Zusammenfassung der Produktankündigungen bei der MongoDB.local New York 2023

Heute haben wir auf der MongoDB.local NYC mehrere neue Funktionen auf unserer Entwicklerdatenplattform vorgestellt, um Benutzern und Kunden beim Entwickeln, Iterieren und Skalieren ihrer Anwendungen mit MongoDB zu helfen.

Von Entwicklungsteams wird verlangt, überzeugende und differenzierte Benutzererlebnisse bereitzustellen, die schneller und intelligenter als sind je zuvor. Gleichzeitig müssen sie dies so schnell und effizient wie möglich tun.

Die Entwicklerdatenplattform von MongoDB ist für Teams, die schnell und effizient Innovationen erreichen wollen, von entscheidender Bedeutung. Sie ermöglicht Entwicklern, eine Vielzahl von Anwendungsfällen in ihrer Organisation über eine einheitliche API zu unterstützen und macht das Verbinden, Erlernen und Verwalten separater Datenbank-Lösungen überflüssig.

Erweiterung der Palette moderner Anwendungen, die Sie mit MongoDB entwickeln können

Es wird eine neue Generation KI-gestützter Erlebnisse entwickelt, bei denen Vektoren als grundlegendes Element dienen, das diese Anwendungen ermöglicht. Vektoren sind mathematische Darstellungen der Merkmale unstrukturierter Daten – einschließlich Text, Bilder, Videos, Audiodateien und mehr – und belegen einen n-dimensionalen Raum, wobei n die Anzahl der Merkmale im Datensatz ist. Ob Daten ähnlich sind oder nicht, hängt vom Abstand zwischen Vektoren in diesem n-dimensionalen Vektorraum ab. Mit einer Vektordatenbank können Benutzer Vektoren abfragen, um festzustellen, was ähnlich oder verwandt ist, ohne sich auf Keyword Matching verlassen zu müssen. Atlas Vector Search wurde heute angekündigt und ermöglicht Ihnen das Speichern, Indexieren und Abfragen von Vektoren neben Ihren Betriebs- und Transaktionsdaten in Dokumenten, ohne dass Sie ein weiteres Datenbanksystem hinzufügen, erlernen und warten müssen . Durch das Hinzufügung von Vector Search zu MongoDB Atlas können Teams den Endbenutzern relevantere, kontextbewusstere Ergebnisse liefern, einschließlich der Möglichkeit, auf Large Language Models (LLMs) basierende Anwendungen mit proprietären Daten zu erweitern, um Genauigkeit und Leistung zu verbessern. Atlas Vector Search ist ab heute als Public Preview verfügbar.

Auch Anwendungen müssen heute mehr in Echtzeit funktionieren als je zuvor, aber die Verarbeitung von Daten-Streams und deren Einbindung in Anwendungen ist komplex und herausfordernd. Die meisten Unternehmen führen eine Stream-Processing Nischenlösung mit unterschiedlichen APIs, Treibern und Tools ein, was zu einer fragmentierten Entwicklererfahrung, operationaler Komplexität und zusätzlichen Kosten führt. Atlas Stream Processing ist bald als private Preview verfügbar und wird die Art und Weise verändern, wie Entwicklungsteams ereignisgesteuerte Anwendungen erstellen. Entwickler können dieselbe Abfragesprache und dasselbe flexible Dokumentdatenmodell verwenden, um sowohl mit Streaming-Daten als auch mit ihren Daten in der Datenbank für Anwendungsfälle zu arbeiten, die von der Überwachung des Netzwerkverkehrs auf Eindringlinge bis hin zur Live-Routenplanung auf der Grundlage der aktuellen Straßenbedingungen reichen.

Unternehmen wie Albertsons, Glassdoor und Anywhere Real Estate, der weltweit größte Franchisegeber für Wohnimmobilienmarken, verlassen sich auf Atlas Search, um Volltextfunktionen in ihren Anwendungen bereitzustellen, ohne Daten aus ihrer Datenbank bereitstellen und mit einer separaten Datenbank synchronisieren zu müssen.Mit den neuen Search Query Analytics erhalten Entwickler Einblick in die Suchanfragen ihrer Endnutzer und können so ihre Suchlogik besser verfeinern und anpassen. Darüber hinaus kann der Atlas Search Index jetzt in Sprachtreibern erstellt und managed werden (beginnend mit Node.js). MongoDB Compass und die MongoDB Shell machen es Entwicklern leicht, die lieber programmgesteuert mit ihrem Index arbeiten. Und schließlich wurden heute dedizierte Search Nodes angekündigt, die es Teams ermöglichen, Ressourcen für ihre Search Workloads unabhängig zu skalieren und zu optimieren, um die skalierte Leistung, die höhere Verfügbarkeit und schnellere Indexerstellung zu verbessern.

