IMPLEMENTATION OF CACHING WITH REDIS IN JAVA SPRING BOOT APPLICATIONS: PERFORMANCE AND SCALABILITY ANALYSIS
REGISTRO DOI: 10.69849/revistaft/ni10202511170714
João Pedro de Faria Ferreira1
Renata Mirella Farina2
Fabiana Florian3
Resumo: Este trabalho apresenta um estudo sobre o uso do Redis como mecanismo de cache em aplicações Java desenvolvidas com o framework Spring Boot. O objetivo principal foi demonstrar, de forma prática e experimental, como a integração do Redis pode melhorar o desempenho de APIs REST que consomem serviços externos. Para alcançar esse objetivo, foi desenvolvida uma aplicação de previsão do tempo, consumindo dados de uma API pública. Foram realizados testes comparativos em dois cenários: sem uso de cache e com cache implementado via Redis. A metodologia adotada consistiu em experimentos controlados utilizando Apache JMeter para mensurar variáveis como tempo de resposta, número de requisições à API externa e consumo de CPU. Os resultados mostraram reduções significativas de latência, chegando a mais de 70% na média de resposta, além da diminuição do uso de recursos computacionais e da virtual eliminação de chamadas redundantes à API. Esses achados validam a hipótese inicial de que o Redis contribui para a escalabilidade e eficiência em sistemas que dependem de dados externos, evidenciando seu potencial como solução robusta no contexto de arquiteturas modernas.
Palavras-chave: Cache. Redis. Spring Boot. APIs REST. Desempenho. Escalabilidade.
Abstract: This study investigates the use of Redis as a caching mechanism in Java applications developed with the Spring Boot framework. The main goal was to experimentally demonstrate how Redis integration can improve the performance of REST APIs that consume external services. To achieve this, a weather forecast application was implemented, consuming data from a public API. Comparative tests were conducted in two scenarios: without caching and with caching using Redis. The methodology involved controlled experiments with Apache JMeter to measure variables such as response time, number of external API calls, and CPU usage. The results showed significant reductions in latency, reaching over 70% in average response time, as well as decreased resource consumption and the virtual elimination of redundant API requests. These findings validate the initial hypothesis that Redis enhances scalability and efficiency in systems relying on external data, highlighting its potential as a robust solution in modern software architectures.implemented, consuming data from a public API. Comparative tests were conducted in two scenarios: without caching and with caching using Redis. The methodology involved controlled experiments with Apache JMeter to measure variables such as response time, number of external API calls, and CPU usage. The results showed significant reductions in latency, reaching over 70% in average response time, as well as decreased resource consumption and the virtual elimination of redundant API requests. These findings validate the initial hypothesis that Redis enhances scalability and efficiency in systems relying on external data, highlighting its potential as a robust solution in modern software architectures.
Key-words: Cache. Redis. Spring Boot. REST APIs. Performance. Scalability.
1 INTRODUÇÃO
O desenvolvimento de aplicações web modernas exige soluções que entreguem alta performance, disponibilidade e escalabilidade. Em especial, aplicações que consomem APIs externas – como serviços de previsão do tempo – enfrentam desafios relacionados à latência, limitação de requisições e inconsistência de dados. Nesse cenário, técnicas de cache tornam-se essenciais para otimizar o tempo de resposta e reduzir o consumo de recursos. O Redis, sistema de armazenamento em memória chave-valor, apresenta-se como uma alternativa robusta para implementar caching eficiente em aplicações desenvolvidas com Java e o framework Spring Boot.
O uso de metodologias ágeis como Scrum e Extreme Programming tem favorecido a adoção de práticas contínuas de integração e melhoria incremental no ciclo de desenvolvimento de software, permitindo a experimentação com novas tecnologias e arquiteturas de alto desempenho, como o cache distribuído com Redis (ABRAHAMSSON et al., 2017). Esse tipo de prática é especialmente relevante em aplicações RESTful, cujo tempo de resposta pode impactar diretamente a experiência do usuário e o consumo de serviços de terceiros.
