“随着开发者的工作变得越来越复杂，传统的关系型数据库已经难以他们的需求，基于这些数据库所打造的解决方案非常复杂和难用。”MongoDB首席技术官Mark Porter表示，“MongoDB的服务对象是开发者，相比其他公司把解决方案整体打包卖给企业来讲，我们的销售模式更加轻松、快捷、高效。在开发者数据平台中，MongoDB的文档模型灵活性比其他同类模型更好。MongoDB的优势在于，可以简化AI驱动型应用程序的开发，让大家更便捷地处理各种各样的数据类型开发应用。”

MongoDB首席技术官Mark Porter

在MongoDB用户大会纽约站上，MongoDB推出了一系列新产品和新计划，包括MongoDB Atlas的新功能、MongoDB Relational Migrator，携手谷歌云公布AI计划，同时，MongoDB还发布了MongoDB Atlas行业计划，并推出面向金融行业的解决方案。在MongoDB，开发者可以获得集成丰富工具的统一平台，改善开发体验，对独立的应用负载进行现代化的改造。这一过程中，MongoDB的文档模型可以使得应用开发的速度更快、运行成本更低、可扩展性更强。

(资料图片)

如今，企业要适应全新的工作负载和工作方式，了解哪些应用程序更适合进行现代化改造，以及执行迁移的顺序。在此基础之上，要定义数据模型，确定如何在 MongoDB文档模型中更好地呈现现有关系模式。企业还要对代码进行现代化升级，更新或重写应用程序代码以支持新的用户需求、现代技术堆栈和更新的架构，另外就是数据迁移，完成应用的现代化升级，而这些工作仅靠一家服务商是难以做到的。

生成式AI和大语言模型（LLM）等新技术掀起的又一波创新浪潮，为基于软件和数据的业务运营优化、终端用户体验提升开启了新的可能性。对于那些想要通过迁移和现代化其传统应用程序来充分利用Atlas所提供的所有功能的客户来说，MongoDB Relational Migrator实现了在不停机情况下，更快速、更轻松地从传统数据库技术迁移至MongoDB Atlas开发者数据平台。MongoDB Relational Migrator可以对传统数据库进行分析，自动生成新数据模型和代码，客户只需将MongoDB Relational Migrator连接到现有的应用程序数据库（如Oracle、Microsoft SQL Server、MySQL和PostgreSQL等）进行评估，即可快速上手。

分析应用程序数据后，MongoDB Relational Migrator会建议一个新的数据模型，将数据转换和迁移至MongoDB Atlas，并通过运行连续同步作业实现零停机迁移，还可以生成的优化代码，在新的现代化应用程序中处理数据。这样，客户就可以在测试环境中运行现代化应用程序，确保其在部署到生产环境之前能够按预期运行。在MongoDB Relational Migrator的帮助下，任何类型与规模的组织在进行应用程序迁移与现代化时，都无需承受迁移过程中的技术阻碍与繁琐工作，而是更好地构建下一代高度参与的任务关键型应用程序。值得一提的是，客户还能够与MongoDB Professional Services团队和MongoDB生态系统合作伙伴（如埃森哲、凯捷集团、Globant）合作，获得定制的现代化体验。

过去，要想在应用程序中进行搜索需要建立多个不同的系统，流程复杂且易出错，而通过MongoDB Atlas Search，企业可以快速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（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），带来了无缝集成的开发体验。更进一步，这些企业要是想访问和管控专用资源，以独立于数据库运行搜索工作负载，则可以借助MongoDB Atlas Search Nodes，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，这一操作独立于其数据库，可以实现工作负载隔离、资源优化和性能大规模提升。

对于那些高速复杂的数据流，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。该功能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。来自物联网设备、终端用户浏览行为和库存数据等实时的流数据越来越多，使得数据模型要具备更好的灵活性和可扩展性。为了将流数据整合到现有的应用程序，很多开发团队会将专门的编程语言、库、应用编程接口（API）和驱动程序，附加到现有技术堆栈上，这就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，引发了开发周期延长和开发成本增加。

有了MongoDB Atlas Stream Processing，客户就可以使用单一界面，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，客户可以构建具有吸引力的应用程序。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随需而变，提高业务运营效率。

AI/ML的快速发展对底层的数据支持提出了新的考验，数据的多类型、高质量、处理速度和深度分析直接影响了其商业价值，MongoDB希望让AI驱动型的应用程序更加靠近数据，而不是让数据去寻找应用程序。生成式AI的流行对原有技术栈的灵活性提出了更高的要求，复杂类型的数据需要得到有效的存储和处理。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。

