¿Cuánta memoria ahorra Valkey 9.2 en tus sorted sets? El paso de skiplist a B+ tree

Valkey 9.2 reduce entre 36 y 43 por ciento el overhead por miembro de los sorted sets grandes al cambiar el skiplist por un B+ tree, y duplica la velocidad de las actualizaciones con ZADD. La versión salió el 19 de noviembre de 2026 y, en la prueba del propio proyecto con 5 millones de miembros, el índice ordenado pasó de 50,3 bytes por miembro a 28,5 bytes con inserciones secuenciales y a 32,0 bytes con inserciones aleatorias: unos 109 MB y 92 MB menos en un solo set.

Hay también un cambio que rompe cosas sin avisar: OBJECT ENCODING ahora responde btree donde antes respondía skiplist. Si algún dashboard, test o script compara contra ese string, dejará de coincidir el día que actualices.

¿Qué cambió en los sorted sets de Valkey 9.2?

Los sorted sets grandes se guardaban como un skiplist emparejado con una hashtable. Cada miembro tenía su propia asignación en el heap dentro del skiplist, con sus punteros. En 9.2 la hashtable se mantiene, pero el índice ordenado pasa a ser una variante de B+ tree que el proyecto llama fbtree: un árbol con fanout de 61 que agrupa 61 miembros en una sola hoja de 512 bytes, en lugar de asignar memoria a cada miembro por separado.

El detalle de ingeniería lo publicaron Rain Valentine y Dragos Andriciuc en el blog de Valkey:

Una nota de fechas si lees ese post: se publicó el 16 de noviembre, cuando 9.2 todavía era release candidate, y así lo dice. La fecha de GA (19 de noviembre) sale de la página de descarga y del comunicado de la Linux Foundation.

¿Qué sorted sets pasan a B+ tree?

Solo los grandes. Los sorted sets pequeños siguen en la codificación compacta listpack y no cambian. En el valkey.conf de 9.2, un sorted set se mantiene en listpack mientras se cumplan estos dos límites:

zset-max-listpack-entries 128
zset-max-listpack-value 64

En la práctica: en cuanto un sorted set supera los 128 miembros, o algún miembro pasa de 64 bytes, se convierte a la codificación general. En 9.2 esa codificación es btree; antes era skiplist.

¿Cómo saber si tus sorted sets están afectados con OBJECT ENCODING?

Ejecuta OBJECT ENCODING sobre tus sorted sets más grandes: leaderboards, ventanas de rate limiting, colas ordenadas por tiempo, jobs programados.

OBJECT ENCODING leaderboard:global

Según la referencia de comandos, las respuestas posibles para un sorted set son:

  • listpack: un set pequeño; 9.2 no cambia nada para él.
  • skiplist: el nombre anterior de la codificación general; estás en una versión anterior a 9.2.
  • btree: la codificación general en 9.2.

Si hoy ves skiplist, esa key es candidata a ahorrar memoria.

¿Cuánta memoria ahorra un redis sorted set grande en Valkey 9.2?

Haz la cuenta por miembro, no por gigabyte. En la prueba del proyecto (5 millones de miembros de 20 bytes cada uno, midiendo solo el índice ordenado), el overhead bajó 21,8 bytes por miembro con inserciones secuenciales y 18,3 bytes con inserciones aleatorias. Las inserciones aleatorias dejan más nodos a medio llenar, por eso la ganancia es menor.

Eso da una regla rápida: entre 18 y 22 bytes menos por cada miembro de un sorted set grande. Un leaderboard con 1 millón de miembros ahorra aproximadamente entre 18 y 22 MB; uno con 10 millones, aproximadamente entre 180 y 220 MB.

Lo que esa cifra no es: una reducción de 36 a 43 por ciento de tu memoria total. El número cubre solo el overhead del índice; la hashtable y los datos de cada miembro no cambian. El blog lo dice sin rodeos: el ahorro relativo es mayor en sets con muchos miembros pequeños y se reduce a medida que crece el tamaño del miembro. Un set de IDs numéricos cortos gana mucho; uno de keys JSON de 60 bytes gana bastante menos en proporción al total.

¿Qué comandos son más rápidos en Valkey 9.2?

El proyecto midió throughput sobre un sorted set de 3 millones de miembros:

Comando Carga Cambio
ZADD Actualización de score (todas existentes) +105%
ZREM 50/50 altas y bajas aleatorias +76%
ZCOUNT Conteo por rango de score +27%
ZRANK Consulta puntual de rank +19%
ZRANGE Recorrido de 100 elementos por rank +6%
ZRANDMEMBER 100 muestras aleatorias +2%
ZSCORE Consulta puntual de score +2%
ZRANGEBYSCORE Recorrido de 100 elementos por score +1%
ZPOPMIN Pop del mínimo + alta de un miembro nuevo ~0%

Cómo leerla:

  • La mejora destacada de ZADD es para actualizar el score de miembros que ya existen, la escritura típica de un leaderboard, no para insertar miembros nuevos.
  • ZSCORE y ZRANDMEMBER casi no se mueven porque usan la hashtable, no el índice ordenado.
  • ZPOPMIN queda igual porque fbtree guarda en caché sus hojas extremas, la de la izquierda y la de la derecha.
  • Los recorridos por rango ganan poco porque, cuando recorrer el índice sale barato, construir la respuesta pasa a dominar el costo.