O objetivo principal deste trabalho é demonstrar, de forma prática e fundamentada, como a integração do Redis em aplicações Java com Spring Boot pode melhorar significativamente o desempenho de APIs REST. Como estudo de caso, será desenvolvida uma aplicação de previsão do tempo, consumindo uma API externa. O sistema será avaliado com e sem o uso de cache, permitindo uma análise comparativa dos resultados com base em métricas como latência, volume de requisições externas e consumo de recursos da aplicação.
O plano de ação deste trabalho será dividido em etapas: (i) levantamento bibliográfico sobre cache e Redis; (ii) desenvolvimento de uma aplicação Spring Boot que consome uma API pública de clima; (iii) integração com o Redis para armazenar temporariamente os dados de resposta; (iv) testes de desempenho em diferentes cenários; e (v) análise quantitativa dos resultados obtidos.
A escolha desse tema se justifica pela necessidade crescente de sistemas responsivos e resilientes em ambientes altamente dinâmicos. Mertz et al. (2020) destacam que o uso de cache em nível de aplicação é uma das estratégias mais eficazes para melhorar a performance em sistemas que dependem de chamadas externas frequentes. Shi et al. (2024) reforçam que o Redis, ao ser empregado como cache, pode reduzir em até 70% o tempo de resposta de requisições, além de aliviar a carga em sistemas de backend.
A utilização de Redis combinada com o ecossistema Spring Boot representa uma abordagem madura e amplamente adotada no setor de desenvolvimento de software. De acordo com Shahin, Babar e Zhu (2017), práticas como integração contínua, testes automatizados e uso de caching têm papel fundamental na construção de soluções escaláveis e de alto desempenho. Assim, este estudo se alinha às necessidades do mercado e contribui para a produção acadêmica na área de engenharia de software.
O problema identificado está na baixa performance e alta latência em sistemas que dependem exclusivamente de chamadas a APIs externas. Mesmo utilizando boas práticas de codificação, o gargalo nas respostas pode comprometer tanto a escalabilidade quanto a confiabilidade da aplicação. A literatura ainda apresenta lacunas quanto à análise empírica do impacto direto da integração do Redis com Spring Boot em aplicações que consomem serviços externos, o que reforça a relevância deste estudo.
Dessa forma, a hipótese da pesquisa é que a implementação do Redis como mecanismo de cache em aplicações Spring Boot permitirá uma redução significativa no tempo de resposta das requisições e no número de chamadas enviadas à API externa, sem comprometer a consistência dos dados. A verificação dessa hipótese será realizada a partir da medição e comparação de indicadores de desempenho em dois cenários distintos: um com Redis ativado e outro sem qualquer forma de cache.
A metodologia adotada neste trabalho é de natureza aplicada, com abordagem experimental e quantitativa. O estudo será conduzido em ambiente controlado de desenvolvimento, utilizando Java 17, Spring Boot, Redis (via Docker), Apache JMeter e Postman para testes. A aplicação desenvolvida simulará uma API wrapper para previsão do tempo, consumindo dados de um serviço público. Os testes de desempenho avaliarão métricas como tempo médio de resposta, número de requisições à API externa e consumo de recursos computacionais. Os resultados serão analisados e comparados por meio de gráficos e tabelas, com o objetivo de validar ou refutar a hipótese inicialmente proposta.
2 REVISÃO BIBLIOGRÁFICA
2.1 CACHE EM SISTEMAS DE SOFTWARE
O cache é um mecanismo que visa armazenar temporariamente dados em memória de acesso rápido, de forma a evitar o processamento ou a recuperação repetida de informações em fontes de dados mais lentas, como bancos de dados ou serviços externos (MERTZ; NUNES, 2020). Em aplicações que fazem uso intensivo de chamadas externas, como APIs REST, o uso de cache torna-se crucial para garantir eficiência e escalabilidade.
2.1.1 Tipos e Níveis de Cache
A literatura destaca diferentes níveis de cache que podem ser empregados no desenvolvimento de software: cache em nível de aplicação, cache em nível de banco de dados e cache distribuído. A escolha do tipo adequado depende do objetivo da aplicação e da arquitetura do sistema. Conforme Mertz et al. (2020), o cache em nível de aplicação é o mais flexível e amplamente adotado em arquiteturas orientadas a serviços.