Verbesserung der Grundlagen für Performance, Skalierbarkeit und Sicherheit

Die Arbeit, die wir in die Verbesserung der Performance, Skalierbarkeit und Sicherheit unserer Entwicklerdatenplattform stecken, ist ebenso wichtig wie die Erweiterung ihres Funktionsumfangs.

Ab MongoDB 7.0 werden Verbesserungen bei der Abfrageausführung die Anzahl der Festplattenlesevorgänge, Rechenressourcen und den Speicherbedarf für die Ausführung bestimmter Abfragen reduzieren, was zu einer verbesserten Leistung und einem effizienteren Ressourcenverbrauch führt. Insbesondere beschleunigt die neue Abfrageausführung das Gruppieren und Umformen von Dokumenten, das Filtern und Sortieren von Dokumenten sowie $lookups, die zum Zusammenführen von Daten über mehrere Collections hinweg verwendet werden.

Letztes Jahr haben wir Queryable Encryption als Preview eingeführt. Dieses branchenweit erste durchsuchbare Daten-Verschlüsselungsschema ermöglicht es Benutzern, sensible Datenfelder – wie z. B. persönliche Daten – clientseitig zu verschlüsseln und diese Daten als vollständig zufällig verschlüsselte Daten in der Datenbank zu speichern, während gleichzeitig die Möglichkeit zur Ausführung von Abfragen erhalten bleibt. Mit MongoDB 7.0 unterstützt Queryable Encryption auch Equality Search und bald auch Bereichs-, Präfix-, Suffix- und Teilzeichenfolgenabfragen.

MongoDB 7.0 wird später in diesem Sommer allgemein verfügbar sein.

Kontinuierlicher Fokus auf ein erstklassiges Entwicklererlebnis

Nur wenige Dinge sind für die Softwareentwicklung wichtiger als die Sicherstellung einer erstklassigen Entwickler- und Betriebserfahrung. Uns ist es weiterhin wichtig, die Benutzerfreundlichkeit unserer Produkte zu verbessern und die Auswahl an Tools zu erweitern, die Entwicklern für die Software-Entwicklung mit MongoDB zur Verfügung stehen.

Kotlin entwickelt sich zu einer beliebten Sprache sowohl für die mobile als auch für die serverseitige Entwicklung. Heute haben wir einen neuen offiziellen Kotlin-Treiber vorgestellt, der es Kotlin-Entwicklern ermöglicht, bedenkenlos Anwendungen auf MongoDB zu entwickeln, in dem Wissen, dass wir uns für die Unterstützung dieser schnell wachsenden Sprachgemeinschaft engagieren. Wir veröffentlichen außerdem PyMongoArrow, eine neue Bibliothek für Entwickler und Datenanalysten zum einfachen Exportieren von Daten in MongoDB in Python-basierte Analyse-Stacks, einschließlich Apache Arrow, Pandas und NumPy.

Da immer mehr Unternehmen ihre DevOps-Pipeline optimieren, können Tools, die eine programmatische Automatisierung ermöglichen, die Effizienz und Produktivität erheblich verbessern. Entwickler können jetzt Ressourcen auf MongoDB Atlas mithilfe des Amazon Web Services Cloud Development Kit (AWS CDK) in C#, Go, Java und Python sowie mit Node.js und Typescript bereitstellen. Unternehmen, die Kubernetes nutzen, können die MongoDB Atlas CLI verwenden, um den Atlas Kubernetes Operator zu installieren und vorhandene Deployments zu exportieren, um die Infrastrukturverwaltung und -bereitstellung zu vereinfachen.

Der Weg zur Anwendungsmodernisierung

Die Anwendungsmodernisierung ist für viele Unternehmen nach wie vor eine wichtige Investition, um eine schnelle Software-Iteration zu ermöglichen und den sich ständig weiterentwickelnden Anwendungsanforderungen gerecht zu werden. MongoDB Relational Migrator ist jetzt allgemein verfügbar und trägt dazu bei, Migrationen von gängigen relationalen Datenbanken – einschließlich Oracle, SQL Server, MySQL und PostgreSQL – zu MongoDB zu beschleunigen und das Risiko zu verringern.Dieses Tool übernimmt nicht nur die Datenmigration selbst, sondern ermöglicht es Migrationsteams auch, MongoDB Datenmodellierungsempfehlungen anzuzeigen, Schemaänderungen über eine visuelle Schnittstelle zu definieren und Anwendungscode in ihrer Programmiersprache oder ihrem Framework zu generieren, um einen Vorsprung bei der Umgestaltung ihrer Anwendungen zu erhalten um das neu gestaltete MongoDB Schema widerzuspiegeln.