Son benchmarks del propio proyecto, no independientes: una sola Graviton3 c7g.metal (64 núcleos, nueve hilos de I/O, pipeline de profundidad 10), cinco corridas por prueba. Y el blog aclara que se midieron sobre la rama oi/pr3-fbtree-v2 del PR #4206 y no se volvieron a correr sobre el commit fusionado.

¿Cómo instalar Valkey 9.2 con Docker?

9.2.0 se distribuye como imágenes Docker y como binarios con checksum. Los tags de Docker Hub para valkey/valkey son 9.2.0, 9.2.0-trixie, 9.2.0-alpine y 9.2.0-alpine3.24. Para probarlo:

docker run --rm valkey/valkey:9.2.0

También hay binarios arm64 y x86_64 para Ubuntu jammy y noble, cada uno con su archivo .sha256, además del release etiquetado en GitHub:

La página de descarga no trae notas de actualización, así que prueba primero en una réplica o en una copia de tus datos, como con cualquier salto de versión mayor.

¿Qué se rompe al actualizar a Valkey 9.2?

El string de OBJECT ENCODING. Antes de actualizar, busca el literal skiplist en tus repositorios y en la configuración de monitoreo: tests que verifican la codificación, alertas que vigilan si un set “se salió” de listpack, scripts de auditoría de memoria. En 9.2 van a ver btree, y una comparación de strings no va a fallar con ruido: simplemente dejará de coincidir.

Valkey vs Redis: ¿conviene migrar a Valkey 9.2?

Conviene ser preciso con lo que comparan estos números: Valkey 9.2 contra la implementación anterior del propio Valkey basada en skiplist. No son un benchmark contra la versión actual de Redis, así que por sí solos no zanjan esa pregunta. Valkey es el proyecto de la Linux Foundation que nació como fork de Redis, con licencia BSD 3-Clause, y declara que incluye cierto código de Redis de Redis Ltd. bajo licencia BSD de 3 cláusulas.

Si ya usas Valkey, el caso para 9.2 es directo. Si usas Redis y tu carga está dominada por sorted sets grandes, esta versión te da una razón concreta y medible para hacer tu propia comparación: carga una copia de tus datos reales y mira la memoria y la latencia de ZADD lado a lado.

¿Qué más trae Valkey 9.2?

  • Snapshots RDB sin fork (forkless): BGSAVE ya no necesita hacer fork. Es opcional: forkless-infrastructure-enabled viene en no, solo se puede definir al arrancar el servidor, cuesta 4 bytes extra por key, y el comportamiento del guardado se controla aparte con bgsave-default-method forkless.
  • Path Hash: un tipo de dato nuevo basado en radix tree, con comandos PH* para búsqueda exacta, coincidencia por prefijo más largo y recorrido por prefijo.
  • Roles de ACL: conjuntos de selectores con nombre y reutilizables, que se gestionan con ACL SETROLE y se asignan con role:<name>.
  • Detección de hot keys: del lado del servidor, con HOTKEYS GET, más un throttling opcional de replicación que frena a los escritores en lugar de dejar que una réplica atrasada caiga en una sincronización completa.

La lectura de Grego: míralo como una línea de la factura. El proyecto Valkey abre hablando de costo de infraestructura, y es el encuadre correcto para un CTO. Un sorted set es la estructura detrás de leaderboards, rankings, colas de prioridad y ventanas de tiempo, y en los cachés gestionados pagas la memoria que reservas, no la que usas. Veinte bytes por miembro suena a nada hasta que lo multiplicas por cada set grande en cada shard y cada réplica. Antes de aprobar la actualización, pide dos números: cuántos miembros viven en sorted sets grandes en toda la flota, y qué tan anchos son. Si los miembros son IDs cortos, el ahorro es real y puede bajar el tamaño de instancia que necesitas. Si son strings largos, la ganancia está sobre todo en velocidad de escritura. En ambos casos, es una decisión que puedes tomar con tus propios datos, no con los del proveedor.


¿Y tú? ¿Cuál es el sorted set más grande que tienes en producción y para qué lo usas?

¿Dónde corren hoy tus sorted sets en producción?
  • Redis
  • Valkey anterior a 9.2
  • Ya estoy en Valkey 9.2
  • Prefiero otra opción (cuéntanos cuál)
0 votantes

Comenta abajo o, si este artículo te llegó por correo, responde directamente al email: tu respuesta se publica aquí.

Relacionado: I replaced Redis with PostgreSQL and it’s faster