有了MongoDB Atlas Vector Search，客户可以在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，减少开发人员不必要的负担。MongoDB Atlas Vector Search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，为特定领域或用例创建更准确、更相关的结果。客户可以借助MongoDB Atlas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，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（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。

“在我们合作的任意的云平台上，Atlas解决方案都可以完美的运行，由于使用了lucene search等关键技术，我们可以让矢量搜索和语义搜索更快、更准确地返回搜索结果。同时，我们也有专用的搜索节点，能够确保Atlas的用户无论使用哪个云厂商的解决方案，都能够获得搜索性能的扩展能力。”MarkPorter说。他认为，对代码进行现代化改造既是重点也是难点，一方面要把SQL查询变成现代查询，另一方面涉及代码修改，帮助应用程序完成现代化。

安全性方面，MongoDB持续在增强相关的能力。例如MongoDB可查询加密（Queryable Encryption）预览版，该系统支持客户从客户端加密敏感数据，将完全随机加密的数据存储在数据库服务器端，并对加密数据执行表达式查询。使用该方案之后，可以较以往更加安全地进行数据存储，即使是所用云产品的服务商也无法读取到用户数据。

目前，每天都有数以万计的客户将MongoDB用于他们的应用程序。但是，每个行业都有自己独特的挑战和需求，为了解决这些复杂的问题，MongoDB推出了MongoDB Atlas行业计划，为客户提供MongoDB专家主导的架构设计审阅、增强型解决方案以应对特定行业挑战的技术合作伙伴关系，以及针对特定行业的知识加速器，为开发团队提供提供相关技术的培训路径。金融行业是该行业计划的首个目标领域，借助MongoDB Atlas，金融机构可对现有内部银行系统的旧功能进行现代化改造，构建可组装架构（轻松集结优秀的第三方解决方案）来提升客户体验，并提供客户所需的性能及规模，帮助客户更快地将概念落地为产品，进而推向市场。据了解，Temenos、富国银行等企业，以及很多亚洲的支付和电商平台都在使用MongoDB Atlas的服务。今年，MongoDB Atlas行业计划还会陆续推出针对制造、汽车、保险、医疗、零售等行业的解决方案。

在MongoDB用户大会纽约站上，MongoDB还公布了与谷歌云的全新合作项目。该项目将加速开发者使用生成式AI并构建全新类别的应用程序。开发人员能够充分利用MongoDB Atlas以及与谷歌云Vertex AI大型语言模型（LLM）整合后带来的行业优势，并借助双方的专业服务，快速启动架构审核，加快软件开发进程。开发人员可以使用MongoDB Atlas Vector Search与Vertex AI无缝构建AI驱动的应用程序，获得高度个性化和极具吸引力的终端用户体验。Vertex AI提供了文本嵌入API，能够从存储在MongoDB Atlas的客户数据中生成嵌入（embeddings），并结合PaLM文本模型创建高级功能，如语义搜索、分类、异常值检测、AI驱动聊天机器人和文本摘要等。

回到中国市场，MongoDB同样取得了高速增长，阿里云数据库MongoDB版的使用量在三年内提升8倍，并在今年完成了与阿里云的提前续约。在中国移动，MongoDB支持了其最大和最关键的推送服务之一，该服务每月向超过10亿用户发送账单明细。MongoDB北亚区高级副总裁苏玉龙介绍称，在使用MongoDB之前，中国移动技术团队依赖于Oracle数据库，随着用户数量的增加，数据库性能随之下降。尽管投入了大量资金，但Oracle系统处理日常请求仍然需要很长时间。2019年，经过全面测试，中国移动迁移到MongoDB平台，利用MongoDB的原生分片，该系统性能大幅提高了80%，从原来需要50台Oracle设备减少到只需要12台运行MongoDB的设备来处理相同的负载，并且为未来的业务扩展做好了准备。在MongoDB的帮助下，中国移动的推送服务业务稳步增长，月活跃用户超过1.68亿，该业务也成为中国移动集团里客户满意度最高的服务之一。

MongoDB北亚区高级副总裁苏玉龙

2023年8月29日和8月31日，MongoDB用户大会也将登陆北京和深圳，届时会有更多的精彩分享呈现给广大的客户和开发者。

关键词：