MongoDB推出四项AI驱动的新功能,助力开发者提升效率并加速应用程序现代化

本文涉及的产品
云原生多模数据库 Lindorm,多引擎 多规格 0-4节点
云数据库 Redis 版,社区版 2GB
推荐场景:
搭建游戏排行榜
云数据库 MongoDB,通用型 2核4GB
简介: 生成式人工智能让开发者有机会构建更好的应用程序。通过自动执行重复性任务,由AI驱动的工具和功能可以帮助开发者节省大量时间和精力,同时更快地交付更高质量的应用程序

AI新功能

  • MongoDB Relational Migrator可借助AI将SQL转换为MongoDB Query API语法,进一步提高关系数据库迁移的自动化水平

  • MongoDB Compass可根据自然语言生成查询和聚合,助力更快速、更轻松地构建由数据驱动的应用程序

  • MongoDB Atlas Charts可根据自然语言构建丰富的数据可视化,助力加速仪表板创建和商业智能

  • MongoDB 官方文档全新AI聊天机器人功能可解答技术问题,助力缩短应用程序构建和故障排除所需的时

MongoDB(NASDAQ:MDB)早前在MongoDB用户大会伦敦站上宣布推出全新的智能化开发者体验,利用生成式人工智能助力开发者更快速、更轻松地在MongoDB上构建应用程序。MongoDB是世界上最受欢迎的基于文档的数据平台,数以百万计的开发者和成千上万的客户借助MongoDB构建关键业务程序。MongoDB Relational Migrator、MongoDB Compass、MongoDB Atlas Charts、MongoDB Documentation(MongoDB 官方文档)中的全新生成式AI功能可帮助开发者减少耗费在重复性任务上的时间和精力,从而更加专注于解决难题和构建现代应用程序。欲了解关于MongoDB的更多信息,请访问mongodb.com/zh-cn。

MongoDB首席产品官Sahir Azam表示:“生成式人工智能让开发者有机会构建更好的应用程序。通过自动执行重复性任务,由AI驱动的工具和功能可以帮助开发者节省大量时间和精力,同时更快地交付更高质量的应用程序。通过将人工智能功能集成到每天都有数以百万计开发者使用的MongoDB产品和服务中,我们正在助力开发者减少耗费在低价值任务上的时间,让他们能够专注于对自身和企业更加重要的事情上,即构建和发布受终端用户青睐的现代应用程序。”

为满足客户日益增长的需求,当前企业需要构建极具吸引力的应用程序,确保应用程序能够实时响应不断变化的需求和日新月异的数据。MongoDB之所以能够成为开发者构建应用程序的首选,是因为具备灵活性、可扩展性和弹性。然而,为了有效运行由数据驱动的应用程序,根据操作数据生成可视化结果来获取洞察并制定决策,并排除数据库和应用程序异常,开发者往往需要耗费大量时间和精力来构建查询和聚合。这些任务虽然重要,但往往属于重复性的任务且耗时耗力,使开发者难以集中精力进行原型设计、推出新功能或开创全新最终用户体验。

MongoDB Relational Migrator、MongoDB Compass、MongoDB Atlas Charts和MongoDB官方文档现已具备一套全新的生成式AI功能,有助于消除应用程序开发与现代化过程中的大量繁重工作。这些功能包括:

使用MongoDB Relational Migrator进一步加速应用程序迁移:借助智能数据模式和代码推荐,MongoDB Relational Migrator可有助更快速、更轻松地从传统数据库技术迁移至MongoDB Atlas。在迁移传统应用程序过程中,对SQL查询和存储过程的处理通常较为困难,因为这些查询和存储过程往往没有文档记录,必须手动转换为MongoDB Query API语法。如今,企业可使用MongoDB Relational Migrator中的全新AI驱动功能,自动将传统应用程序中的SQL查询和存储过程转换为可以执行和进一步调试的MongoDB Query API语法。通过使用MongoDB Relational Migrator,客户可以加快推进应用程序现代化项目,同时开发者也可以在不具备MongoDB Query Syntax API相关知识的情况下,自动执行繁琐的转换任务,进而加快迁移速度。欲了解关于MongoDB Relational Migrator的更多信息,请访问mongodb.com/products/relational-migrator。

