1) Visão geral: fundamentos que todo engenheiro deve dominar

Redis é um datastore em memória com persistência opcional, projetado para latências submilissegundo e alto throughput. Dominar suas estruturas nativas e os mecanismos de persistência, memória e disponibilidade é essencial para projetar soluções robustas. A leitura recomendada contextualiza como cada componente se encaixa em cenários de produção.

• Estruturas de dados nativas: strings, hashes, lists, sets e sorted sets; Streams para fluxos de dados.
• Persistência: RDB, AOF e políticas de rewrite; como equilibrar durabilidade vs. performance.
• Replicação e alta disponibilidade: replica, sentinelas e clusters; consistência eventual e failover automático.
• Gerenciamento de memória: políticas de eviction (LRU, LFU, voláteis), configuração de memória e monitoramento de uso.
• Modelagem de dados para desempenho: quando usar cada estrutura para reduzir round-trips e acessar poucos hops de dados.

Estudar esses conceitos prepara você para entender os padrões apresentados nos livros e como moldar a arquitetura da sua aplicação ao redor de Redis.

2) Leituras para iniciantes e fundamentos práticos

Para começar com foco, recomendo ficarmos nos títulos que entregam uma visão clara de uso e de padrões simples, mas eficientes.

• The Little Redis Book — Karl Seguin: leitura enxuta que cobre as operações básicas, estruturas de dados e padrões simples de uso.
• Redis in Action — Josiah L. Carlson: aborda casos reais, práticas de performance e cenários de implantação com foco prático.

Estas leituras ajudam a consolidar a base antes de avançar para padrões mais complexos e arquiteturas escaláveis.

3) Padrões avançados e arquitetura de soluções com Redis

Nesse nível, o foco é entender como combinar diversas estruturas e recursos para atender requisitos de escalabilidade, consistência e disponibilidade. A leitura recomendada sustenta o raciocínio com padrões testados no dia a dia.

• Cache-aside (lazy loading): manter a camada de cache sincronizada com o data store primário, reduzindo access time sem sacrificar consistência.
• Rate limiting e quotas: usar INCR com TTL ou scripts Lua para operações atômicas e sem race conditions.
• Rankings e contagens com sorted sets: manter rankings com pontuação ordenada e expiração quando aplicável.
• Streams para pipelines e filas: uso de XADD, XREAD e XACK para processar eventos de forma resiliente.
• Geoespacial, HyperLogLog e bitmap: economizar memória enquanto obtém agregações rápidas em grandes conjuntos de dados.

Ao enfrentar arquiteturas mais complexas, recomendo revisar casos de uso semelhantes nos livros citados e adaptar as estratégias ao seu domínio específico.

4) Casos de uso práticos, benchmarking e exemplificação com código

A prática leva à melhoria contínua. Abaixo apresento um exemplo prático de rate limiting usando Lua no Redis, que assegura atomicidade mesmo sob concorrência alta.

-- Rate limiter simples com Lua no Redis
-- KEYS[1] = chave do usuário (ex.: "rl:usuario:123")
-- ARGV[1] = limite (por exemplo, 100)
-- ARGV[2] = janela em segundos (por exemplo, 60)

local key = KEYS[1]
local limit = tonumber(ARGV[1])
local window = tonumber(ARGV[2])

local current = tonumber(redis.call('GET', key) or '0')

if current + 1 > limit then
  return 0
else
  redis.call('INCR', key)
  redis.call('EXPIRE', key, window)
  return 1
end

Esse tipo de script facilita controlar tráfego, garantindo que o contador seja atualizado de forma atômica, mesmo com múltiplos clientes concorrentes. Além disso, recomendo executar benchmarks com o populoso redis-benchmark para entender limites de throughput e latência sob diferentes cenários de carga.