AI時代のRedis

[[328841]]

【51CTO.com クイック翻訳】

リレーショナル データベースは依然として世界で最も広く使用されているデータベース クラスですが、その人気の傾向はここ数年横ばいになっています。同時に、他のタイプのクラウドネイティブ データベース システムも登場しています。これは、ドキュメント ストア (MongoDB)、キー値データベース (Redis)、ワイドカラム データベース (Cassandra) などのさまざまなバージョンの NoSQL データベース システムで特に顕著です。

DB-Engines の次のグラフは、この傾向を明確に示しています。

NoSQL データベース システムが急速に成長した理由の 1 つは、人工知能 (AI) や機械学習 (ML) などのいわゆる「ビッグ データ」と互換性があることです。 NoSQL データベースはリレーショナル データベースよりも構造化されていないため、柔軟性が高く、拡張性に優れています。これらは、多くの場合リアルタイムで AI および ML システムによって処理する必要がある大量のデータにとって重要な 2 つの特性です。

NoSQL が現在なぜこれほど人気が​​あるのか​​、またこれらのシステムが AI と ML をどのように処理するのかをより深く理解するために、最も人気のある NoSQL データベース企業の 1 つである Redis Labs の創設者に話を伺いました。 Yiftach Shoolman 氏は 2011 年から同社の CTO を務めており、最近チームを率いて Redis Labs の新しいモジュールである Redis AI をリリースしました。

「今日では、人々は新しいデータ モデルに対してよりオープンになっていると思います」と Shoolman 氏は私に語った。同氏は、企業がリレーショナル データベースの代替品を検討する主な動機が 2 つあると述べた。 1 つ目はスケーラビリティであり、2 つ目はアプリケーションに必要なデータ モデルがリレーショナル データベースで直接サポートされていない場合です。後者の例としては、eコマース サイトでのリアルタイムの推奨が挙げられますが、これには大量の異なるデータをすばやく結合できるデータベースが必要です (このための 1 つのオプションは、Neo4j などのグラフ DBMS 製品です)。

Redis はキーと値のペアを格納するキー値データベース システムですが、Neo4j と同様にリアルタイム Web 向けに最適化されています。実際、これはリアルタイム Web 用に発明されました。 Salvatore Sanfilippo 氏は、リアルタイム分析エンジンを開発していたため、2009 年に早くも Redis の開発を開始しましたが、リレーショナル データベースでは拡張が困難でした。そこで彼は、賢い開発者なら誰でもやるようなことをしました。つまり、独自のソリューションを構築したのです。これがオープンソースの Redis となり、現在では世界で 8 番目に人気のあるデータベース (最も人気のあるキー値データベース) となっています。

Redis はメモリ内データ構造を持ち、ランダム アクセス メモリ (RAM) を使用してデータを保存します。これにより、従来のデータベースよりもはるかに高速になり、キャッシュ システムとしての使用にも適しています。これが、Redis がリレーショナル データベースや、MongoDB や Cassandra などの NoSQL の競合製品と一線を画す点です。 Shoolman 氏によると、Redis はメモリ内構造のため、「遅延が 1 ミリ秒未満で、リアルタイム アプリケーションに非常に最適化されています」。

インメモリ構造の欠点の 1 つは、特に AI の場合、他のデータベース システムと同じ容量がないことです。 AI は入力された膨大な量のデータを処理するため、これは大きな問題になる可能性があります。また、Oracle や MySQL などのリレーショナル データベースや、CockroachDB などの新しいクラウド ネイティブ SQL データベースの強みであるデータのクエリも、それほど簡単ではありません。

ショールマン氏は、Redis が「多くの場合、依然としてキャッシュ システムとして使用されている」ことを認めつつも、Redis Labs の目標は企業が「Redis をキャッシュとしてさらに活用」できるように支援することだと述べた。同社は主に、オープンソースの Redis データベース上に構築された商用プラットフォームである Redis Enterprise を通じてこれを行っています。

Redis Labs は、モジュールを通じて Redis のコア機能を完全な「データベース プラットフォーム」に拡張しており、RedisAI はそのモジュールの 1 つです。 RedisAI は、Redis Labs が AI ソフトウェアの専門家 Tenserwerk と共同で開発したもので、Redis データベース全体で AI 推論エンジンを実行できます。

Shoolman 氏が明らかにした重要な点は、RedisAI モジュールはデータをトレーニングしないということだ。そのためには、機械学習用の 2 つのオープンソース プラットフォームである TensorFlow や PyTorch などのツールが必要である。 RedisAI はアプリケーション層で登場し、そこでロジックをデータに適用し (推論)、そのデータをユーザーに提供します。

「私たちは、クラウドのどこかで [AI] モデルをトレーニングする必要があると考えています」と Shoolman 氏は説明します。「サービスや推論を実行したい場合、Redis はそれを実行するのに適したデータベースです。」

Shoolman 氏は、クレジットカード取引のトランザクションスコアリングの例を使用します。最終的には、システムがトランザクションが成功したか失敗したかを決定する必要があります。 「それを実現するには、ユーザープロファイル、販売者プロファイル、教育プロファイル、そして実質的に取引データ自体を追加し、すべてをベクトル化して AI に送信する必要があります」と Shoolman 氏は述べています。

RedisAI は AI ソフトウェアとデータをつなぐ媒体です。そして、少なくとも Redis にとっては、速度が最も重要です。 もちろん、正確性の部分も重要ですが、これはおそらく AI トレーニング プラットフォームの責任です。

Shoolman 氏によると、企業が前進するための主な課題の 1 つは、リレーショナル データベースを使用する従来のサイロ化されたアプローチを維持するか、単一のバックエンドで複数のデータ モデルをサポートするマルチモデル アプローチを採用するかということです。 Redis Enterprise は後者の例であり、各モジュールが異なるデータ モデルをサポートしています。

それは何を達成したいかによる、とShoolman氏は言う。マルチモデル アプローチと比較すると、リレーショナル データベースでは実行できないことがいくつかあります。

「複数のデータ モデルを統合し、ミリ秒単位の遅延で動作するトランザクションについて考えると、サイロ化されたアプローチではそれを実現することは不可能です」と Shoolman 氏は述べています。

原題: AI 時代の Redis、著者: Richard MacManus

[51CTOによる翻訳。パートナーサイトに転載する場合は、元の翻訳者と出典を51CTO.comとして明記してください]