在MongoDB Compass中更快地生成查询和聚合:由于能够轻松地在MongoDB中完成数据查询和聚合,MongoDB Compass成为开发者进行数据交互时最受欢迎的工具之一。如今,开发者可使用自然语言在MongoDB Compass中快速生成可执行的MongoDB Query API语法,并更轻松快捷将复杂的数据密集型功能集成到应用程序中。例如,开发者可输入“按尺寸大小筛选披萨订单、按披萨名称对其余文档进行分组、计算总量”,MongoDB Compass将推荐代码来执行处理数据所需的聚合管道的各个阶段。借助MongoDB Compass的全新语言功能,开发者可将更多时间和精力用于发布由数据驱动的应用程序,而不是手动编写复杂的查询和聚合。欲了解关于MongoDB Compass的更多信息,请访问mongodb.com/products/tools/compass。

使用自然语言在MongoDB Atlas Charts中实现数据可视化:MongoDB Atlas Charts是一种现代化数据可视化工具,使开发者能够使用存储在MongoDB Atlas中的数据轻松创建、共享和嵌入可视化结果。借助全新AI驱动功能,开发者可使用自然语言在MongoDB Atlas Charts中构建数据可视化、创建图形并生成仪表板。例如,开发者可输入“显示不同国家和不同产品之间的年收入对比”,MongoDB Atlas Charts就会收集数据并快速生成所需的可视化结果。开发者可使用MongoDB Atlas Charts中熟悉的拖放界面进行进一步细化和定制。欲了解关于MongoDB Atlas Charts的更多信息,请访问mongodb.com/products/charts。

更快速、更直观地从MongoDB 官方文档获得答案:MongoDB 官方文档为开发者提供使用MongoDB构建应用程序所需的教程、代码示例和参考库。通过在MongoDB 官方文档中添加AI聊天机器人,开发者可以询问有关MongoDB产品和服务的问题,并在数秒内即可获得答案,同时还可以在软件开发期间进行故障排除。例如,开发者可以询问“如何使用Atlas Vector Search实现检索数据”,聊天机器人将提供分步指导、示例代码和参考链接,帮助开发者获得更多信息并快速入门。MongoDB 官方文档聊天机器人是一个开源项目,使用MongoDB Atlas Vector Search进行由AI驱动针对精选数据的信息检索,以根据上下文提供解答,开发者可使用项目代码来根据不同用例构建和部署聊天机器人。如需开始使用MongoDB 官方文档聊天机器人,请访问mongodb.com/docs。

MongoDB Relational Migrator、MongoDB Compass、MongoDB Atlas Charts中的全新AI驱动功能预览版现已发布。MongoDB官方文档聊天机器人现已普遍可用。

