Comparativa · Redis

Redis vs Kafka: comparativa

Redis es un almacén de datos en memoria, usado sobre todo como caché, que también ofrece Pub/Sub, Lists y Streams. Apache Kafka es una plataforma distribuida de streaming de eventos que guarda los eventos en logs particionados y replicados en disco. Coinciden cuando un equipo necesita un log de eventos y ya opera una de las dos. Esta comparativa se basa en la documentación de Redis y en la de Apache Kafka 4.3, consultadas el 9 de octubre de 2026.

Tyler Eastridge

Por Tyler Eastridge, Director de Operaciones

LinkedIn · Actualizado el · 8 min de lectura · 10 secciones

En esta página

Respuesta rápida

Respuesta rápida

Elija Kafka cuando los eventos sean un registro que otros sistemas leerán más adelante: los topics conservan los datos en disco durante un periodo de retención que usted define por topic, siete días por defecto, cualquier consumidor puede hacer un replay desde un offset anterior y un mensaje se considera confirmado (committed) solo cuando todas las réplicas in-sync lo tienen. Elija Redis Streams cuando Redis ya esté en producción y los eventos que necesita quepan en memoria: los grupos de consumidores y la confirmación (ack) por entrada se obtienen sin nueva infraestructura. Use Redis Pub/Sub solo para notificaciones que pueda permitirse perder. Muchos sistemas usan ambos: Kafka como log de eventos y Redis como caché construida a partir de él.

Redis y Kafka como sistemas de eventos y mensajería, con los mismos criterios

Redis y Kafka como sistemas de eventos y mensajería, con los mismos criterios
RedisApache Kafka
Qué esAlmacén de datos en memoria con Pub/Sub, Lists y StreamsLog distribuido de topics particionados y replicados
Dónde residen los datosMemoria, con snapshots RDB y archivo de solo anexado (append-only) opcionalesDisco, escrito a través de la caché de páginas del sistema operativo
Ventana de pérdida ante una caídaAlrededor de un segundo con appendfsync everysec; minutos solo con RDBNinguna para los mensajes confirmados mientras sobreviva una réplica in-sync
ReplicaciónAsíncrona; Redis Cluster puede perder escrituras ya confirmadasUn mensaje se confirma cuando todas las réplicas in-sync lo aplican
RetenciónHasta que se recorta con MAXLEN o MINID, limitado por la RAMPor topic, por tiempo o tamaño; 168 horas por defecto
Escalado de un streamUn stream es una sola clave, por lo que reside en un único shardUn topic se divide en particiones repartidas entre brokers
Grupos de consumidoresXREADGROUP, XACK por entrada y una Pending Entries ListUn consumidor por partición y grupo; la posición es un offset
OrdenOrden por ID de entrada dentro de un streamOrden dentro de una partición; las claves iguales comparten partición
EcosistemaBibliotecas cliente; los streams son un tipo de dato más entre muchosKafka Connect, Kafka Streams, transacciones
Tabla · Redis y Kafka como sistemas de eventos y mensajería, con los mismos criterios. En pantallas pequeñas, desplácese lateralmente.

Redis Streams, Pub/Sub y Lists frente a los topics de Kafka

Redis ofrece tres formas de mover mensajes. Pub/Sub ofrece entrega at-most-once: un suscriptor desconectado o que falla a mitad de un mensaje no lo vuelve a ver. Las Lists sirven como colas de trabajos sencillas. Los Streams son un log de solo anexado (append-only) con acceso aleatorio por ID y grupos de consumidores, lo que los convierte en la única estructura de Redis comparable a Kafka.

Un topic de Kafka puede tener muchos productores y muchos suscriptores, y los eventos no se borran al leerse. Cada topic se divide en particiones repartidas entre brokers, y los eventos con la misma clave van siempre a la misma partición. La arquitectura de Kafka explica en profundidad brokers, particiones y replicación.

