MongoDB Atlas Vector Search极大简化了将生成式AI和语义搜索引入应用程序,显著提升终端用户体验
MongoDB Atlas Search Nodes可为搜索用例提供专用基础架构,帮助客户独立扩展其数据库,更灵活、更高效地管理无法预测的峰值和高吞吐量工作负载
MongoDB Atlas Stream Processing通过统一开发团队处理动态数据和静态数据的方式,变革了构建实时反应和响应功能的事件驱动型应用程序的方式
MongoDB Atlas 时间序列集合将更高效地处理时间序列工作负载,可用于工厂设备预测性维护、汽车车队监控及金融交易平台等场景
借助MongoDB Atlas Online Archive 和Atlas Data Federation提供的全新多云选项,帮助客户在Microsoft Azure 和AWS中无缝将数据分层和查询数据
Beamable、Pureinsights、Anywhere Real Estate及Hootsuite等客户和合作伙伴,正使用MongoDB Atlas新功能构建下一代应用程序
北京,2023年6月27日—MongoDB(NASDAQ:MDB)于6月22日在MongoDB用户大会纽约站上宣布,其业界领先的开发者数据平台MongoDB Atlas推出五项新产品和功能,帮助客户更快速、更轻松地构建适用于任何工作负载和用例的现代应用程序。这些新产品和新功能包括:MongoDB Atlas Vector Search的生成式AI功能,以实现高度相关的信息检索和个性化;为企业级搜索工作负载提供专用资源的MongoDB Atlas Search Nodes;用于处理高速复杂数据流的MongoDB Atlas Stream Processing;可显著扩展和提升效率的MongoDB 时间序列集合;以及借助MongoDB Atlas Data Federation可在Microsoft Azure上查询数据和隔离工作负载的新功能。此次MongoDB Atlas推出的一系列新功能,将帮助企业在单一开发者数据平台上标准化多种类型的工作负载 ,显著提高运营效率并加快创新步伐。点击了解MongoDB Atlas更多信息: mongodb.com/atlas。
随着生成式AI等新技术的爆发,以及实时生成式数据呈指数级增长,如今各行各业都面临着关键转折点。不同类型、不同规模的组织都希望能够利用大型语言模型(LLM)等新兴技术并处理实时数据流,以显著提升终端用户体验,更快地对数据采取自主行动,从而构建新的应用程序类别。数据库的选择不仅对于确保应用程序的成功至关重要,而且对于应用程序的构建、部署和持续更新速度也至关重要。组织希望拥有一个统一的、完全托管型平台,供开发团队使用,帮助他们能够轻松地构建、部署和扩展现代应用程序。
MongoDB Atlas 是领先的多云开发者数据平台,可加速并简化数据构建过程。 MongoDB Atlas 在统一环境中提供了一套集成的数据和应用程序服务,为开发团队提供能够快速构建现代应用程序所需的功能、性能和规模。每天都有成千上万的客户和数以百万计的开发人员借助MongoDB Atlas,多快好省地构建现代应用程序,近乎涵盖整个组织内所有的用例。随着MongoDB Atlas的使用量快速增长,客户迫切需要更多的集成功能,以满足业务和终端用户不断增长的需求,而MongoDB 正在满足这一需求:
● 将基于AI驱动的搜索和个性化集成到MongoDB Atlas上的应用程序中: MongoDB Atlas Vector Search帮助组织更快速、更轻松地构建下一代应用程序,借助生成式AI,可大幅提升终端用户体验,提高跨团队生产力。如今,生成式AI正在加速改变终端用户与应用程序之间的交互方式。组织希望能够利用基于生成式AI的技术(如LLM等),但是由于大多数现有的技术堆栈都缺乏灵活性,无法存储和处理不同类型的数据,因此组织很难将这类技术集成到应用程序中。例如,LLM需要以向量的形式存储数据,这类数据是数据的几何表示(例如文本、图像和音频)。这些AI模型通过测量向量数据之间的相似性,以概率的方式从提示中构句,从说明文字中生成图像,或者返回比传统搜索引擎更准确且包含更多相关信息的搜索结果。为了存储向量以便于LLM使用,一些组织已经开始使用专用数据库。然而,针对向量存储或时间序列应用程序等用例的专用数据库,通常会附加到现有的技术堆栈上,导致管理工作变得更为复杂,需要对开发人员进行额外的培训,这也意味着要投入更长的时间才能实现价值。借助MongoDB Atlas Vector Search,客户可以在整个组织中使用同一个熟悉的统一平台,为各种新工作负载提供支持,包括文本搜索、图像搜索、比较以及高度个性化的产品推荐,最大度尽量减少开发人员不必要的负担。MongoDB Atlas Vector Search还支持客户更轻松、更安全地使用自己的数据,增强预训练生成式AI模型的能力,从而为特定领域或用例创建更准确、更相关的结果。