立即免费试用阿里云MongoDB。

扫码加入钉群,与MongoDB专家一对一沟通,了解更多阿里云MongoDB产品与方案,市场活动及线上培训等内容。
钉钉入群二维码原图.jpeg

相关实践学习
MongoDB数据库入门
MongoDB数据库入门实验。
快速掌握 MongoDB 数据库
本课程主要讲解MongoDB数据库的基本知识,包括MongoDB数据库的安装、配置、服务的启动、数据的CRUD操作函数使用、MongoDB索引的使用(唯一索引、地理索引、过期索引、全文索引等)、MapReduce操作实现、用户管理、Java对MongoDB的操作支持(基于2.x驱动与3.x驱动的完全讲解)。 通过学习此课程,读者将具备MongoDB数据库的开发能力,并且能够使用MongoDB进行项目开发。   相关的阿里云产品:云数据库 MongoDB版 云数据库MongoDB版支持ReplicaSet和Sharding两种部署架构,具备安全审计,时间点备份等多项企业能力。在互联网、物联网、游戏、金融等领域被广泛采用。 云数据库MongoDB版(ApsaraDB for MongoDB)完全兼容MongoDB协议,基于飞天分布式系统和高可靠存储引擎,提供多节点高可用架构、弹性扩容、容灾、备份回滚、性能优化等解决方案。 产品详情: https://www.aliyun.com/product/mongodb
相关文章
|
17天前
|
人工智能 NoSQL atlas
使用MongoDB 构建AI:轻松应对从预测式AI到生成式AI
无论企业目前处于AI发展的哪个阶段,MongoDB均可提供支持
1598 2
|
1月前
|
人工智能 NoSQL atlas
4大企业实例解析:为何MongoDB Atlas成为AI服务构建的首选
本文所提及的仅是MongoDB Atlas在AI领域可实现功能的冰山一角
1541 1
|
3天前
|
机器学习/深度学习 人工智能 安全
构建未来:AI驱动的自适应网络安全防御系统
【5月更文挑战第8天】 随着网络攻击的不断演变,传统的安全措施已不足以应对日益复杂的威胁。本文提出了一种基于人工智能(AI)的自适应网络安全防御系统,旨在通过实时分析网络流量和行为模式来自动调整安全策略。系统利用深度学习算法识别潜在威胁,并通过强化学习优化防御机制。初步实验表明,该系统能够有效提高检测率,减少误报,并在未知攻击面前展现出较强的适应性。
14 1
|
5天前
|
机器学习/深度学习 数据采集 敏捷开发
探索软件测试中的AI驱动自动化:未来趋势
【5月更文挑战第6天】 随着人工智能(AI)技术的不断进步,其在软件测试领域的应用正变得日益重要。本文将探讨AI如何革新现有的软件测试流程,并预测其对未来测试实践的影响。我们将深入分析AI在测试用例生成、缺陷预测以及测试执行等方面的应用,并讨论实现这些技术的挑战和潜在好处。文章的目标是为读者提供一个清晰的视图,展示AI如何增强测试效率和有效性,同时指出实施过程中需要注意的关键因素。
|
6天前
|
机器学习/深度学习 人工智能 自然语言处理
自动化测试中AI驱动的决策框架设计与实现
【5月更文挑战第5天】 在软件测试领域,自动化测试已成为提升测试效率和质量的关键手段。然而,随着软件系统的复杂性增加,传统的自动化测试方法面临挑战,尤其在测试用例的生成、执行及结果分析等方面。本文提出一种基于人工智能(AI)的自动化测试决策框架,旨在通过智能化的算法优化测试过程,并提高异常检测的准确率。该框架结合机器学习和深度学习技术,能够自学习历史测试数据,预测高风险变更区域,自动生成针对性强的测试用例,并在测试执行过程中实时调整测试策略。此外,通过自然语言处理(NLP)技术,该框架还能对测试结果进行语义分析,进一步提供更深入的洞察。本研究不仅增强了自动化测试工具的智能性,也为软件质量保证提
|
7天前
|
机器学习/深度学习 人工智能 算法
深入分析自动化测试中AI驱动的测试用例生成
【5月更文挑战第4天】随着人工智能(AI)技术的飞速发展,其在软件测试领域的应用也日益广泛。特别是在自动化测试过程中,AI技术能够显著提高测试用例的生成效率和质量。本文将探讨AI在自动化测试用例生成中的应用原理、优势以及面临的挑战,并展示通过AI技术优化测试流程的实际案例。
41 8
|
10天前
|
机器学习/深度学习 人工智能 自然语言处理
构建未来:AI驱动的自适应学习系统
【4月更文挑战第30天】 随着人工智能技术的迅猛发展,教育领域正经历一场由AI驱动的变革。本文将探讨一个新兴的研究领域——自适应学习系统。这种系统通过利用机器学习算法和大数据分析,能够根据学生的学习习惯、知识水平和兴趣点提供个性化的教学方案。我们首先介绍自适应学习系统的基本概念及其在现代教育中的重要性,然后详细阐述其工作原理及关键技术,包括数据挖掘、模式识别和自然语言处理等。最后,文章将分析当前自适应学习系统面临的挑战,并提出未来的发展趋势。
|
10天前
|
机器学习/深度学习 人工智能 搜索推荐
构建未来:AI驱动的自适应教育平台
【4月更文挑战第30天】 随着人工智能技术的迅猛发展,其在教育领域的应用正逐步从理论探索走向实践落地。本文将详细阐述一个基于AI技术的自适应学习平台的设计理念、核心功能以及潜在影响。该平台利用机器学习算法分析学生的学习行为和成绩,动态调整教学内容和策略,以实现个性化教学。研究结果表明,AI辅助的自适应学习能够显著提高学习效率,同时为教师提供强有力的教学辅助工具。
|
12天前
|
机器学习/深度学习 人工智能 算法
深入分析自动化测试中AI驱动的测试用例生成技术
【4月更文挑战第29天】随着人工智能技术的不断发展,其在软件测试领域的应用也越来越广泛。本文主要探讨了AI驱动的测试用例生成技术在自动化测试中的应用,以及其对提高测试效率和质量的影响。通过对现有技术的深入分析和实例演示,我们展示了AI如何通过学习和理解软件行为来自动生成有效的测试用例,从而减少人工编写测试用例的工作量,提高测试覆盖率,降低错误检测的成本。

相关产品

  • 云数据库 MongoDB 版