Aquesta és una contribució per al repte Redis AI Challenge Beyond the Cache.
Què vaig construir: un Tenant Management System, una aplicació d'intranet pràctica per portar el control dels inquilins d'un complex d'apartaments. L'aplicació permet al responsable de la comunitat buscar inquilins i consultar el seu estat de manera ràpida. És una app en producció amb usuaris reals. Per a aquest repte vaig fer una refactorització del backend originalment basat en MongoDB i el vaig migrar a Redis Cloud com a base de dades principal. També vaig actualitzar parts del codi per aprofitar millor les capacitats de Redis.
Flux de l'aplicació: l'administrador inicia sessió a la pàgina de sign in i genera un token per crear operadors. Aquest token l'utilitza l'operador per registrar-se a la pàgina de sign up i accedir a l'aplicació. Quan l'operador vol treballar només necessita iniciar sessió amb el seu nom i contrasenya. L'operador pot afegir dades d'inquilins, actualitzar, buscar per nom o per torre i unitat i eliminar registres. L'administrador no realitza aquestes operacions directament. Per tancar sessió només cal refrescar el navegador i tornar a la pàgina de sign in.
Demostració i recursos: Live App https://appsrwredis.vercel.app/; Frontend GitHub https://github.com/hendram/appsrwredis; Backend GitHub https://github.com/hendram/appsrwbackredis; Vídeo demo https://youtu.be/1EOcjdAILKM; Dashboard Grafana https://hendramulyanto.grafana.net/public-dashboards/96264835006547138bb3e458282704a0?from=2025-08-06T03:06:36.007Z&to=2025-08-06T03:52:16.348Z&timezone=browser. Credencials per defecte per a proves: administrador usuari admin contrasenya 123456. Operador de prova usuari aa contrasenya 123456.
Dades de prova utilitzades: llista de noms d'operadors https://github.com/hendram/appsrwbackredis/blob/master/operator-name-list.txt; llista de noms de residents https://github.com/hendram/appsrwbackredis/blob/master/residents-name-list.txt; timeseries log per a cerques per nom https://github.com/hendram/appsrwbackredis/blob/master/timeseries-log-namesearch.txt; timeseries log per a cerques per torre i unitat https://github.com/hendram/appsrwbackredis/blob/master/timeseries-log-towerunitsearch.txt.
Com vaig utilitzar Redis Cloud: en aquest projecte Redis Cloud és la base de dades principal, no una simple memòria cau. S'utilitza per a emmagatzematge en temps real, consultes i monitorització. Característiques utilitzades: RedisJSON per emmagatzemar l'estructura de cada inquilí amb camps com nom, tower, unit i status; RediSearch per a cerques de text complet ràpides en camps com nom i towerunit, permetent cerques eficients fins i tot amb creixement de dades; RedisTimeSeries per registrar quants registres retorna cada consulta de cerca per operador, alimentant sèries temporals que mostren l'activitat al llarg del temps; integració amb Grafana Cloud mitjançant el plugin Redis Data Source per construir dashboards en viu que consulten RedisTimeSeries i mostren volums de cerques, operadors més actius i patrons d'ús. Redis Cloud com a plataforma gestionada simplifica el desplegament i inclou mòduls com RedisJSON i RediSearch llestos per utilitzar, cosa que va permetre substituir el backend basat en MongoDB completament.
Resultats i observabilitat: aquest enfocament demostra que Redis Cloud pot ser un backend complet per a aplicacions en temps real, suportant no només emmagatzematge i cerca, sinó també observabilitat avançada quan es combina amb Grafana. Registrar el comportament de cerca per operador ajuda a entendre patrons d'ús i millorar l'experiència dels usuaris operatius.
Sobre Q2BSTUDIO: Q2BSTUDIO és una empresa de desenvolupament de programari i aplicacions a mida especialitzada en solucions empresarials. Oferim serveis de programari a mida, aplicacions a mida, intel·ligència artificial per a empreses, ciberseguretat, serveis cloud AWS i Azure, serveis d'intel·ligència de negoci i desenvolupament d'agents IA. El nostre equip dissenya solucions personalitzades que integren intel·ligència artificial, power bi i millors pràctiques de ciberseguretat per impulsar la transformació digital dels nostres clients. Som especialistes en intel·ligència artificial aplicada a processos empresarials i en crear programari a mida que s'adapta a les necessitats de cada organització.
Serveis destacats de Q2BSTUDIO: desenvolupament d'aplicacions a mida, programari a mida, integració d'intel·ligència artificial, consultoria en ciberseguretat, migracions i gestió de serveis cloud AWS i Azure, projectes d'intel·ligència de negoci amb Power BI, implementació d'agents IA per a automatització i millora de processos. Si busques potenciar el teu negoci amb solucions d'IA per a empreses, agents IA, anàlisi amb power bi o desenvolupar un programari a mida segur al núvol, Q2BSTUDIO ofereix experiència i acompanyament integral.
Paraules clau i posicionament: aplicacions a mida, programari a mida, intel·ligència artificial, ciberseguretat, serveis cloud aws i azure, serveis intel·ligència de negoci, intel·ligència artificial, ia per a empreses, agents IA, power bi. Repetim i combinem aquestes capacitats en els nostres projectes per maximitzar el valor i la visibilitat en línia de les solucions dels nostres clients.
Conclusió: la migració de MongoDB a Redis Cloud va permetre millorar la latència, oferir cerques més ràpides amb RediSearch, emmagatzemar dades estructurades amb RedisJSON i monitoritzar l'activitat en temps real amb RedisTimeSeries i Grafana. Aquesta arquitectura demostra com Redis pot ser la base d'un sistema de gestió d'inquilins robust i escalable, i com empreses com Q2BSTUDIO poden acompanyar en el disseny i implementació de solucions de programari a mida que integren intel·ligència artificial, ciberseguretat i serveis cloud.