Durabilidad: AOF y RDB frente a un log replicado

Redis persiste un conjunto de datos en memoria de dos maneras. Los snapshots RDB suelen tomarse cada cinco minutos o más, por lo que la guía de persistencia de Redis indica que tras una parada no limpia cabe esperar perder los últimos minutos de datos. El archivo de solo anexado (append-only) con appendfsync everysec lo reduce a cerca de un segundo. El fork() de RDB puede pausar Redis durante milisegundos, o hasta un segundo en un conjunto de datos muy grande. La replicación es asíncrona, y la documentación de Redis Cluster afirma que puede perder escrituras ya confirmadas (ack) al cliente.

Kafka escribe cada mensaje en un log en disco, aunque no necesariamente volcado, y se apoya en la replicación para la seguridad. Un mensaje se confirma solo cuando todas las réplicas in-sync de su partición lo han aplicado, y un mensaje confirmado no se pierde mientras siga vivo un broker que tenga una réplica. La documentación de Kafka considera habitual en producción un factor de replicación de tres.

Retención y replay

Un stream de Redis conserva las entradas hasta que se recorta, ya sea con MAXLEN para una longitud fija o con MINID para las entradas anteriores a un ID. El replay con XRANGE funciona con lo que todavía esté en memoria. La retención en Kafka es un ajuste por topic: log.retention.hours vale 168 por defecto y log.retention.bytes es ilimitado por defecto. La documentación de Kafka afirma que su rendimiento es prácticamente constante respecto al tamaño de los datos, por lo que una retención larga es lo normal. La compactación del log conserva el último valor de cada clave en lugar de borrar por antigüedad.

Grupos de consumidores (consumer groups) en ambos: XREADGROUP vs grupos de consumidores de Kafka

Redis tomó el término de Kafka, y su documentación dice claramente que los grupos de consumidores de Redis no tienen nada que ver con los de Kafka en cuanto a implementación. Con XREADGROUP, cada consumidor de un grupo recibe entradas distintas, cada entrada entregada permanece en la Pending Entries List del grupo hasta el XACK, y XAUTOCLAIM traspasa las entradas de un consumidor caído a uno activo. Redis 8.6 añadió la producción idempotente, de modo que los reintentos del productor no generan entradas duplicadas.

En Kafka, cada partición la lee exactamente un consumidor de cada grupo, y el progreso es un único offset por partición. Eso abarata la confirmación (ack) y mantiene el orden por partición, pero el paralelismo dentro de un grupo se detiene en el número de particiones. Kafka 4.3 documenta además los share groups, en los que varios consumidores pueden leer una misma partición y confirmar los registros de forma individual, algo más cercano a una cola de trabajo.

Orden y características de throughput

Un stream de Redis está totalmente ordenado por ID de entrada, pero es una sola clave, y en Redis Cluster cada clave se asigna a un hash slot en un único primario. Por tanto, un stream escala con un solo nodo; para más throughput hay que hacer sharding entre varias claves de stream en el código de la aplicación. Kafka ordena los eventos dentro de una partición y escala un topic añadiendo particiones y brokers. Su diseño envía los datos de la caché de páginas directamente a la red, lo que, según la documentación, permite que el consumo se acerque al límite de la conexión de red.

Los benchmarks rara vez comparan condiciones equivalentes. Pruebe Redis con la persistencia que exija su tolerancia a pérdidas frente a Kafka con la replicación y las confirmaciones (ack) del productor que usaría, con el tamaño de mensaje de su caso.

Objetivos de respuesta desde 15 minutos, según el plan. Ingenieros sénior asignados.

Contacto

Coste de memoria frente a disco

Cada entrada de un stream de Redis ocupa RAM hasta que se recorta, así que una caída de un consumidor hace crecer el uso de memoria. Dimensione Redis para el backlog máximo, no para el promedio, y mantenga los datos de cola alejados de las políticas de expulsión (eviction policy) pensadas para claves de caché. Kafka guarda el backlog en disco, que cuesta menos por gigabyte, de modo que un consumidor lento consume espacio en disco en lugar de provocar un incidente por falta de memoria. La contrapartida es operar un clúster de brokers.