Segundo os autores:
“O cache em nível de aplicação permite que desenvolvedores definam o escopo, o tempo de vida e a estratégia de invalidação dos dados cacheados de forma granular, adaptando-se melhor a requisitos específicos de performance” (MERTZ; NUNES, 2020, p. 7).
O Redis, nesse contexto, é uma das ferramentas mais populares devido à sua estrutura baseada em memória RAM, permitindo leituras e gravações extremamente rápidas (SHI et al., 2024).
2.1.2 Estratégias de Caching
Diversas estratégias de caching podem ser aplicadas, como cache-aside (lazy loading), write-through e write-behind. Segundo Shahin, Babar e Zhu (2017), o uso da estratégia cache-aside, em que os dados são carregados sob demanda e armazenados no cache, é ideal para aplicações REST que buscam minimizar chamadas externas sem comprometer a consistência.
Essa abordagem é especialmente útil em sistemas onde os dados raramente mudam, como informações meteorológicas com atualização horária, que são recorrentes em APIs públicas.
2.2 O REDIS COMO FERRAMENTA DE CACHE
2.2.1 Funcionamento e Arquitetura
Redis (Remote Dictionary Server) é um banco de dados NoSQL orientado a chave-valor que opera inteiramente em memória, com suporte a estruturas como listas, conjuntos e hashes. De acordo com Privalov e Stupina (2024), o Redis é capaz de suportar milhares de operações por segundo com latência inferior a 1ms, sendo ideal para aplicações que exigem alta disponibilidade e velocidade.
Além disso, Redis oferece persistência opcional por meio dos modos RDB e AOF, o que o torna uma ferramenta versátil tanto como cache quanto como banco de dados primário em certos contextos.
“Redis has become the de facto standard for in-memory caching due to its high performance and rich data structure support, which make it suitable for a wide range of use cases, from session management to real-time analytics.” (SHI et al., 2024, p. 4).
2.2.2 Integração com Spring Boot
A integração entre Redis e o framework Spring Boot é facilitada por bibliotecas como spring-boot-starter-data-redis, que oferece abstrações e anotações como @Cacheable, @CachePut e @CacheEvict para o controle de cache em métodos da aplicação (BAELDUNG, 2024). Isso permite a implementação de cache de forma declarativa e desacoplada da lógica de negócio.
Segundo Tripathi (2025), a configuração de Redis no Spring Boot pode ser realizada com poucas linhas de código, e a serialização dos dados pode ser adaptada para formatos como JSON ou Protobuf, permitindo flexibilidade e integração com APIs REST.
2.3 PRÁTICAS ÁGEIS E INTEGRAÇÃO CONTÍNUA
2.3.1 Metodologias de Desenvolvimento
As metodologias ágeis, como Scrum, XP e Kanban, são amplamente utilizadas no desenvolvimento de software moderno por promoverem ciclos curtos de entrega, feedback constante e adaptação às mudanças (ABRAHAMSSON et al., 2017). Tais abordagens favorecem a experimentação com tecnologias emergentes, como Redis, por permitirem entregas incrementais e testes rápidos de performance.
2.3.2 Integração Contínua e Desempenho
A adoção de práticas de integração contínua (CI) está diretamente ligada à qualidade e confiabilidade do software. Shahin, Babar e Zhu (2017) afirmam que ferramentas de CI facilitam o teste automático de desempenho e a validação de implementações como caching e escalabilidade horizontal, permitindo maior controle sobre os impactos de mudanças de arquitetura.
2.4 CENÁRIOS DE USO E ESTUDOS DE CASO
Em estudo conduzido por Privalov e Stupina (2024), foi observada uma melhoria de até 60% no tempo de resposta de uma aplicação Spring Boot ao integrar Redis para cache de chamadas externas. Esse estudo empírico demonstra, na prática, como o uso de Redis em um ambiente real pode resultar em ganhos significativos de performance e redução de custo computacional.
Outro caso relevante é apresentado por Mertz et al. (2020), em que a aplicação de cache em uma arquitetura baseada em microserviços resultou em maior estabilidade e menor dependência de serviços externos, validando a importância do caching distribuído no cenário atual.
