Viele Vergleiche zwischen Valkey und Redis klingen heute noch wie ein Lizenz-Kommentar von vor zwei Jahren: „Valkey ist ein Drop-in-Fork von Redis 7.2.4 unter BSD-3-Clause.“
Diese Sichtweise ist überholt. Mit Valkey 9.2 und Redis 8 haben sich beide Engines architektonisch deutlich auseinanderentwickelt. Valkey 9.2 ersetzt die klassische Skiplist in großen Sorted Sets durch einen Cache-freundlichen B+Tree (fbtree) — das spart bis zu 43 % Speicher-Overhead und verdoppelt den ZADD-Durchsatz — und ergänzt Forkless Snapshots, Path Hash (PH*) sowie natives HOTKEYS GET. Redis 8 wiederum erweitert seine Dreifach-Lizenz um AGPLv3 und zieht Vector Sets, JSON und TimeSeries direkt in den Core.

Das kurze Urteil: Beim klassischen
GET/SET-Caching liegen Valkey und Redis 8 nur wenige Prozentpunkte auseinander. Wähle Valkey, wenn Speicherkosten, BSD-3-Clause-Compliance, Cloud-Standards (AWS ElastiCache, GCP Memorystore) oder große Sorted Sets zählen. Wähle Redis 8 nur dann, wenn native Core-Features wie Vector Sets, JSON und TimeSeries zwingend aus einem Binary kommen müssen und AGPLv3 rechtlich freigegeben ist.
Valkey 9.2 vs. Redis 8 im Überblick
Die Entscheidung dreht sich heute nicht mehr um Markenrechte, sondern um speicheroptimierte Core-Architektur (Valkey) gegen integrierte All-in-One-Datenmodelle (Redis 8):
| Kriterium | Valkey 9.2 | Redis 8 | Auswirkung in Produktion |
|---|---|---|---|
| Governance | Linux Foundation | Redis Ltd. | Herstellerneutrale vs. Single-Vendor-Roadmap |
| Lizenz | BSD 3-Clause | Tri-Lizenz: RSALv2 / SSPLv1 / AGPLv3 | Permissiver Enterprise-Standard vs. Copyleft / Source-Available |
| Große Sorted Sets | B+Tree (fbtree) (OBJECT ENCODING → btree) |
Klassische Skiplist + Hash Table | Bis zu 43 % weniger RAM & +105 % ZADD bei Valkey |
| Snapshots & Sync | Forkless RDB/Sync-Option + Zstd/LZ4 | Fork-basiertes BGSAVE (Copy-on-Write) |
Keine 2×-RAM-Spikes bei hoher Schreiblast |
| KI- & Such-Typen | PH* Path Hash (Radix-Tree) + valkey-search-Modul |
Native Vector Sets (HNSW), JSON, TimeSeries | Redis 8 punktet bei Out-of-the-Box-RAG; Valkey beim Präfix-Routing |
| Hot-Key-Erkennung | Natives HOTKEYS GET (Space-Saving) |
Client-/Proxy-Sampling oder kommerzielle Tools | Sofortige Sichtbarkeit ohne externe Agents |
| Zugriffskontrolle | ACL + wiederverwendbares ACL SETROLE |
ACL-Kategorien & User-Regeln |
Sauberes RBAC-Management in großen Clustern |
1. Valkey 9.2 fbtree: Warum B+Trees 43 % RAM sparen
Über ein Jahrzehnt lang kombinierten Redis und Valkey für große Sorted Sets (ZSET) eine Hash Table für O(1)-Score-Lookups mit einer Skiplist für Bereichsabfragen.
Skiplists sind leicht zu implementieren, kosten bei Millionen von Einträgen aber spürbar Speicher und CPU-Zeit:
- Pointer-Overhead: Jeder Skiplist-Knoten liegt als eigene Heap-Allokation vor und trägt Forward-Pointer, Backward-Pointer und Span-Werte — rund ~29 Byte Struktur-Overhead pro Element, noch bevor die Nutzdaten gespeichert sind.
- CPU-Cache-Misses: Da die Knoten verstreut im Heap liegen, führt jedes Traversieren zu Pointer-Chasing über uncached Speicherseiten.
In Valkey 9.2 ersetzt ein B+Tree (fbtree) mit hohem Fanout (bis zu 61 Einträge pro Knoten) die Skiplist. OBJECT ENCODING myzset liefert nun btree statt skiplist.

Die offiziellen Valkey-9.2-Benchmarks (5 Mio. Elemente à 20 Byte) belegen den doppelten Effekt aus Speicherdichte und Cache-Lokalität:
- Sequenzielle Inserts: Overhead pro Element sinkt von 50,3 Byte → 28,5 Byte (43 % Ersparnis, rund 109 MB weniger RAM).
- Zufällige Inserts: Overhead sinkt auf 32,0 Byte (36 % Ersparnis, rund 92 MB weniger RAM).
- Schreibdurchsatz:
ZADD+105 % undZREM+76 % durch weniger Allokationen und bessere Cache-Treffer.
2. Durchsatz, Forkless Snapshots & Betrieb in Produktion
Beim klassischen GET/SET-Caching zeigen unabhängige Benchmarks zwischen Redis 8 und Valkey 8+/9+ nur einstellige Prozentunterschiede (bei extremer Sättigung über 1.000 parallele Verbindungen liegt teils Redis 8 leicht vorn, bei moderater Concurrency oft Valkey). Im Produktivbetrieb überlagern Netzwerk-RTT und Serialisierung diese Mikro-Differenzen.
Den spürbaren Unterschied im Alltag macht Speicherstabilität unter Last:

Forkless Snapshots (ohne doppelten Copy-on-Write-Speicher)
Klassisches BGSAVE per fork() nutzt Copy-on-Write (CoW): Schreiben Clients während des Snapshots viele Keys um, verdoppelt sich der Speicherbedarf schnell — ein typischer Auslöser für OOM-Kills ab 60–70 % Auslastung.

