High-Performance IoT Monitoring With Redis-Backed In-Memory Storage and Containerized CI/CD Pipeline

Year 2025, Issue: Advanced Online Publication, 19 - 20

Doğan Yıldız , İsmail Hakkı Turan , Sercan Demirci , Alper Enes Yavuz , Berkay Gebeş

https://doi.org/10.34248/bsengineering.1735232

Abstract

Bu çalışma, entegre Redis tabanlı bellek içi işleme mimarisine sahip yüksek performanslı bir Nesnelerin İnterneti (IoT) izleme sisteminin tasarımını, geliştirilmesini ve dağıtımını sunmaktadır. Sistem, sahada konuşlandırılmış sensör düğümlerinden gerçek zamanlı çevresel verileri toplar, bunları hibrit bir kablosuz altyapı üzerinden iletir ve Docker tabanlı konteynerleştirilmiş hizmetleri kullanan merkezi bir arka uçta işler. Modüler ve ölçeklenebilir bir CI/CD boru hattı, test etme, oluşturma ve dağıtım aşamalarını otomatikleştirir. Redis'in bir önbelleğe alma katmanı olarak dahil edilmesi, veritabanı yükünü azaltırken veri alımını ve izleme yanıt sürelerini önemli ölçüde iyileştirir. Deneysel bulgular, hata senaryolarında hızlı kurtarma, verimli gerçek zamanlı veri görselleştirme ve iyileştirilmiş sistem dayanıklılığını göstermektedir. Mimari, makine öğrenimi ve büyük ölçekli sensör dağıtımlarını içeren gelecekteki uzantılar için sağlam bir temel oluşturur.

Keywords

Nesnelerin İnterneti (IoT) , Bellekte İşleme , Redis , Konteynerleştirme , CI/CD Boru Hattı

High-Performance IoT Monitoring With Redis-Backed In-Memory Storage and Containerized CI/CD Pipeline

Abstract

This study presents the design, development, and deployment of a high-performance Internet of Things (IoT) monitoring system with an integrated Redis-based in-memory processing architecture. The system collects real-time environmental data from field-deployed sensor nodes, transmits it through a hybrid wireless infrastructure, and processes it on a centralized backend employing Docker-based containerized services. A modular and scalable CI/CD pipeline automates the testing, building, and deployment phases. The incorporation of Redis as a caching layer significantly enhances data ingestion and monitoring response times, while reducing database load. Experimental findings demonstrate rapid recovery in fault scenarios, efficient real-time data visualization, and improved system resilience. The architecture establishes a robust foundation for future extensions involving machine learning and large-scale sensor deployments.

Keywords

Internet of Things (IoT) , In-Memory Processing , Redis , Containerization , CI/CD Pipeline

References

• Akkaş, M. A., Sokullu, R., & Çetin, H. E. (2020). Healthcare and patient monitoring using IoT. Internet of Things, 11, 100–173.
• Alexander, M. (2008). Survey, surveillance, monitoring and recording. In W. J. Sutherland, L. V. Dicks, N. Ockendon, & R. K. Smith (Eds.), Management planning for nature conservation: A theoretical basis & practical guide (pp. 49–62). English Nature.