MongoDB新愿景及功能:致力成为开发者数据平台提供商

本文涉及的产品
云数据库 MongoDB,独享型 2核8GB
推荐场景:
构建全方位客户视图
简介: MongoDB Atlas引入一套统一的新功能, 以满足开发者在构建现代应用程序方面日益增长的数据需求

2022 年度全球用户大会 (MongoDB World) 在美国纽约隆重开幕。大会上,MongoDB 发布公司新愿景,致力成为开发者数据平台提供商,同时还发布了一系列变革性的新功能。MongoDB首席技术官Mark Porter在会后的采访中称,正如MongoDB 的核心理念——帮助开发者提升效率,新愿景及功能意味着MongoDB 还将致力于开发团队加快创新步伐,借助统一的集成式开发者数据平台满足更为广泛的用例需求,提供覆盖全数据生命周期的服务,进行现代应用架构优化,并实现最精密的数据加密技术。


MongoDB总裁兼首席执行官Dev Ittycheria表示:“未来几年,不计其数的全新应用程序将不断面世,这些应用程序可以提供令人惊艳的客户体验,满足企业转型的功能需求,通过更尖端的自动化水平提高运营效率等,这些都离不开一个高度可扩展、云原生、全球分布式的数据平台。MongoDB的愿景是打造开发者数据平台,为开发者提供现代、便捷的使用体验,广泛支持各种用例,并满足最为严苛的性能和规模要求。”


满足更广泛的用例需求

MongoDB已借助统一的平台,将其数据服务方法延伸至联机运营场景和事务场景以外的搜索和分析用例。这些增强功能在提升团队工作效率的同时,还能确保始终一致的开发者体验,降低数据基础设施的复杂性,更好地满足下一代应用程序的需求。


  • MongoDB发布的新功能可帮助开发者更轻松地构建应用程序内分析能力,并打造更丰富的应用体验。预计在2022年下半年推出的列存储索引(Column store indexing)功能,将助力用户创建和维护专门的索引,无需对文档结构进行任何更改或将数据迁移到其他系统,从而大幅提升许多常见分析查询的速度。此外,分析节点目前已支持单独扩展,便于团队独立调整其操作和分析查询性能,避免出现过度配置或配置不足的情况。
  • MongoDB时间序列集合功能可以简化应用程序构建,加快构建速度并降低成本,这些应用程序旨在监测物理系统、跟踪资产或处理财务数据。在即将发布的MongoDB 6.0版本中,时间序列集合功能将支持测量数据库的二级索引,并针对读取性能进行改进和优化,以便更快地对时序数据进行排序。
  • Atlas Search 是在应用程序中构建基于相关性搜索功能的最迅速且最简单的方法。如今,借助搜索分面(Search Facets)功能,开发者能够快速构建搜索体验,确保终端用户能够更加顺畅地浏览、细分或按照不同维度优化搜索结果。


提供覆盖数据生命周期的服务

MongoDB的新产品和功能使开发团队能够更好地分析、转换和迁移Atlas中的数据,同时减少对可能造成延迟、制约生产效率和增加成本的批处理及ETL作业的依赖。


  • Atlas Data Lake 将提供完全托管式存储能力,采用高性价比的云对象存储,同时针对高性能分析查询进行优化。Atlas Data Lake在从Atlas数据库获取数据时,会重新格式化、创建分区索引并对数据进行分区,从而创建一个高性能的伴生数据湖。
  • Atlas Data Federation功能可以帮助开发团队创建虚拟数据库,以便处理驻留在不同源头的数据。开发团队可以在一个或多个集合及MongoDB集群和存储桶之间查询、转换或创建视图。
  • Atlas SQL Interface为主要使用SQL工具的数据分析师提供了在只读界面中与Atlas进行数据交互的绝佳体验。这样一来,数据分析师可以使用SQL工具轻松完成Atlas数据的本地查询和可视化操作,同时不影响文档模型的灵活性。此外,数据分析师还可以使用SQL在Atlas集群和云对象存储中查询数据,无需进行任何数据操作、模式定义或扁平化处理。


针对现代应用架构进行优化

除了支持广泛的工作负载外,组织机构还需要灵活地部署合适的应用架构以满足需求。


  • Atlas Serverless现已全面上市,用户可以在几乎不需要初始配置和持续容量管理的情况下,满足广泛的应用需求。用户可以在三大云计算供应商的平台中实现按需扩展或完全停用(scale-to-zero)操作和部署,而分级定价(tiered pricing)功能可免除前期投入,自动降低大型工作负载的成本。
  • 借助Vercel integration功能,平常使用Vercel平台开发、预览和发布网站及应用程序的团队可以更轻松地将MongoDB Atlas作为后台数据库使用。借助Vercel Integrations Marketplace,开发者无需任何配置即可在Atlas上部署新的web体验,即刻开始使用直接映射到其代码的文档进行构建。
  • Cluster-to-Cluster Synchronization推动MongoDB集群在Atlas、私有云、本地环境、边缘等实现跨环境的持续数据同步。Cluster-to-Cluster Synchronization使用户能够轻松地将数据迁移到云端,创建测试环境,打造独有的分析环境,并满足数据驻留要求。
  • Atlas Device Sync可以将Atlas中完全托管式后端数据库连接至边缘和移动设备常用的移动端数据库Realm。MongoDB全新Flexible Sync选项通过直观的语言原生查询和分层权限,对同步到用户应用程序的数据进行精细化控制。
  • Data API无需额外的开发,就可以通过HTTPS协议为Atlas中的数据提供安全的API访问服务。开发者可以借助这种方法轻松地将Atlas数据扩展到云端的其他应用程序及服务,或者扩展到他们的无服务器架构中。


