Redis (Remote Dictionary Server)는 오픈소스 인메모리 스토리지로, 분산 인메모리 key-value 데이터베이스, 캐시 및 메시지 브로커로 사용되며, 선택적으로 영속성을 제공합니다. 모든 데이터를 메모리에 보관하고 설계 방식 덕분에 Redis는 낮은 지연 시간의 읽기 및 쓰기를 제공하여, 캐시가 필요한 사용 사례에 특히 적합합니다. Redis는 가장 인기 있는 NoSQL 데이터베이스이며, 전체 데이터베이스 중에서도 가장 인기 있는 데이터베이스 중 하나입니다.
이 페이지는 LangChain 내에서 Redis 생태계를 사용하는 방법을 다룹니다. 설치 및 설정, 그리고 특정 Redis wrapper에 대한 참조, 이렇게 두 부분으로 나뉩니다.

​
Installation and Setup

Python SDK와 LangChain Redis integration을 설치합니다: 
pip install redis langchain-redis
Redis를 로컬에서 실행하려면 Docker를 사용할 수 있습니다: 
docker run --name langchain-redis -d -p 6379:6379 redis redis-server --save 60 1 --loglevel warning
컨테이너를 중지하려면: 
docker stop langchain-redis
다시 시작하려면: 
docker start langchain-redis

​
Connections

독립 실행형 Redis 서버 또는 Replication과 Redis Sentinels를 사용하는 고가용성 설정을 지원하는 데이터베이스에 연결하려면 redis url connection string이 필요합니다.

​
Redis Standalone connection url

독립 실행형 Redis 서버의 경우, python redis 모듈의 “from_url()” 메서드 Redis.from_url에 설명된 대로 공식 redis connection url 형식을 사용할 수 있습니다. 예시: redis_url = "redis://:secret-pass@localhost:6379/0"

​
Redis Sentinel connection url

Redis sentinel 설정의 경우 connection scheme은 “redis+sentinel”입니다. 이는 Sentinels에 대한 connection url이 없는 한 공식 IANA 등록 프로토콜 scheme에 대한 비공식 확장입니다. 예시: redis_url = "redis+sentinel://:secret-pass@sentinel-host:26379/mymaster/0" 형식은 redis+sentinel://$USERNAME:$PASSWORD@$HOST_OR_IP:$PORT/$SERVICE_NAME/$DB_NUMBER이며, 명시적으로 설정하지 않으면 “service-name = mymaster” 및 “db-number = 0”의 기본값이 사용됩니다. service-name은 Sentinel 내에서 구성된 redis 서버 모니터링 그룹 이름입니다. 현재 url 형식은 connection string을 하나의 sentinel host로만 제한하며(목록을 제공할 수 없음), Redis 서버와 sentinel 모두 동일한 password를 설정해야 합니다(사용하는 경우).

​
Redis Cluster connection url

Redis cluster는 현재 “redis_url” 매개변수가 필요한 모든 메서드에서 지원되지 않습니다. Redis Cluster를 사용하는 유일한 방법은 RedisCache와 같이 사전 구성된 Redis client를 허용하는 LangChain class를 사용하는 것입니다 (아래 예시 참조).

​
Cache

Cache wrapper를 사용하면 Redis를 LLM prompt 및 response를 위한 원격, 낮은 지연 시간의 인메모리 캐시로 사용할 수 있습니다.

​
Standard Cache

standard cache는 전 세계 오픈소스 및 엔터프라이즈 사용자를 위한 프로덕션 사용 사례에서 Redis의 핵심입니다. 
from langchain_redis import RedisCache
LLM과 함께 이 캐시를 사용하려면: 
from langchain.globals import set_llm_cache
import redis

redis_client = redis.Redis.from_url(...)
set_llm_cache(RedisCache(redis_client))

​
Semantic Cache

Semantic caching을 사용하면 사용자 입력과 이전에 캐시된 결과 간의 의미적 유사성을 기반으로 캐시된 prompt를 검색할 수 있습니다. 내부적으로 Redis를 캐시와 vectorstore로 모두 사용합니다. 
from langchain_redis import RedisSemanticCache
LLM과 함께 이 캐시를 사용하려면: 
from langchain.globals import set_llm_cache
import redis

# use any embedding provider...
from tests.integration_tests.vectorstores.fake_embeddings import FakeEmbeddings

redis_url = "redis://localhost:6379"

set_llm_cache(RedisSemanticCache(
    embedding=FakeEmbeddings(),
    redis_url=redis_url
))

​
VectorStore

vectorstore wrapper는 Redis를 의미적 검색 또는 LLM 콘텐츠 검색을 위한 낮은 지연 시간의 vector database로 전환합니다. 
from langchain_community.vectorstores import Redis

​
Retriever

Redis vector store retriever wrapper는 vectorstore class를 일반화하여 낮은 지연 시간의 문서 검색을 수행합니다. retriever를 생성하려면 기본 vectorstore class에서 .as_retriever()를 호출하기만 하면 됩니다.
Edit the source of this page on GitHub.
Connect these docs programmatically to Claude, VSCode, and more via MCP for real-time answers.
⌘I