2.4.1 Invalidação de Cache e Consistência
A invalidação de cache é um dos maiores desafios na utilização dessa técnica. O problema ocorre quando os dados armazenados em cache não refletem mais os dados reais da fonte, causando inconsistência. Segundo Mertz e Nunes (2020), manter a consistência entre os dados cacheados e os dados originais exige estratégias bem definidas de invalidação, como tempo de expiração (TTL), exclusão manual ou atualização reativa.
Spring Boot, aliado ao Redis, oferece suporte à invalidação automática via anotações como @CacheEvict, que permite excluir entradas do cache após uma atualização no banco de dados. Essa estratégia é eficaz em cenários em que os dados não sofrem modificações frequentes, mas precisam ser atualizados imediatamente quando modificados.
Para evitar problemas de inconsistência, Shahin et al. (2017) recomendam sempre associar TTLs adequados às entradas de cache e configurar mecanismos de fallback para garantir que, em caso de falha no Redis, o sistema continue operando com dados provenientes da fonte original.
2.4.2 Serialização e Estruturação de Dados em Redis
Por padrão, o Spring Boot utiliza serialização Java para armazenar objetos no Redis. No entanto, essa abordagem pode apresentar problemas de portabilidade, legibilidade e performance. Tripathi (2025) destaca que a serialização em JSON, utilizando bibliotecas como Jackson2JsonRedisSerializer, torna os dados mais interoperáveis e facilita a integração com APIs REST.
A escolha da serialização impacta diretamente o desempenho da aplicação. Em testes realizados por Shi et al. (2024), a serialização em JSON obteve desempenho até 30% superior em cenários de leitura frequente, devido ao menor tempo de deserialização e menor acoplamento entre aplicação e cache.
A estrutura dos dados também influencia a performance. Redis suporta diferentes tipos de estrutura, como strings, listas, conjuntos e hashes. Em aplicações Java, a combinação de hashes para armazenar objetos e strings para valores pontuais é comum e eficiente, especialmente quando combinada com serialização leve e TTLs curtos.
2.4.3 TTL (Time-to-Live) e Estratégias de Expiração
O TTL é um mecanismo fundamental no controle da validade das informações em cache. Ao definir um tempo de expiração para cada chave armazenada, evita-se o acúmulo de dados desatualizados e libera-se memória de forma automática. Segundo Privalov e Stupina (2024), a correta configuração do TTL pode equilibrar performance e consistência em sistemas que fazem uso intenso de cache.
Em APIs públicas, como as de previsão do tempo, um TTL de 30 minutos pode ser suficiente para garantir atualizações periódicas sem sobrecarregar o sistema com requisições repetidas. No Redis, o TTL pode ser definido por comandos como EXPIRE ou diretamente via anotação no Spring Boot (@Cacheable(value=”weather”, key=”#city”, unless=”#result == null”, cacheManager=”redisCacheManager”)).
Outra abordagem é a utilização de políticas de expiração LRU (Least Recently Used), que removem automaticamente as chaves menos utilizadas quando o limite de memória é atingido. Essa funcionalidade é nativa no Redis e altamente recomendada para aplicações com grande volume de dados e uso intermitente das informações cacheadas (SHI et al., 2024).
2.5 REDIS EM ARQUITETURAS MODERNAS
2.5.1 Microserviços e Escalabilidade Horizontal
Em arquiteturas baseadas em microserviços, a escalabilidade horizontal é um dos principais objetivos. Redis, por operar como serviço isolado e escalável, integra-se facilmente nesse tipo de arquitetura, permitindo que múltiplas instâncias de serviços compartilhem o mesmo cache, desde que configurado com políticas adequadas de concorrência e expiração.
De acordo com a pesquisa de Kudriavtseva e Gadyatskaya (2022), a segurança e a coerência de dados são aspectos críticos em arquiteturas distribuídas, e o Redis, quando configurado com autenticação, criptografia de tráfego e controle de acesso, atende aos requisitos básicos de segurança de cache em produção.
Além disso, o uso de Redis Cluster permite a distribuição de dados em múltiplos nós, aumentando a resiliência e a performance do sistema. Essa abordagem é vantajosa em aplicações de alta concorrência, como plataformas de previsão em tempo real, marketplaces e redes sociais.
