概要

• Redisに新しい Arrayデータ型 を追加する開発経緯
• AI（主に GPT 5.x）を活用した設計・実装・テストのプロセス
• 実装中に直面した課題と データ構造の進化
• Markdownファイルや正規表現（ ARGREP）など新機能の追加
• AIの利点と今後のRedisへの期待

Redis Arrayデータ型開発ストーリー

• 2024年1月初旬より Redisの新しいArrayデータ型 の開発を開始

• 実装は約4ヶ月間、 パートタイム的に作業 （実際はフルタイム週も多数）

• 最初の1ヶ月は 仕様書の作成 に集中

  • 新データ型の意義、C構造体、スパース表現、リングバッファ用カーソルのセマンティクスなどを詳細に記述

• 仕様書作成時は Opusとペア作業、その後 GPT 5.3 リリースで Codex を活用

• 設計・実装の全工程で GPT 5.xシリーズ を主に利用

  • フィードバックや設計上の課題解決、妥協点の検討などAIと対話しながら進行

• 2ヶ月目以降、 自動コーディング（オートコーディング） で実装開始

  • コードを常に レビューしつつ開発

• 初期設計の 間接参照レベルが不十分 と判明

  • ARSET myarray 293842948324 foo のような操作で効率的なメモリ管理を目指し、 階層構造を再設計
    • ディレクトリ＋スライス（スパース/デンス）の2層構造を 超ディレクトリ＋デンスディレクトリ＋スライス 構造に進化
    • 各スライスは 4096要素 をデフォルトで保持
    • ARSCANやARPOP 操作の効率向上

• コード全体を 行単位で精査

  • AIによる広範なテストに加え、 細かな非効率性や設計ミス を人間とAIで修正

• 3ヶ月目には 多様なストレステスト を実施し、堅牢性と有用性を確認

• 利用ケース検証中に MarkdownファイルをArrayに格納 する使い方を発見

  • これをきっかけに ARGREP （正規表現検索）機能を実装
    • 正規表現ライブラリは TRE を採用（安全性重視）
    • foo|bar|zap パターンの効率化やセキュリティ修正もAIと協力して実施

• AIの最大の利点

  • 複雑で膨大な作業 の安全網として機能
  • 32ビットサポート の追加・テストなど、膨大なタスクもAIで効率化
  • 複雑なアルゴリズムのバグ検出 にも貢献

• 膨大な仕様書 の作成が後の作業全体の鍵

  • sparsearray.c、t_array.cなどの 全行レビュー も仕様書が支え

• ユースケース詳細は PRのコメント に記載（https://github.com/redis/redis/pull/15162）

• Redisに 数値インデックスを持つデータ型 が加わる意義を強調

• Array PRの受け入れと新たなユースケースの拡大 に期待

• フィードバック歓迎 の姿勢

---

Redis新Array型の設計ポイント

• 数値インデックス をセマンティクスに組み込む新データ型
• スパース／デンス表現 のハイブリッド構造
• データ量やアクセスパターンに応じて 内部構造を自動変形
  • メモリ効率と高速アクセスを両立
• 4096要素単位のスライス 管理方式
• ARSCANやARPOP など範囲操作の効率化

---

AI活用による開発効率と品質向上

• 設計・実装・テスト・最適化 の各工程でAIを積極活用
• 仕様書作成や設計議論 もAIとの対話で質向上
• コード自動生成＋人間によるレビュー で効率化と品質担保
• テストケース生成やバグ検出 もAIが支援
• AIによる仮想労働力 で膨大な作業量をカバー

---

今後のRedisと新Array型への期待

• 従来にないユースケース の開拓
  • ファイル管理やナレッジベース としての活用
  • 正規表現検索（ARGREP） による柔軟なデータ操作
• コミュニティからのフィードバック を歓迎
• Redisの進化 とユーザー体験の向上に貢献