Os bancos de dados multimodais destinam-se a reduzir a sobrecarga associada ao provisionamento e à manutenção de um banco de dados diferente para cada modelo de dados. A abordagem tradicional para bancos de dados multimodais não alcança uma verdadeira interação entre os diferentes modelos: uma vez que um modelo de dados é selecionado, é muito difícil acessar um modelo diferente no mesmo banco de dados. Para resolver esse problema, os usuários em geral desenvolvem uma lógica separada, que é executada fora do banco de dados, seja no âmbito da aplicação ou em uma infraestrutura sem servidor, que opera como uma ponte entre os diferentes modelos de dados. Essa lógica, externa ao banco de dados, resulta em uma sobrecarga de execução significativa, que não é capaz de atender aos requisitos atuais de experiência instantânea.
Graças à arquitetura de módulo Redis, o Redis Enterprise é capaz de resolver esse problema complexo, permitindo que as operações multimodais entre os módulos e as principais estruturas de dados do Redis sejam executadas de forma totalmente programável e distribuída, mantendo a latência instantânea de menos de um milissegundo.
Permite operações de estrutura de dados entre módulos e núcleos de forma eficiente, com latência a uma taxa inferior a um milissegundo.
Programa qualquer lógica de banco de dados que combine os módulos Redis e operações principais do Redis com o RedisGears.
Permite a migração com facilidade de um conjunto de dados existente para um banco de dados multimodal puro no Redis ao aplicar alguns princípios simples, sem alterar a arquitetura do banco de dados.
Recebe e processa milhões de pontos de dados com registro de horário por segundo, latência mínima e uso mínimo de recursos.
Recompila dados de telemetria de diversos dispositivos IoT remotos, locais, na nuvem ou periféricos para obter informações baseadas em dados.
Obtém informações sobre a integridade da infraestrutura e dos aplicativos, com integração para Prometheus, Grafana e Telegraf.
Aplica modelos de aprendizado de máquina em tempo real a qualquer dado no Redis para pontuar operações, classificar dados e detectar atividades anômalas, independentemente do tamanho.
Permite a descoberta automatizada de padrões em grandes volumes de operações de streaming para eliminar falsos positivos e identificar atividades fraudulentas reais.
Personaliza as experiências ao oferecer conteúdo relevante de forma instantânea, com base nas preferências, tendências e interações do usuário.
Enriquece a funcionalidade, permitindo que os módulos descubram e interajam automaticamente com outros módulos, tais como RediSearch com RedisGraph, para obter dados gráficos avançados em um nível geral.
Elimina a sobrecarga associada ao armazenamento de múltiplas cópias de um conjunto de dados e evita operações de cópia na memória.