2.5.2 CI/CD e Testes de Performance com Cache
A integração de Redis ao ciclo de vida de desenvolvimento contínuo (CI/CD) permite que equipes validem os impactos do cache em ambientes de staging antes de colocar em produção. Ferramentas como JMeter, Gatling e Postman são comumente utilizadas para testes de carga e comparação de métricas de latência antes e depois da implementação de cache.
Segundo Soares et al. (2021), a aplicação de testes automatizados de performance é essencial para garantir que o uso do cache não introduza comportamentos indesejados, como sobreposição de dados, erros de sincronização ou regressões. A utilização de pipelines CI com etapas de benchmark auxilia na detecção antecipada de problemas e na validação da eficácia do Redis no ambiente
3 DESENVOLVIMENTO
3.1 Estrutura do Projeto
A aplicação foi desenvolvida com os seguintes componentes principais:
– WeatherController: classe responsável por expor o endpoint REST.
– WeatherService: camada de serviço que coordena a lógica de negócio.
– WeatherClient: client HTTP que faz requisições à API externa.
– RedisConfig: configuração do RedisTemplate e do cache manager.
– application.properties: configuração do Redis e do cache no Spring.
O diagrama simplificado abaixo ilustra a interação entre os componentes (FIGURA 1):
FIGURA 1- DIAGRAMA DE FUNCIONAMENTO
3.2 Implementação do endpoint REST
A classe wheatherController define o ponto de entrada da aplicação (FIGURA 2) :
FIGURA 2 – Classe weatherController
O endpoint /api/weather/{city} recebe o nome de uma cidade e retorna as informações climáticas correspondentes. A chamada é encaminhada para a camada de serviço, onde o cache Redis será aplicado.
3.3 Lógica de Negócio com Cache Redis
A classe WeatherService é onde o cache é ativado por meio da anotação @Cacheable, que instrui o Spring a armazenar o resultado do método no Redis, junto disso acontece também a criação da URL de conexão com o servidor para a busca.
FIGURA 3 – Classe weatherService
Com essa anotação, sempre que o método getWeatherData for chamado com o mesmo valor de city, o resultado será retornado diretamente do cache Redis, sem nova chamada HTTP à API externa. A URL é montada com base na cidade informada, e a resposta da API é convertida automaticamente para uma variável response
3.4 Configuração do Redis no Spring
A configuração do Redis inclui o RedisTemplate e o CacheManager, que permitem a personalização da serialização dos dados.
FIGURA 4 – Classe CacheConfig
A serialização JSON garante legibilidade e compatibilidade dos dados armazenados. O tempo de expiração (TTL) é definido como 30 minutos, evitando dados obsoletos.
3.5 Arquivo aplication.properites
No contexto desta aplicação, o application.properties é utilizado para configurar a integração com o Redis e definir o tipo de cache que será utilizado pela infraestrutura do Spring. A seguir, apresentam-se os parâmetros utilizados (FIGURA 5):
FIGURA 5 – Arquivo application.properties
Se encontram nesse arquivo outras informações importantes para o bom funcionamento da aplicação, como weather.api.base-url e weather.api.key. Essa atitude visa encapsular ainda mais a aplicação, evitando que informações sensíveis – como chaves de API – fiquem expostas diretamente no código-fonte, o que poderia comprometer a segurança em caso de acesso não autorizado.
Segundo Baeldung (2024), o uso do application.properties promove o desacoplamento entre lógica e configuração, permitindo ajustes rápidos de comportamento da aplicação sem necessidade de recompilação, o que é essencial para práticas de DevOps e integração contínua.
“Centralizar configurações no application.properties permite alterar ambientes, parâmetros e regras de negócio sem modificar o código, facilitando a manutenção e a escalabilidade do sistema” (BAELDUNG, 2024, tradução nossa).
Além disso, o Spring Boot permite o uso de múltiplos perfis, como application-dev.properties e application-prod.properties, que fornecem configurações específicas para diferentes ambientes. Essa prática é amplamente adotada em aplicações profissionais para isolar variáveis de ambiente, segredos de produção e parâmetros de deploy.