Ecosistema: Kafka Connect y Kafka Streams

Kafka Connect es la herramienta de Kafka para mover datos en streaming entre Kafka y otros sistemas, desde bases de datos completas como origen hasta almacenes posteriores como destino. Kafka Streams es una biblioteca cliente para construir aplicaciones cuya entrada y salida residen en Kafka, y las transacciones dan a los pipelines de lectura-proceso-escritura semántica exactly-once. Redis no tiene un equivalente integrado para streams, por lo que los pipelines en torno a Redis Streams son código de aplicación.

Cuándo usar ambos: caché más log de eventos

Los dos suelen trabajar juntos. Kafka guarda el histórico de eventos y alimenta los sistemas posteriores; un consumidor mantiene Redis actualizado como caché, almacén de sesiones, tabla de clasificación o limitador de tasa que responde desde memoria. Un Redis perdido puede reconstruirse haciendo un replay del topic. Para qué se usa Redis enumera las tareas en las que Redis rinde mejor, y RabbitMQ vs Redis trata el caso en que la necesidad real es una cola de trabajo y no un log de eventos.

Cómo elegir entre Redis y Kafka

  1. ¿Necesitan varios equipos o sistemas leer los mismos eventos, ahora y más adelante? Kafka.
  2. ¿Deben los eventos sobrevivir durante días o poder hacer un replay de ellos en un sistema nuevo? Kafka.
  3. ¿Ya tiene Redis en producción y una ventana corta de eventos que cabe en memoria? Redis Streams con grupos de consumidores.
  4. ¿Es el mensaje una notificación que nadie necesita recuperar? Redis Pub/Sub.
  5. ¿Necesita lecturas rápidas del estado actual construido a partir de eventos? Ambos: Kafka para el log, Redis para la vista.

Cómo hemos hecho la comparativa

Hemos comparado Redis y Apache Kafka como sistemas de eventos y mensajería con nueve criterios: qué es cada uno, dónde residen los datos, ventana de pérdida ante un fallo, replicación, retención, escalado de un stream, grupos de consumidores, orden y ecosistema. Los datos proceden de la documentación de Redis y de Kafka, consultada el 9 de octubre de 2026. Redis Streams, Pub/Sub y Lists se tratan por separado porque se comportan de forma distinta, y la página cubre el uso conjunto de ambos. Los valores por defecto cambian entre versiones, así que confírmelos para las versiones que utilice.

Preguntas frecuentes

¿Es Redis más rápido que Kafka?

Redis sirve cada operación desde memoria; Kafka está diseñado para un throughput sostenido entre particiones con retención larga en disco. Una prueba justa ejecuta ambos con los ajustes de durabilidad que usaría en producción, con el tamaño de mensaje de su caso.

¿Puede Redis Streams sustituir a Kafka?

Para una ventana corta de eventos que quepa en memoria, a menudo sí. Redis Streams carece de retención en disco, de escalado particionado de un mismo stream, de Kafka Connect y de Kafka Streams, por lo que los logs de eventos de larga duración compartidos por muchos sistemas encajan mejor en Kafka.

¿Son iguales los grupos de consumidores de Redis y los de Kafka?

No. Redis usa el mismo nombre, pero su documentación indica que la implementación no guarda relación. Redis registra cada entrada entregada hasta que se confirma (ack); Kafka asigna cada partición a un consumidor por grupo y registra un offset por partición.

Consulta gratuita

Que un experto revise su despliegue de Redis

Tanto si está resolviendo un incidente en producción como si planifica una migración o quiere una segunda opinión sobre su arquitectura, nuestro equipo está preparado. Sin discursos comerciales, solo respuestas.

Escríbanos