards, priority queues |

---

## Redis Pub/Sub

----

### Hvad er Pub/Sub?

En messsagin-arkitektur hvor:

- **Publishers** sender beskeder til channels
- **Subscribers** lytter på channels
- Publishers og subscribers kender ikke hinanden

</div>
<div class="fragment top">

Real-world analogi:

- Radio/TV-stationer = publisher
- Lyttere/seere = Subscribers
- FM-frekvenser = channels

</div>
</div>

----

### Fire-and-forget (Vigtig begrænsning)

- Hvis INGEN subscribers lytter: Beskeden forsvinder

- Beskeder gemmes IKKE

- Ingen message history

- Ingen garantier for levering

----

### Performance og skalering

Redis Pub/Sub er hurtig

- Millioner af beskeder per sekund
- Tusindvis af samtidige subscribers
- Lav latency (under 1 ms i lokale netværk)

----

### Pub/Sub vs. Message Queues

| Feature | Pub/Sub | Message Queue |
| :------ | :------ | :------------ |
| Decoupling | Høj | Høj |
| Message Persistence | Nej | Ja |
| Delivery Guarantee | Nej | Ja (ofte) |
| Scalability | Høj | Høj |
| Use Cases | Real-time notifikationer, chat | Task queues, job processing |
| Complexity | Lav | Høj |
| Examples | Redis Pub/Sub, MQTT | RabbitMQ, Kafka |

----

### Pub/Sub kommandoer

```
# Publisher
PUBLISH news.sports "Team A won the match!"

# Subscriber
SUBSCRIBE news.sports news.weather

# Unsubscribe
UNSUBSCRIBE news.sports
```

---

### Større øvelse

[https://ucl.kjc.dk/dfu/dfu-07-redis-exercise.html](/dfu/dfu-07-redis-exercise.html)