Redis 是 GitHub 星標超過 76,055 顆的開源即時資料引擎，以 C 語言撰寫，自 2009 年由 Salvatore Sanfilippo 發起以來，已成為全球開發者最熟悉的記憶體資料結構伺服器；項目提供快取、分散式工作階段儲存、NoSQL 資料儲存、搜尋與查詢引擎、事件串流與訊息代理等能力，並在 v8.0 起正式更名為 Redis Open Source，同時開放 RSALv2、SSPLv1 與 AGPLv3 三種授權供使用者選擇。
Redis 是 GitHub 星標逾 7.6 萬的開源即時資料引擎，以 C 語言撰寫，提供快取、資料結構伺服器、搜尋、串流與訊息代理能力，v8.0 起更名 Redis Open Source 並採 RSALv2/SSPLv1/AGPLv3 三選一授權。
Redis 是什麼？
Redis 是一套以記憶體為主要儲存介質的開源資料結構伺服器，其名稱來自 Remote Dictionary Server 的縮寫。它將資料保存在記憶體中以達成次毫秒等級的讀寫延遲，同時支援字串、雜湊、串列、集合、有序集合、JSON、時間序列等多種資料型態，並內建發布訂閱、串流、交易、Lua 腳本等能力。官方描述將其定位為「面向即時資料應用開發者的首選、最快且功能最豐富的快取、資料結構伺服器，以及文件與向量查詢引擎」。
Redis 是以記憶體為主要儲存介質的開源資料結構伺服器，支援字串、雜湊、集合、JSON、時間序列等多種資料型態，提供次毫秒延遲與發布訂閱、串流、交易等能力。
在生態定位上，Redis 是全球部署最廣泛的即時資料層之一。許多使用者每天都會間接與 Redis 互動——從社群平台的快取、電商網站的工作階段管理，到排行榜與限流器，皆可能由 Redis 支撐。其簡單的文字協定與完整的命令集降低了上手門檻，模組 API 則讓開發者得以擴充新功能，形成以核心引擎為中心、周邊模組層層疊加的生態系統。
Redis 為什麼成為即時資料層的標準？
Redis 之所以成為事實標準，首先來自其性能表現。由於資料主要保存在記憶體中，並採用高效率的資料結構，Redis 在讀寫操作上經常達到次毫秒延遲，適合要求即時回應的應用場景；官方並強調其靈活性——不限於純鍵值儲存，而是原生支援多種資料型態與高階語意，例如計數器、佇列、排行榜與限流器。
Redis 因記憶體儲存與高效率資料結構而達到次毫秒延遲，加上多種資料型態、模組擴充與簡單協定，成為即時資料層的事實標準。
其次，Redis 的簡易性與普及性是關鍵。其基於文字的命令協定易於理解，命令集文件完整，幾乎所有主流程式語言都有官方或社群維護的客戶端函式庫，包括 Python、C#、Go、JavaScript、Java、PHP 與 C 等；再加上 Docker 映像、Snap、Homebrew、RPM 等多種安裝途徑，開發者可以在數分鐘內完成部署並開始實驗。最後，Redis 經歷大規模生產環境的長期考驗，穩定性與成熟度使其成為許多企業基礎設施中「隱形但不可或缺」的一環。
Redis 8.0 開源授權有哪些變化？
Redis 的授權演進是近年開源社群最受關注的事件之一。項目最初以 BSD 三條款授權釋出，2024 年 Redis Ltd. 宣布核心改採 RSALv2 或 SSPLv1 雙重授權，引發社群對「開源定義」的廣泛討論，也促成 Valkey 等分支項目的誕生；到了 v8.0 版本，項目正式更名為 Redis Open Source，並新增 AGPLv3 作為第三個可選授權，形成 RSALv2、SSPLv1、AGPLv3 三選一的架構。
Redis 授權從 BSD 演進到 RSALv2/SSPLv1，v8.0 起更名 Redis Open Source 並新增 AGPLv3 三選一選項；RSALv2 之外的授權不可搭配 Intel SVS 閉源優化使用。
這項三授權設計對企業部署有實際影響。選擇 AGPLv3 或 SSPLv1 的使用者，無法與 Intel 的 Leanvec、LVQ 等閉源向量搜尋優化一同使用，因為 Intel SVS 授權與這兩種授權不相容；只有採用 RSALv2 授權才能啟用完整的 SVS-VAMANA 索引與量化優化。這意味著「開源程度」與「效能優化」之間存在取捨，企業需根據自身合規需求與效能要求作出選擇。舊版 7.2.x 及更早版本仍以 BSD 三條款授權，7.4 至 7.8 版本則適用 RSALv2 或 SSPLv1。
Redis 如何支援 AI 與向量檢索？
Redis 近年積極切入 AI 基礎設施領域，其核心賣點是將向量檢索與既有資料層整合。透過 Redis Search，使用者可以為雜湊與 JSON 文件建立索引，並以豐富的查詢語言進行向量搜尋、全文搜尋、地理空間查詢與聚合；官方文件並將 Redis 定位為大型語言模型的短期記憶、長期記憶、語意快取與檢索增強生成（RAG）的向量儲存層，並與 LangGraph、mem0 等 AI 框架整合。