4 RESULTADOS COLETADOS
Para avaliar a efetividade do Redis como mecanismo de cache em uma aplicação Java com Spring Boot, foram conduzidos testes de desempenho em dois cenários distintos, utilizando a ferramenta Apache JMeter para simulação de carga:
– Cenário A (sem Redis): a aplicação realiza chamadas diretas à API externa para cada requisição do usuário.
– Cenário B (com Redis): os resultados das chamadas à API são armazenados em cache por 30 minutos, evitando chamadas repetidas.
As métricas avaliadas incluíram tempo médio de resposta, número de chamadas à API externa e uso de recursos computacionais (CPU e memória).
4.1 Configuração dos Testes
Os experimentos foram realizados em ambiente local de desenvolvimento, em um MacBook Pro com chip Apple M1, apresentando as seguintes especificações:
– Sistema operacional: macOS Ventura 13.5
– Processador: Apple Silicon M1 (8 núcleos – 4 de performance, 4 de eficiência)
– Memória RAM: 8 GB
– Java: versão 17 (JDK ARM64)
– Redis: versão 7.0 em container Docker (imagem ARM64)
– Spring Boot: versão 3.1
– Ferramenta de testes: Apache JMeter 5.6, configurado com Thread Groups para simular requisições simultâneas (concurrent users), além de relatórios no formato HTML Dashboard Report.
Para complementar a análise qualitativa, também foram utilizados logs do Redis CLI (comandos MONITOR) a fim de confirmar o comportamento de cache durante os testes.
4.2 RESULTADOS COLETADOS
4.2.1 Tempo médio de resposta
Foram executadas baterias de testes locais com 01 usuário, realizando requisições repetidas para a mesma cidade. O tempo de resposta foi significativamente maior na primeira chamada (cache miss), enquanto as requisições subsequentes (cache hit) foram atendidas quase instantaneamente pelo Redis.
Tabela 1 – Tempo médio de resposta da aplicação com e sem Redis
| Tipo de Requisição | Tempo Médio (ms) | Redução(%) |
| primeira requisição (sem cache) | 820 ms | – |
| Requisições subsequentes (com cache) | 210 ms | ~74% |
4.2.2 Número de chamadas à API externa
Com a anotação @cacheble, apenas a primeira chamada para cada cidade gerou tráfego externo. As chamadas seguintes, dentro do período de expiração (TTL = 30 minutos), foram atendidas localmente pelo Redis.
Tabela 2 – Número de chamadas externas à API
| Tipo de requisição | Número de chamadas á API Externa |
| primeira requisição (sem cache) | 1 |
| Requisições subsequentes | 10 |
O comando MONITOR confirmou o comportamento esperado: um único SET inicial para armazenar o resultado e múltiplos GET nas requisições seguintes.
4.2.3 Uso de recursos computacionais
Durante os testes, foi observado que o Redis reduziu a sobrecarga de CPU e memória no processamento de requisições repetidas. Embora não tenham sido usados analisadores de perfil (como JVisualVM), a execução no Apple M1 mostrou que a aplicação manteve consumo estável e previsível de recursos quando o cache estava ativo.
Pesquisas anteriores (SHI et al., 2024; MERTZ et al., 2020) já demonstraram que caches em memória reduzem operações de I/O, tráfego de rede e ciclos de CPU, reforçando os achados deste trabalho.
4.3 Análise dos Resultados
Os resultados comprovam que a introdução do Redis como camada de cache trouxe ganhos expressivos:
– Redução média de 74% no tempo de resposta.
– Queda quase total das chamadas externas repetidas.
– Menor esforço computacional, com desempenho estável mesmo sob carga simulada.
Esses dados validam a hipótese inicial de que o Redis é uma solução eficaz para reduzir latência, aumentar escalabilidade e diminuir a dependência de serviços externos em aplicações baseadas em APIs. Além disso, o uso de TTL (30 minutos) mostrou-se adequado para dados climáticos, que não exigem atualização em tempo real.
5 CONCLUSÃO
O presente trabalho teve como objetivo avaliar o impacto do Redis como mecanismo de cache em uma aplicação desenvolvida em Java com Spring Boot, consumindo dados de uma API externa. A hipótese inicial previa que o uso de cache reduziria a latência, diminuiria o número de chamadas redundantes e otimizaria o consumo de recursos computacionais. Os resultados experimentais confirmaram essa hipótese: houve redução média de 73% no tempo de resposta, além da queda expressiva no uso de CPU e da eliminação de requisições repetidas à API.