实现最精密的数据加密技术

所有组织机构都必须具备在各种环境中保护敏感信息的能力,同时不影响自身基于这些数据构建丰富应用体验的能力。现有动态和静态加密解决方案涵盖多种使用场景,但是没有一个方案既能完全地保护敏感数据,又能允许开发者灵活使用这些被保护的数据。目前,加密技术面临的挑战包括:


  • 针对使用中数据的加密技术极其复杂,需要使用来自应用程序端的自定义代码,以便对数据进行加密、处理、筛选和解密,并将其提供给用户。此外,该技术还涉及加密密钥管理,以便对数据进行加密和解密。
  • 开发者需要掌握一定的密码学经验,以设计出安全的加密解决方案。
  • 当前解决方案的查询功能有限,甚至有一些不具备查询功能,这导致应用层数据加密变得格外困难。
  • 在针对海量加密数据搜索时,部分现有工具(如同态加密或安全隔区)要么需要专有硬件、要么难以满足性能要求、或者加密的安全性难以保证。或者具有不确定的安全属性。


MongoDB 6.0预览版推出了业界首个使用突破性密码学工程原理的加密搜索方案——Queryable Encryption。这项技术使开发者能够在不影响性能的情况下,简单直观地查询加密的敏感数据,并且不需要具备任何加密经验。数据库中的数据可以始终保持加密状态,包括存储在内存和CPU中的数据;密钥永远不会离开应用程序,且不能通过数据库服务器进行访问。这种端到端的客户端加密技术使用新颖的加密索引数据结构,使得开发者能够在完全加密的机密数据上进行表达式查询。Queryable Encryption基于经过充分测试的、框架完善的标准NIST密码学原语,可提供强有力的保护,防止针对数据库发起的攻击,包括来自拥有很多特权的管理员以及云基础设施等人员的内部威胁。

image.png

加密字段始终以密文形式存储、传输、处理、检索及查询


据MongoDB首席技术官Mark Porter表示:“数据库产品应该是让用户很容易上手的,而且在这个应用程序成功和推广之后,应该是很容易扩展的,应该是始终可用的”。“在过去的12个月,下载MongoDB的客户数目和次数已经远远大于MongoDB创建12年内的下载量总和,而且这个加速的过程还在持续,足以证明企业和开发者对MongoDB的信赖。”


欲了解 2022 MongoDB 全球用户大会上发布的新功能和增强功能的完整列表,敬请访问:https://www.mongodb.com/new

相关文章
|
2月前
|
监控 NoSQL 大数据
【MongoDB复制集瓶颈】高频大数据写入引发的灾难,如何破局?
【8月更文挑战第24天】在MongoDB复制集中,主节点处理所有写请求,从节点通过复制保持数据一致性。但在大量高频数据插入场景中,会出现数据延迟增加、系统资源过度消耗、复制队列积压及从节点性能不足等问题,影响集群性能与稳定性。本文分析这些问题,并提出包括优化写入操作、调整写入关注级别、采用分片技术、提升从节点性能以及持续监控调优在内的解决方案,以确保MongoDB复制集高效稳定运行。
31 2
|
2月前
|
机器学习/深度学习 搜索推荐 算法
飞天大数据平台产品问题之AIRec在阿里巴巴飞天大数据平台中的功能如何解决
飞天大数据平台产品问题之AIRec在阿里巴巴飞天大数据平台中的功能如何解决
|
2月前
|
存储 NoSQL 安全
MongoDB:它如何悄然改变了全球开发者的数据游戏规则?
【8月更文挑战第8天】MongoDB是一款革命性的文档数据库,在开发者数据平台领域享有盛誉。以其独特的文档数据模型著称,无需预定义复杂模式即可高效存储与处理数据。支持实时数据分析及多云全球化部署,并具备企业级安全特性。从快速开发到大数据分析,MongoDB为现代应用提供全方位支持。
44 1
|
2月前
|
人工智能 分布式计算 大数据
大数据及AI典型场景实践问题之“开发者藏经阁计划”的定义如何解决
大数据及AI典型场景实践问题之“开发者藏经阁计划”的定义如何解决
|
3月前
|
分布式计算 大数据 关系型数据库
MaxCompute产品使用合集之如何实现类似mysql实例中的数据库功能
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
|
3月前
|
JSON 分布式计算 大数据
MaxCompute产品使用合集之使用数据服务功能,但发现ODPS数据源不支持,该如何解决
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
|
3月前
|
SQL 分布式计算 DataWorks
MaxCompute产品使用合集之整库离线同步至MC的配置中,是否可以清除原表所有分区数据的功能
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
|
3月前
|
分布式计算 大数据 MaxCompute
MaxCompute产品使用合集之如何实现根据商品维度统计每件商品的断货时长的功能
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
|
3月前
|
分布式计算 DataWorks 大数据
MaxCompute产品使用合集之如何实现类似for循环的功能
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
|
3月前
|
分布式计算 DataWorks Java
DataWorks操作报错合集之使用ODPS Tunnel Upload功能时,遇到报错:Java 堆内存不足,该如何解决
DataWorks是阿里云提供的一站式大数据开发与治理平台,支持数据集成、数据开发、数据服务、数据质量管理、数据安全管理等全流程数据处理。在使用DataWorks过程中,可能会遇到各种操作报错。以下是一些常见的报错情况及其可能的原因和解决方法。

相关产品

  • 云数据库 MongoDB 版
  • 下一篇
    无影云桌面