Hoje, no MongoDB.local NYC, revelamos vários novos recursos em nossa plataforma de dados de desenvolvedor para ajudar usuários e clientes a criar, iterar e dimensionar seus aplicativos com o MongoDB.
As equipes de desenvolvimento estão sendo solicitadas a oferecer experiências de usuário atraentes e diferenciadas, mais rápidas e inteligentes do que nunca. Ao mesmo tempo, devem fazê-lo da forma mais rápida e eficiente possível.
A plataforma de dados de desenvolvedores do MongoDB é essencial para equipes que se esforçam para inovar de forma rápida e eficiente. Ele permite que os desenvolvedores ofereçam suporte a uma ampla variedade de casos de uso de aplicativos em suas organizações por meio de uma API unificada e elimina a necessidade de incorporar, aprender e manter soluções pontuais de banco de dados separadas.
Expandindo a gama de aplicativos modernos que você pode construir no MongoDB
Uma nova geração de experiências baseadas em IA está sendo desenvolvida, onde os vetores servem como um elemento fundamental que torna essas aplicações possíveis. Vetores são representações matemáticas das características de dados não estruturados — incluindo texto, imagens, vídeos, arquivos de áudio e muito mais — e ocupam um espaço n-dimensional, onde n é o número de características no conjunto de dados. Se os dados são semelhantes ou não, baseia-se na distância entre os vetores neste espaço vetorial n-dimensional. Um banco de dados vetorial permite que os usuários consultem vetores para determinar o que é semelhante ou relacionado, sem depender da correspondência de palavras-chave. Anunciado hoje, o Atlas Vector Search permite armazenar, indexar e consultar vetores juntamente com seus dados operacionais e transacionais em documentos, sem a sobrecarga de adicionar, aprender e manter outro sistema de banco de dados. A adição da pesquisa vetorial ao MongoDB Atlas permite que as equipes forneçam resultados mais relevantes e sensíveis ao contexto aos usuários finais, incluindo a capacidade de aumentar aplicativos construídos em Large Language Models (LLMs) com dados proprietários para melhorar a precisão e o desempenho. Atlas Vector Search está disponível hoje em versão prévia pública.
Os aplicativos hoje também precisam ser mais em tempo real do que nunca, mas processar fluxos de dados e trazê-los para os aplicativos é complexo e desafiador. A maioria das organizações introduz uma solução de ponto de processamento de fluxo com um conjunto diferente de APIs, drivers e ferramentas que criam uma experiência de desenvolvedor fragmentada, complexidade operacional e custos adicionais. Em breve, em versão prévia privada, o Atlas Stream Processing transformará a forma como as equipes de desenvolvimento criam aplicativos orientados a eventos. Os desenvolvedores podem usar a mesma linguagem de consulta e modelo flexível de dados de documentos para trabalhar com dados de streaming e seus dados no banco de dados para casos de uso que vão desde o monitoramento do tráfego de rede em busca de intrusões até a realização de planejamento de rotas ao vivo com base nas condições atuais da estrada.
Empresas como Albertsons, Glassdoor e Anywhere Real Estate, a maior franqueadora de marcas imobiliárias residenciais do mundo, dependem do Atlas Search para fornecer funcionalidade de texto completo em seus aplicativos sem precisar implantar e sincronizar dados de seu banco de dados para um banco de dados separado. mecanismo de busca. Com a nova análise de consulta de pesquisa, os desenvolvedores obterão insights sobre o que seus usuários finais estão procurando, permitindo-lhes refinar e personalizar melhor sua lógica de pesquisa. Além disso, os índices do Atlas Search agora podem ser criados e managed em drivers de linguagem (começando com Node.js), MongoDB Compass e MongoDB Shell, facilitando para desenvolvedores que preferem trabalhar com seus índices de forma programática. E, finalmente, foram anunciados hoje nós de pesquisa dedicados, que permitirão que as equipes dimensionem e otimizem recursos de forma independente para suas cargas de trabalho de pesquisa para melhorar o desempenho em escala, maior disponibilidade e criação de índices mais rápida.
Melhorando a base de desempenho, escala e segurança
_Spot_BS_ForestGreen.png?auto=format%252Ccompress)
O trabalho que estamos realizando para melhorar o desempenho, a escalabilidade e a segurança de nossa plataforma de dados de desenvolvedores é tão importante quanto aumentar sua gama de recursos funcionais.
A partir do MongoDB 7.0, as melhorias na execução de consultas reduzirão o número de leituras de disco, os recursos de computação e a memória necessários para executar determinadas consultas, proporcionando melhor desempenho e consumo de recursos mais eficiente. Em particular, a nova estratégia de execução de consultas irá acelerar o agrupamento e remodelagem de documentos, a filtragem e classificação de documentos e pesquisas de $ usadas para unir dados em collection.
No ano passado, apresentamos Queryable Encryption em versão prévia. Este esquema de criptografia pesquisável, pioneiro no setor, permite que os usuários criptografem campos de dados confidenciais — como informações de identificação pessoal — no lado do cliente e armazenem esses dados como dados criptografados totalmente aleatórios no banco de dados, preservando ao mesmo tempo a capacidade de executar consultas expressivas. Com o MongoDB 7.0, Queryable Encryption oferecerá suporte à pesquisa de igualdade, com suporte para consultas de intervalo, prefixo, sufixo e substring a seguir.
Foco contínuo em uma experiência de desenvolvedor de primeira classe
Poucas coisas são mais críticas para o desenvolvimento de software do que garantir um desenvolvedor e uma experiência operacional de alto nível. Continuamos dedicados a melhorar a usabilidade de nossos produtos e a expandir o conjunto de ferramentas disponíveis aos desenvolvedores para construção com MongoDB.
Kotlin está emergindo como uma linguagem popular para desenvolvimento móvel e de servidor. Hoje revelamos um novo Kotlin driver oficial do, permitindo que os desenvolvedores do Kotlin criem aplicativos no MongoDB com confiança, sabendo que estamos comprometidos em apoiar esta comunidade de idiomas em rápido crescimento. Também lançamos PyMongoArrow, uma nova biblioteca para desenvolvedores e analistas de dados exportarem facilmente dados no MongoDB para pilhas analíticas baseadas em Python, incluindo Apache Arrow, Pandas e NumPy.
À medida que mais empresas otimizam seu pipeline de DevOps, as ferramentas que permitem a automação programática podem melhorar muito a eficiência e a produtividade. Os desenvolvedores agora podem provisionar recursos no MongoDB Atlas usando o Amazon Web Services cloud Development Kit (AWS CDK) em C#, Go, Java e Python, bem como com Node.js e Typescript. As empresas que utilizam o Kubernetes podem usar o MongoDB Atlas CLI para instalar o Atlas Kubernetes Operator e exportar implantações existentes para gerenciamento e provisionamento de infraestrutura mais simples.
Caminho para a modernização de aplicativos
A modernização de aplicativos continua a ser um investimento fundamental para muitas empresas desbloquearem a rápida iteração de software e atenderem aos requisitos de aplicativos em constante evolução. O MongoDB Relational Migrator, agora com disponibilidade geral, ajuda a acelerar e reduzir os riscos nas migrações de relational database comuns — incluindo Oracle, SQL Server, MySQL e PostgreSQL — para o MongoDB. Essa ferramenta não apenas lida com a migração de dados em si, mas também permite que as equipes de migração visualizem recomendações de modelagem de dados do MongoDB, definam alterações de esquema com uma interface visual e gerem código de aplicativo em sua linguagem de programação ou estrutura para obter vantagem na refatoração de seus aplicativos para refletir o esquema MongoDB recém-projetado.