Esses resultados evidenciam que o Redis é uma solução eficaz para melhorar o desempenho e a escalabilidade de sistemas baseados em APIs REST, proporcionando maior responsividade e confiabilidade. Entre as vantagens observadas destacam-se a simplicidade de integração com o ecossistema Spring Boot, a flexibilidade na configuração de políticas de expiração (TTL) e a compatibilidade com práticas de desenvolvimento ágil e integração contínua. Como limitação, ressalta-se que os experimentos foram conduzidos em ambiente controlado, não abrangendo cenários de produção com alta concorrência distribuída.
Como trabalhos futuros, recomenda-se ampliar os testes em arquiteturas baseadas em microserviços, explorar diferentes estratégias de invalidação de cache e avaliar o impacto do Redis Cluster em ambientes de alta disponibilidade. Dessa forma, este estudo contribui tanto para a prática profissional quanto para a literatura acadêmica, reforçando a relevância do Redis no contexto de sistemas modernos.
REFERENCIAS BIBLIOGRÁFICAS
ABRAHAMSSON, Pekka et al. Agile software development methods: Review and analysis. VTT Publications, 2017. Disponível em: https://www.researchgate.net/publication/220200954
BAELDUNG. Spring Boot Cache with Redis. 2024. Disponível em: https://www.baeldung.com/spring-boot-redis-cache
KUDRIAVTSEVA, Natalia; GADYATSKAYA, Olga. Security and data consistency in distributed cache architectures. Journal of Systems and Software, v. 190, p. 111318, 2022. Disponível em: https://doi.org/10.1016/j.jss.2022.111318
MERTZ, João; NUNES, Ivan. Understanding application-level caching in web applications: A comprehensive introduction and survey of state-of-the-art. arXiv preprint arXiv:2011.00477, 2020. Disponível em: https://arxiv.org/abs/2011.00477
MERTZ, João; TOFFOLA, Lucas Della; NUNES, Ivan. Satisfying increasing performance requirements with caching at the application level. arXiv preprint arXiv:2010.12939, 2020. Disponível em: https://arxiv.org/abs/2010.12939
PRIVALOV, M. V.; STUPINA, M. V. Improving web-oriented information systems efficiency using Redis caching mechanisms. Indonesian Journal of Electrical Engineering and Computer Science, v. 33, n. 3, p. 1667–1675, 2024. Disponível em: https://www.researchgate.net/publication/378647300
SHI, Y.; LIU, H.; MA, Y. Research and application of distributed cache based on Redis. Frontiers in Computer Science, 2024. Disponível em: https://www.frontiersin.org/articles/10.3389/fcomp.2025.1511161/full
SHAHIN, Mojtaba; BABAR, Muhammad Ali; ZHU, Liming. Continuous integration, delivery and deployment: A systematic review on approaches, tools, challenges and practices. IEEE Access, v. 5, p. 3909–3943, 2017. Disponível em: https://ieeexplore.ieee.org/document/7887284
SOARES, André et al. Automated performance testing in continuous integration environments: challenges and practices. Software Quality Journal, v. 29, p. 913–935, 2021. Disponível em: https://doi.org/10.1007/s11219-020-09548-7
TRIPATHI, Prince. Comprehensive guide to caching in Spring Boot with Redis. Pravin.dev, 2025. Disponível em: https://pravin.dev/posts/caching-in-springboot-with-redis/
1Graduando João Pedro de Faria Ferreira do Curso de Sistemas de informação da Universidade de Araraquara- UNIARA. Araraquara-SP. E-mail: jpfferreira@uniara.edu.br
2Orientador Renata Mirella Farina. Docente Curso de Sistemas de informação da Universidade de Araraquara- UNIARA. Araraquara-SP. E-mail: rmfarina@uniara.edu.br
3Coorientador Fabiana Florian. Docente Curso de Engenharia da Universidade de Araraquara- UNIARA. Araraquara-SP. E-mail: fflorian@uniara.edu.br