Valkey 9.2 bietet optionale Forkless Snapshots und Full-Syncs sowie Zstd-/LZ4-Kompression für Replikationsströme:
# Speicherverbrauch bei RDB-Snapshots und Replikation konstant haltenforkless-infrastructure-enabled yesforkless-policy snapshots-and-sync
# Integriertes Hot-Key-Tracking per Space-Saving-Algorithmushotkeys-top-k 20HOTKEYS GET, ACL SETROLE und Path Hash (PH*)
HOTKEYS GET/HOTKEYS RESET: Erkennt die $K$ heißesten Keys per Space-Saving-Algorithmus direkt im Server — ohne externes Traffic-Sniffing.ACL SETROLE: Wiederverwendbare Rollenvorlagen für saubere Benutzerrechte statt kopierter Kommando-Listen.- Path Hash (
PHSET,PHPREFIXES): Ein Radix-Tree-Datentyp für binärsichere Pfade — ideal für Longest-Prefix-Matching, Autocomplete und das Indexing von LLM-KV-Cache-Präfixen.
3. Wo Redis 8 weiterhin punktet (und die Lizenzfrage)
Mit der Rückkehr von Redis-Erfinder Salvatore Sanfilippo (antirez) liefert Redis 8 echte Innovationen: Vector Sets (HNSW-Ähnlichkeitssuche für Embeddings) sowie native Integration von JSON, TimeSeries, probabilistischen Strukturen und der Redis Query Engine direkt im Core-Binary.
Wer ein einziges Managed-System für RAG-Vektorsuche, JSON-Dokumente und Caching ohne separate Module (valkey-search, valkey-json, valkey-bloom) sucht, hat mit Redis 8 den bequemeren Start.
Bleibt die Lizenzfrage:
- Valkey: Durchgängig BSD 3-Clause — kein Copyleft, keine Einschränkungen für SaaS oder eingebettete Produkte.
- Redis 8: Dreifach-Lizenz (RSALv2, SSPLv1, AGPLv3). Zwar ist AGPLv3 OSI-konform, doch viele Enterprise-Compliance-Abteilungen blockieren Netzwerk-Copyleft in internen und externen Backends weiterhin kategorisch.
4. Lokal prüfen & ohne Downtime migrieren
Verlasse dich nicht blind auf Hersteller-Benchmarks — starte beide Engines per Docker Compose und prüfe OBJECT ENCODING sowie INFO memory mit deinen eigenen Key-Größen (genau wie bei produktivem PostgreSQL in Docker):
services: valkey: image: valkey/valkey:9.2-alpine ports: ["6379:6379"] redis: image: redis:8-alpine ports: ["6380:6379"]# B+Tree-Encoding in Valkey vs. Skiplist in Redis prüfen (>128 Einträge)valkey-cli -p 6379 OBJECT ENCODING leaderboard # -> "btree"redis-cli -p 6380 OBJECT ENCODING leaderboard # -> "skiplist"Zero-Downtime-Migration (Redis → Valkey)
Da Valkey dasselbe RESP-Protokoll spricht, funktionieren Client-Bibliotheken (redis-py, ioredis, go-redis) ohne Code-Änderung. Für Cluster auf Basis von Redis 7.2.x oder kompatiblen Core-Typen:

- Valkey vorbereiten mit identischem
maxmemory, Eviction-Policy und ACLs. - Als Replikat anhängen:
REPLICAOF <redis-host> 6379auf Valkey ausführen und warten, bismaster_link_status:upund kein Replikations-Lag mehr besteht. - Umschalten: Writes kurz anhalten (oder per Kubernetes Service / Endpoint umschwenken),
REPLICAOF NO ONEauf Valkey ausführen und Clients umleiten. - RDB-Falle beachten: Sobald Valkey 9.2
btree-Sorted-Sets oderPH*-Keys in RDB/AOF schreibt, lässt sich dieser Snapshot nicht mehr zurück in Redis laden — den alten Redis-Primary daher im Rollback-Fenster bereithalten.
Fazit
Für Caching, Sessions, Rate Limiting, Queues und große Sorted-Set-Leaderboards ist Valkey 9.2 heute die technisch und wirtschaftlich stärkere Wahl: BSD-3-Clause, bis zu 43 % weniger Sorted-Set-Speicher, Forkless Snapshots und natives HOTKEYS GET. Redis 8 lohnt sich dann, wenn native Vector Sets, JSON und TimeSeries im Core gebraucht werden und AGPLv3 (oder Redis Cloud) freigegeben ist.
Passend zu deinem Datenbank- und Plattform-Setup:





