Daten
DatenExperten-Level

Valkey vs. Redis: B+Tree Sorted Sets, 43 % weniger RAM & Migration

Technischer Tiefenvergleich Valkey 9.2 vs. Redis 8: Warum Valkey Skiplists durch Cache-freundliche B+Trees (fbtree) ersetzt (43 % weniger Sorted-Set-RAM, +105 % ZADD), Forkless Snapshots, Path Hash, AGPLv3 vs. BSD-3-Clause und Zero-Downtime-Migration.

Titelbild: Valkey vs. Redis: B+Tree Sorted Sets, 43 % weniger RAM & Migration
Inhalt

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.

Valkey vs. Redis Titelbild: Kompakter saphirblauer B+Tree-Speicherblock neben einer lockeren roten Skiplist-Kette auf einem gebürsteten Stahlsockel.

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):

Valkey 9.2 vs. Redis 8 im Überblick
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:

  1. 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.
  2. 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.

Architekturvergleich zwischen klassischem Skiplist-Pointer-Chasing und dem Cache-freundlichen 61-Wege-B+Tree (fbtree) in Valkey 9.2.
Valkey 9.2 packt bis zu 61 Sorted-Set-Einträge zusammenhängend in einen B+Tree-Knoten und vermeidet Pointer-Overhead.

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 % und ZREM +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:

Gemessener Speicher-Overhead und Durchsatzgewinn von Valkey 9.2 durch den Wechsel auf B+Tree (fbtree) bei 5 Mio. Sorted-Set-Einträgen.
Valkey 9.2 B+Tree-Benchmarks (5 Mio. 20-Byte-Elemente): -43 % Speicher-Overhead und bis zu +105 % ZADD-Durchsatz.

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.

Interne Engine-Architektur im Vergleich: klassisches fork() Copy-on-Write mit bis zu 2× RAM-Spikes gegen die Forkless-Engine von Valkey 9.2 mit konstanter Speicherkurve und Inline-Zstd/LZ4-Sync.
Forkless-Snapshots in Valkey 9.2 verhindern Copy-on-Write-Speicherspitzen bei RDB-Backups und Replica-Full-Syncs.

Valkey 9.2 bietet optionale Forkless Snapshots und Full-Syncs sowie Zstd-/LZ4-Kompression für Replikationsströme:

valkey.conf
# Speicherverbrauch bei RDB-Snapshots und Replikation konstant halten
forkless-infrastructure-enabled yes
forkless-policy snapshots-and-sync
# Integriertes Hot-Key-Tracking per Space-Saving-Algorithmus
hotkeys-top-k 20

HOTKEYS 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):

docker-compose.yml
services:
valkey:
image: valkey/valkey:9.2-alpine
ports: ["6379:6379"]
redis:
image: redis:8-alpine
ports: ["6380:6379"]
Terminal window
# 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:

Zero-Downtime-Migrationspfad von Redis zu Valkey: Valkey per REPLICAOF als Replikat anhängen, Full-Sync abwarten, Writes kurz pausieren, promoten und Endpoint umschalten.
Live-Migration über REPLICAOF; Hinweis: RDB-Snapshots aus Valkey 9.2 sind nicht abwärtskompatibel zu Redis.
  1. Valkey vorbereiten mit identischem maxmemory, Eviction-Policy und ACLs.
  2. Als Replikat anhängen: REPLICAOF <redis-host> 6379 auf Valkey ausführen und warten, bis master_link_status:up und kein Replikations-Lag mehr besteht.
  3. Umschalten: Writes kurz anhalten (oder per Kubernetes Service / Endpoint umschwenken), REPLICAOF NO ONE auf Valkey ausführen und Clients umleiten.
  4. RDB-Falle beachten: Sobald Valkey 9.2 btree-Sorted-Sets oder PH*-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:

Häufig gestellte Fragen

Warum hat Valkey Skiplists durch B+Trees ersetzt?

Klassische Skiplists allokieren jeden Knoten einzeln auf dem Heap inklusive rund ~29 Byte Pointer- und Span-Overhead. Das verursacht Cache-Misses durch Pointer-Chasing. Valkey 9.2 packt bis zu 61 sortierte Einträge zusammenhängend in B+Tree-Knoten (fbtree), senkt den Overhead um bis zu 43 % (50,3 B auf 28,5 B) und steigert den ZADD-Durchsatz um bis zu +105 %.

Ist Valkey schneller als Redis 8?

Bei einfachem GET/SET-Caching liefern sich beide Systeme je nach Thread-Anzahl und Concurrency ein Kopf-an-Kopf-Rennen im einstelligen Prozentbereich. Deutlich vorn liegt Valkey 9.2 bei der Speicherdichte sowie bei Mutationen großer Sorted Sets (+105 % ZADD, +76 % ZREM).

Ist Redis 8 wieder Open Source?

Teilweise. Redis 8 hat neben RSALv2 und SSPLv1 die OSI-anerkannte AGPLv3 eingeführt. Da AGPLv3 jedoch ein strenges Netzwerk-Copyleft mitbringt, lehnen viele Enterprise-Rechtsabteilungen sie weiterhin ab — Valkey bleibt dauerhaft unter der permissiven BSD 3-Clause.

Wann ist Redis 8 die bessere Wahl als Valkey?

Wenn Ihre Architektur stark auf nativ integrierte Vector Sets (HNSW), JSON und TimeSeries aus einer Hand setzt, Sie keine separaten Module verwalten möchten und AGPLv3 oder Redis Cloud rechtlich freigegeben sind.

Wie gelingt die Migration von Redis auf Valkey ohne Downtime?

Für Redis 7.2.x und kompatible Core-Typen: Valkey per REPLICAOF als Replikat anhängen, Full-Sync abwarten, Schreibzugriffe kurz pausieren oder umschalten, Valkey mit REPLICAOF NO ONE promoten und den Client-Endpoint umstellen. Vorab im Staging auf RDB- und Modul-Kompatibilität prüfen.

ENDE