Propustnost tváří v tvář
V testu společnosti HotKV Ltd, kde jsme na jedné cloudové instanci porovnali HotKV, Redis, Valkey a Dragonfly, zaznamenal HotKV nejvyšší mediánovou propustnost u 11 z 12 příkazů. U PING naměřil Dragonfly o 0,6 % víc, což je v mezích limitu generátorů zátěže, a proto to počítáme jako remízu. Tyto výsledky platí pro testované buildy a nastavení. Viz metodika níže.
- Stejný strojKaždý server běží na stejné instanci, vždy jeden.
- Oddělené generátory zátěžeZátěž vytvářejí vyhrazené klientské stroje, nikdy ne samotný server.
- Stejné nastaveníKaždý server dostane stejný počet vláken a žádné další ladění.
- Medián ze 3 běhůKaždý příkaz běží třikrát. Zobrazuje se medián.
- Označené limityVýsledky určené sítí nebo generátory zátěže jsou označeny.
- Celá metodikaKaždé nastavení, limit a výhrada jsou vypsány pod výsledky.
- CPU:
- AMD EPYC 9V45 (Turin)
- vCPU:
- 160
- Arch.:
- x86_64
- RAM:
- 314,8 GB
- Síť:
- 78 Gbps ven, 132+ Gbps dovnitř
- Vlákna:
- 160 na server (Redis 128, jeho maximum)
- Změřeno:
- 9. října 2026
Operace za sekundu, medián ze 3 běhů. Každý pruh je vztažen k nejrychlejšímu serveru u daného příkazu.
- Nejvyšší výsledek u daného příkazu.
- Omezeno sítí: výsledek určila síť instance, takže vlastní limit serveru je vyšší.
- Omezeno generátorem zátěže: stroje generující zátěž běžely nad 85 % CPU, takže jde o jejich strop, ne o strop serveru.
- Azure měří odchozí provoz: iperf3 naměřil 78 Gbps ven a nejméně 132 Gbps dovnitř se třemi klientskými stroji. GET a MGET posílají hodnoty ven. GET u HotKV využil 88 % odchozího stropu, takže jde o spodní mez daný instancí, ne o limit serveru, a jeho MGET s 83 % je těsně za ním. Čtení u Dragonfly využilo nejvýše 44 % stropu.
- Zápisy přicházejí dovnitř, takže výsledky zápisů jsou čísla serveru. Nejnáročnější, SETNX s přibližně 106 Gbps, využil asi 80 % příchozího stropu, takže čísla zápisů HotKV berte jako mírné spodní meze.
- U PING dosáhly generátory zátěže 86 % CPU s HotKV a 82 % s Dragonfly. Rozdíl 0,6 % mezi nimi je uvnitř tohoto limitu, takže PING je remíza.
Přesná čísla pro Azure D160alds_v7
| Příkaz | HotKV | Redis | Valkey | Dragonfly | HotKV vs Redis | HotKV vs Valkey | HotKV vs Dragonfly |
|---|---|---|---|---|---|---|---|
| SET | Nejvyšší: 50,480,621 | 3,409,794 | 2,882,486 | 15,042,258 | 14.80x | 17.51x | 3.36x |
| GET | Nejvyšší: 36,643,656(Omezeno sítí) | 1,132,934 | 1,631,573 | 13,446,228 | 32.34x | 22.46x | 2.73x |
| MGET | Nejvyšší: 4,617,382 | 277,956 | 536,872 | 2,348,137 | 16.61x | 8.60x | 1.97x |
| SETNX | Nejvyšší: 55,333,360 | 1,397,967 | 1,860,919 | 14,442,422 | 39.58x | 29.73x | 3.83x |
| APPEND | Nejvyšší: 25,050,648 | 1,530,680 | 1,290,421 | 8,858,165 | 16.37x | 19.41x | 2.83x |
| INCR | Nejvyšší: 90,783,545 | 2,104,069 | 1,918,073 | 20,603,259 | 43.15x | 47.33x | 4.41x |
| LPUSH | Nejvyšší: 31,617,779 | 1,247,914 | 842,106 | 10,579,641 | 25.34x | 37.55x | 2.99x |
| RPUSH | Nejvyšší: 43,776,706 | 628,324 | 878,476 | 11,014,977 | 69.67x | 49.83x | 3.97x |
| SADD | Nejvyšší: 50,626,647 | 2,053,737 | 894,438 | 12,044,417 | 24.65x | 56.60x | 4.20x |
| HSET | Nejvyšší: 28,997,514 | 536,527 | 781,768 | 9,797,534 | 54.05x | 37.09x | 2.96x |
| MSET | Nejvyšší: 11,275,369 | 378,641 | 464,801 | 2,941,342 | 29.78x | 24.26x | 3.83x |
| PING | 125,232,520(Omezeno generátorem zátěže) | 3,235,600 | 3,480,446 | Nejvyšší: 126,033,542 | 38.70x | 35.98x | 0.99x |
V našem testu rychlejší než vektorové množiny Redisu 8
Stejné embeddingy OpenAI jsme nahráli do HotKV i Redisu 8 a na každém spustili stejných 1 000 dotazů, s 1 až 100 souběžnými připojeními klientů, na jednom stroji. Oba držely vektory v plné přesnosti, se stejným nastavením indexu.
Dotazy za sekundu při stejném recallu
Oba servery ukládaly vektory float32 v plné přesnosti. Po načtení 999 000 vektorů držel proces HotKV 6,77 GB a Redis 7,01 GB.
Neměřeno: výchozí 8bitový kvantizovaný režim Redisu, Redis Query Engine, jiné datové sady a jiný hardware. Build HotKV je vývojový build, který nebyl vydán. Redis byl načítán připnutý ke čtyřem vCPU a prohledáván na znovu načteném indexu (viz článek).
Kompletní čísla: 999 000 vektorů, 50 klientů
| ef | Recall HotKV | Recall Redisu | Dotazy/s HotKV | Dotazy/s Redisu | Poměr |
|---|---|---|---|---|---|
| 40 | 0,940 | 0,923 | 63 897 | 8 061 | 7,9x |
| 80 | 0,970 | 0,962 | 37 508 | 6 825 | 5,5x |
| 150 | 0,987 | 0,980 | 21 912 | 5 241 | 4,2x |
| 300 | 0,993 | 0,990 | 12 393 | 3 454 | 3,6x |
| 500 | 0,997 | 0,994 | 7 688 | 2 483 | 3,1x |
Build HotKV c8dafd37 a Redis 8.10.2, podobnost kosinová, HNSW s M=16 a ef_construction=200 na obou, float32 na obou (Redis NOQUANT). Recall je recall@10 vůči přesným výsledkům hrubou silou. Medián z 3 běhů na Azure Standard_D160alds_v7, AMD EPYC 9V45, 160 vCPUs. Servery sdílely 128 vCPU a generátory zátěže běžely na 32 dalších, se stejným klientským kódem pro oba.
Datová sada: embeddingy dbpedia-entities-openai-1M (OpenAI text-embedding-ada-002, 1 536 dimenzí) od Kumar Shivendu and Nirant Kasliwal, licence MIT, plus 1 000 oddělených dotazů. Úplná metodika, skripty a nezpracované výsledky. Změřeno 14. října 2026.
Chcete HotKV nasadit do praxe?
Získejte předběžný přístup a vyzkoušejte HotKV na své zátěži.
Získat předběžný přístup