Redis

¿Por qué Redis?

Redis es una base de datos en memoria que opera a velocidades de microsegundos. Mientras una consulta a PostgreSQL o MySQL puede tomar 10-50 milisegundos (con acceso a disco), la misma consulta en Redis toma menos de 1 milisegundo porque los datos viven en RAM.

No reemplaza a tu base de datos principal — la complementa. Redis se coloca entre tu aplicación y tu base de datos para absorber las consultas más frecuentes, almacenar sesiones de usuario y coordinar trabajo entre servicios. El resultado: aplicaciones que responden más rápido y bases de datos con menos carga.

Cómo lo usamos

Caché de aplicaciones

El uso más común y con mayor impacto. Identificamos las consultas más frecuentes y costosas de tu aplicación — listados de productos, catálogos de precios, configuraciones de usuario, menús de navegación — y las cacheamos en Redis. La primera petición consulta la base de datos y guarda el resultado en Redis. Las siguientes peticiones se sirven directo desde memoria.

# Ejemplo: caché de catálogo de precios
import redis
import json

r = redis.Redis(host='localhost', port=6379, db=0)

def obtener_precios(cliente_id):
    cache_key = f"precios:{cliente_id}"
    
    # Intentar desde caché
    cached = r.get(cache_key)
    if cached:
        return json.loads(cached)
    
    # Si no está en caché, consultar base de datos
    precios = db.query("SELECT * FROM lista_precios WHERE cliente_id = %s", cliente_id)
    
    # Guardar en caché por 15 minutos
    r.setex(cache_key, 900, json.dumps(precios))
    
    return precios

Almacén de sesiones

Cuando tu aplicación corre en múltiples réplicas (detrás de un balanceador de carga), las sesiones de usuario no pueden vivir en el servidor porque cada petición podría caer en una réplica diferente. Redis centraliza las sesiones: cualquier réplica puede acceder a la sesión del usuario con latencia de microsegundos.

Esto es crítico para:

• ERP con múltiples usuarios concurrentes
• E-commerce con carritos de compra que deben persistir entre peticiones
• Aplicaciones desplegadas en Kubernetes con auto-scaling

Colas de trabajo (job queues)

Las tareas pesadas no deberían bloquear la respuesta al usuario. Redis funciona como broker de mensajes para frameworks de colas como Celery (Python), BullMQ (Node.js) y Sidekiq (Ruby). El flujo:

1. El usuario dispara una acción (generar reporte, enviar correos masivos, procesar facturación)
2. La aplicación crea un job en la cola de Redis y responde al usuario inmediatamente
3. Un worker procesa el job en segundo plano
4. El usuario consulta el estatus o recibe notificación cuando termina

Pub/Sub para comunicación entre servicios

Redis funciona como bus de mensajes ligero entre microservicios. Cuando un evento ocurre en un servicio (nuevo pedido en el ERP), Redis publica el mensaje y los servicios suscritos (WMS, facturación, notificaciones) lo reciben instantáneamente sin que los servicios se conozcan entre sí.

Rate limiting y protección de APIs

Para las APIs que desarrollamos con Python (FastAPI) o Node.js, Redis implementa rate limiting por IP, por usuario o por API key. Si un cliente excede el límite de peticiones por minuto, Redis lo detecta en microsegundos y la API responde con un error 429 antes de que la petición llegue a la base de datos.

Alta disponibilidad

Redis en producción necesita protección contra fallos:

• Redis Sentinel — monitoreo y failover automático. Si el primario falla, Sentinel promueve una réplica automáticamente y redirige las conexiones
• Redis Cluster — particionamiento automático de datos entre múltiples nodos para escalar horizontalmente cuando un solo servidor no es suficiente
• Persistencia — configuramos RDB (snapshots periódicos) y AOF (append-only file) para que los datos de Redis sobrevivan un reinicio del servidor

Redis + nuestro stack

Redis complementa todo nuestro ecosistema:

• PostgreSQL y MySQL — Redis absorbe las consultas repetitivas para que la base de datos principal se enfoque en las transacciones importantes
• Docker — Redis containerizado como servicio dentro de tu docker-compose o stack
• Kubernetes — desplegado como StatefulSet con persistencia o como servicio administrado del cloud (ElastiCache, Azure Cache)
• Python — Celery + Redis para tareas asíncronas, Django/FastAPI con Redis como caché backend
• Monitoreo con Redis Exporter + Prometheus + Grafana para métricas de hit rate, memoria y latencia

¿Para qué tipo de empresa?

• Cualquier empresa con aplicaciones web lentas — Redis puede mejorar tiempos de respuesta de 2-5x con una implementación de caché básica
• E-commerce — carritos de compra, sesiones, caché de catálogo y rate limiting en un solo servicio
• Empresas con múltiples servicios — Redis como bus de mensajes y coordinador entre ERP, WMS, CRM y aplicaciones custom
• Empresas con dashboards de BI — cachear resultados de consultas analíticas pesadas para que el dashboard cargue instantáneamente