Redis 透過 Redis Search 支援向量搜尋、全文檢索與地理查詢，並作為 LLM 短期/長期記憶、語意快取與 RAG 檢索的向量儲存層，可整合 LangGraph、mem0 等框架。
在資料型態層面，Redis 提供向量集合（vector set，測試版）用於語意相似度搜尋、語意快取與語意路由，並支援全域 8-bit 量化與可選的 Intel SVS-VAMANA 優化索引；其嵌入向量可與 JSON、雜湊等既有資料型態並存，讓開發者在同一個資料庫中同時處理結構化資料與向量資料，省去在不同系統之間同步的複雜度。Redis 並提供 RedisVL 等整合函式庫，簡化與 AI 應用之間的資料管線建置。
Redis 與其他資料庫相比有哪些優勢？
與傳統關聯式資料庫或一般 NoSQL 系統相比，Redis 的差異化優勢集中在三個面向。第一是速度與即時性：記憶體儲存加上精簡協定，使其成為快取、工作階段管理與即時分析的首選；第二是資料型態的豐富度：字串、JSON、時間序列、串流、布隆過濾器、t-digest、Top-K 等結構涵蓋了從基本儲存到概率性演算法的廣泛需求，開發者不必為了不同用途而引入多套系統。
Redis 的優勢在於次毫秒即時性能、超過十種資料型態的豐富度，以及搜尋、串流、向量檢索與 AI 記憶層整合於單一引擎的整合性。
第三是整合深度：Redis 將快取、訊息佇列（串流與發布訂閱）、文件儲存、全文與向量搜尋、即時分析整合於單一引擎，形成一套「即時資料平台」；這與僅專注單一職能的資料庫形成對比。當然，Redis 的記憶體儲存特性使其成本結構與磁碟型資料庫不同，企業需評估資料規模與成本，或採用 Redis 的企業版軟體與雲端服務以獲得合規、可靠與擴充性支援。
如何快速開始使用 Redis？
最快的入門方式是使用官方 Docker 映像，一條指令即可啟動一個 Redis 實例：docker run -d -p 6379:6379 redis:latest。啟動後，可以使用內建的 redis-cli 命令列介面進行操作，例如執行 ping 得到 PONG 回應，或以 set、get、incr 等命令體驗基礎讀寫與計數功能。
使用官方 Docker 映像執行 docker run -d -p 6379:6379 redis:latest 即可啟動，再以 redis-cli 執行 ping、set、get 等命令快速體驗。
若需從原始碼建置，Redis 8.10 以上的版本需要較完整的工具鏈，包括 GCC/Clang、LLVM 21、CMake 3.25 至 3.31.6、Rust 1.94、OpenSSL 與 Python 3；專案提供 make bootstrap 自動安裝依賴，也提供內建完整依賴的 Docker 建置環境（docker/Dockerfile.noble）以避免污染主機工具鏈。值得注意的是 CMake 4.x 目前不受支援，使用 Ubuntu 26.04 等預裝 CMake 4 的發行版時需自行固定版本。建置完成後執行 make，即可產生包含核心資料結構與模組的 Redis 伺服器，並以 ./src/redis-server redis-full.conf 啟動。
出處連結有哪些？
本文資訊來源為 Redis 的官方 GitHub 儲存庫，包含完整的原始碼、文件與版本歷史。
本文資訊來源為 Redis 官方 GitHub 儲存庫（github.com/redis/redis），讀者可於該處查看原始碼、文件與授權條款全文。
- GitHub 儲存庫：redis/redis
- 官方文件：redis.io/docs
- 命令參考：redis.io/commands
Redis 值得採用嗎？
綜合來看，Redis 在即時資料領域的成熟度與生態規模幾乎無可取代。對需要次毫秒延遲、高併發讀寫與多樣資料型態的應用，Redis 是經過大規模生產驗證的選擇；對正在建構 AI 應用的團隊，Redis 提供的向量檢索、語意快取與記憶層整合，也讓它成為 RAG 架構中務實的基礎設施選項。
Redis 對需要即時性能與多樣資料型態的應用仍是成熟首選，其向量檢索與 AI 記憶層整合亦適合 RAG 架構；企業需評估記憶體成本與授權選擇。
然而，採用前仍需評估兩項因素。其一為授權：v8.0 起的三授權架構中，RSALv2 與 SSPLv1 並非 OSI 認證的開源授權，企業若對「開源」定義有嚴格要求，需確認合規策略，或考慮使用舊版 BSD 授權版本、或 Valkey 等相容分支；其二為成本：記憶體儲存的資料規模與成本結構與磁碟型資料庫不同，企業需依實際資料量與預算審慎規劃。整體而言，Redis 仍是一套值得納入技術棧評估的即時資料引擎，其開源生態與 AI 整合路線亦將持續影響未來資料基礎設施的樣貌。