MongoDB Atlas使用高度灵活、可扩展且支持近乎任何数据类型的文档数据模型,因此客户还可以借助MongoDB Atlas来轻松管理LLM的输出,用于为更快的结果提供常见搜索请求的缓存等用例,从而降低成本。MongoDB Atlas Vector Search与开源的LangChain和LlamaIndex框架集成,提供了具有用于访问和管理各种应用程序的LLM工具。客户可以使用这些框架从MongoDB合作伙伴(如AWS,Databricks,Google Cloud,Microsoft Azure,MindsDB)和模型提供商(例如Anthropic,Hugging Face和OpenAI)处访问LLM,生成向量嵌入并在MongoDB Atlas上构建由AI驱动的应用程序。欲了解更多,请访问:mongodb.com/products/platform/atlas-vector-search。
● 隔离和扩展MongoDB Atlas上的搜索工作负载: MongoDB Atlas Search Nodes为客户提供专用基础架构,以独立于其数据库扩展搜索工作负载,从而实现工作负载隔离、资源优化和性能大规模提升。如今,客户使用MongoDB Atlas Search可快速轻松地将基于相关性的搜索功能直接构建到各种用例的应用程序中(例如:个性化推荐、产品目录及内容搜索、多媒体管理和地理空间应用程序),这将提供无缝集成的开发体验。然而,使用MongoDB Atlas Search扩展其搜索工作负载的客户如今有了新的需求,希望能够访问和管控专用资源,以独立于数据库运行搜索工作负载。借助MongoDB Atlas Search Nodes,客户现在可以使用专用基础架构,无缝扩展其MongoDB Atlas Vector Search和MongoDB Atlas Search的工作负载,以实现更大的灵活性和掌控,为终端用户提供基于相关性和AI的最佳搜索体验。点击了解详情:mongodb.com/atlas/search。
● 使用MongoDB Atlas处理高速复杂数据流: MongoDB Atlas Stream Processing革新了组织处理流数据的方式,以提升终端用户体验,提升运营效率。实时流数据( 如来自物联网设备、终端用户浏览行为和库存数据)对现代应用程序至关重要。因为它使组织能够在终端用户行为发生改变时,给他们带来实时体验,并在条件发生改变时优化业务运营。流数据丰富、异构且不断变化,这也要求了数据模型需要灵活、可扩展,以及随条件的变化而快速更新。因此,僵化和缺少灵活性的关系数据架构,不太适合处理可以反映真实情况的实时数据。为了将流数据整合到现有的应用程序中,许多开发团队必须将专门的编程语言、库、应用编程接口(API)和驱动程序,附加到现有技术堆栈上。这导致开发体验变得复杂而琐碎,因为团队必须学习如何为不断变化的用例使用不同的工具,最终导致开发周期延长和开发成本的增加。因此,处理流数据的开发人员通常会面临一定的复杂性,导致创新速度降低,并可能有落后于竞争对手的业务风险。借助MongoDB Atlas Stream Processing,客户现在可以使用单一界面,轻松提取来自高速、大容量的流数据的洞察。MongoDB Atlas Stream Processing适用于任何类型的数据,并凭借其灵活的数据模型,客户可以构建极具吸引力的应用程序。这些应用程序可以实时分析数据,以调整应用程序行为并为业务运营提供信息(例如:高度个性化的促销优惠、实时库存管理、欺诈防范等)。MongoDB灵活的数据模型也可以非常方便地跟随需求变化而变化,确保应用程序始终为终端用户提供更好的体验,同时提高业务运营效率。借助MongoDB Atlas Stream Processing,组织现在可以在较短时间内更轻松地处理更多数据。欲了解更多,请访问:mongodb.com/products/platform/atlas-stream-processing。
● 使用MongoDB 时间序列集合更灵活地进行扩展: 得益于工作负载可扩展性和数据灵活性的优势,MongoDB 时间序列集合可更轻松地处理企业级时间序列工作负载,并支持修改已输入数据。例如,数百万台设备向数据库发送数据进行处理时,时间序列工作负载可能会快速增长。通常情况下,时间序列数据库接收数据之后,就无法再对这些数据进行修改。如果数据在被输入数据库之前有错误,那就意味着将来的分析结果会存在缺陷。此外,由于时间序列数据随着现实情况变化而变化,因此需要一个灵活的数据模型来确保它能够有效地投入使用,并能够快速映射数据之间的新关系、生成预测并更新应用程序的业务逻辑,同时提升运营效率。现在,MongoDB 时间序列集合不仅提供了扩展增强功能,还支持调整时间序列数据,帮助客户更好地在大规模环境下掌控其数据。这些新功能提高了存储效率,提高了要求最苛刻的时间序列工作负载的查询速度,同时帮助客户满足严格的数据管理要求。总而言之,MongoDB 时间序列集合最新推出的增强型功能,为客户提供了关键任务时间序列工作负载所需的可扩展性和灵活性。欲了解更多,请访问:mongodb.com/time-series。
● 使用 MongoDB Atlas Online Archive 和 Atlas Data Federation 在 Microsoft Azure 上进行分层和查询数据: 除了AWS 之外,MongoDB 多云选项还将支持Microsoft Azure 引入到MongoDB Atlas Online Archive 和 Atlas Data Federation中。当前,客户使用 MongoDB Atlas Online Archive 将 Atlas 数据库自动分层到最具成本效益的云对象存储选项中,同时保留查询功能。通过支持Microsoft Azure,客户现在可以更轻松地将整个工作负载保留在同一个云中。Atlas Data Federation提供了一种无缝的方式,从 Atlas 数据库和云对象存储中读取和写入数据。这极大地简化了客户生成来自 Atlas数据集,并用于支持云存储的下游应用程序和系统。现在,通过添加对 Microsoft Azure Blob Storage 的支持,除了 AWS 之外,客户还可以使用 Azure 数据。点击使用:mongodb.com/atlas/data-federation。
MongoDB CEO兼总裁Dev Ittycheria表示:“此次发布MongoDB Atlas各项新功能,正是响应了我们每天所听到的客户需求和建议。客户期待团队借助MongoDB Atlas加快创新步伐,助力整个企业实现更多发展。MongoDB Atlas各项新功能将进一步支持客户运行规模最大、要求最严苛且需要不断提高可扩展性和灵活性的任务关键型工作负载,借助下一代应用程序发挥软件和数据的价值,并利用MongoDB Atlas单一开发者数据平台,推动未来业务发展。
Beamable是一家科技公司,提供全栈、实时的运营平台,支持游戏开发者构建和运营实时游戏,目前已有32款游戏上线,还有几十款游戏在开发阶段。Beamable首席技术官Ali El Rhermoul表示:“由于MongoDB Atlas具有工作负载多功能性,以及纵向和横向扩展能力,我们选择在MongoDB Atlas上构建我们的平台。Beamable一直在评估将MongoDB Atlas Vector Search功能与OpenAI结合用于生成式AI应用程序,并且其设置和使用之简单给我们留下了深刻的印象。这意味着Beamable和我们的游戏开发者社区可以使用熟悉的技术在Beamable上构建新颖的人工智能体验,而无需扩展技术堆栈。
作为一家独立的搜索技术和服务公司,Pureinsights正与MongoDB合作,帮助客户在MongoDB Atlas上部署基于搜索的应用程序。Pureinsights首席执行官Kamran Khan表示:“我们一直对Atlas Vector Search进行提前预览测试,并且很高兴与MongoDB合作,帮助我们的客户实现这项新功能,能够在MongoDB Atlas平台内存储和使用向量,为用户提供了新的工作负载和令人兴奋的AI驱动体验,例如语义搜索和生成式答案。”
Anywhere是全球领先的房地产经纪品牌和服务业务的母公司。Anywhere Real Estate 技术高级副总裁Damian Ng 表示:“我们的开发团队在管理之前的搜索解决方案上,花费了太多时间及进行了太多无差别的工作,我们目前正在将由MongoDB Atlas和Atlas Search提供支持的新解决方案推广到我们的品牌组合中,其中包括Better Homes and Gardens Real Estate、 CENTURY 21、Coldwell Banker、Corcoran,ERA和Sotheby's International Realty, Atlas Search 帮助我们从数百个多重服务列表来源中提取并汇总数据,并为客户提供高效、准确和最新信息的搜索解决方案。自从部署Atlas Search以来,我们的搜索结果响应时间提高了60%,我们也很高兴看到MongoDB正在解耦其架构,为Atlas Search提供专用节点,帮助在搜索工作负载中获得更大的灵活性和控制。
Hootsuite是全球领先的社交媒体管理平台,为全球不同规模的品牌和组织提供社交媒体服务。Hootsuite高级软件开发人员Chris Martin表示:“借助MongoDB Atlas的时间序列集合,我们能够构建一个处理和存储大量流数据的新功能,而不会导致存储成本过高,这也避免了为此单独配置和维护一个数据库。”
关于MongoDB
作为全球领先的开发者数据平台公司,MongoDB赋能开发者,通过释放软件与数据潜能,推动产业颠覆与重构。MongoDB总部位于美国纽约,在全球100多个国家和地区拥有43,100多家客户。自2007年以来, MongoDB数据库平台下载量达数亿次,MongoDB University全球注册用户累计数百万。
