Elevando o desempenho do banco de dados: apresentando Query Insights no MongoDB Atlas

Frank Sun and Sabina Friden
May 2, 2024 | Updated: May 8, 2024

Hoje, no .local NYC, o MongoDB Atlas introduziu a nova guia "Insights de consultas", aprimorando como os usuários monitoram, gerenciam e otimizam o desempenho do banco de dados diretamente na IU do Atlas. Esse novo recurso oferece aos desenvolvedores insights mais profundos sobre o desempenho de seus bancos de dados, com uma ferramenta de análise de consultas mais avançada e métricas detalhadas em nível de namespace. Isso garante resolução mais rápida de problemas e desempenho aprimorado.

Os aplicativos e as cargas de trabalho mudam com o tempo, dificultando cada vez mais consultas ineficientes que sobrecarregam os recursos de um banco de dados. As métricas podem apresentar picos por vários motivos, e os desenvolvedores precisam das ferramentas certas para determinar a origem do problema, identificá-lo e resolvê-lo com rapidez. Os insights de consultas do MongoDB Atlas abordam diretamente esses desafios, aprimorando os recursos de observabilidade do MongoDB com duas funcionalidades cruciais: insights do namespace e um analista de consultas atualizado.

Os insights de consultas oferecem otimização de desempenho com inteligência acionável

A introdução dos insights de consultas do MongoDB Atlas demonstra o compromisso do MongoDB com o gerenciamento avançado de banco de dados. Esse recurso aprimora as funções de observabilidade da nossa plataforma com insights detalhados e acionáveis. Essa novidade disponibiliza os insights de namespace e um analista de consultas atualizado em uma nova interface dinâmica para ajudar a aumentar o desempenho do banco de dados com diagnósticos mais simples e redução do tempo de resolução de problemas.

Os insights de namespace, que também são novidade, fornecem aos usuários estatísticas de latência em nível de coleção e uma visão abrangente do desempenho das coleções mais usadas em um cluster ao longo do tempo. Isso permite que os desenvolvedores respondam à pergunta "Quem ou o que está causando o problema?", o que é fundamental para identificar tendências de desempenho e priorizar otimizações de consultas.

O analista de consultas aprimorado e centrado no cluster apresenta uma visão mais abrangente das consultas lentas e ineficientes em um período mais amplo. Ter uma visão geral dos dados em todo o cluster viabiliza uma navegação mais direta entre os nós e um período de retrospectiva mais longo para ajudar na identificação de tendências. Isso reduz o tempo de solução de problemas e, em outras palavras, aumenta a produtividade do desenvolvedor e melhora o desempenho geral do banco de dados.

Principais benefícios dos insights de consultas

Os insights de consultas trazem aos usuários do MongoDB Atlas vários novos benefícios, como:

  • Telemetria granular: identificação e resolução mais rápidas de problemas de banco de dados com estatísticas de latência no nível do namespace

  • Observabilidade aprimorada: é mais fácil detectar tendências de desempenho, identificar causas raiz e depurar aplicativos

  • Mais produtividade: redução do tempo de solução de problemas graças a uma visão mais abrangente das operações lentas

Experimente!

A página dos insights de consultas fornece insights mais detalhados sobre o desempenho do banco de dados, com detalhes em nível de coleção e operação. A página de insights de namespace fornece métricas para as 20 principais coleções por latência total.

Screenshot of the Query Insights dashboard with the caption: The Query Insights page gives more granular insights into database performance by providing collection and operation level details. The Namespace Insights page provides metrics for the top 20 collections by total latency.

Passe o mouse sobre os gráficos para ver o desempenho comparativo das coleções ao longo do tempo. Essas informações são fundamentais para responder à pergunta "Quem/o que está causando o problema?"

Use o analista de consultas para visualizar operações lentas específicas. Clique em um ponto no gráfico de dispersão para exibir metadados adicionais sobre cada operação lenta.

Clique em "Exibir mais detalhes" para ver mais métricas e metadados sobre cada operação lenta, incluindo o nome do aplicativo, a operação, o resumo do plano, as estatísticas de execução etc.

Capacitando os usuários para alcançar o desempenho máximo

O lançamento dos insights de consultas no MongoDB Atlas destaca o compromisso do MongoDB em aprimorar os recursos de observabilidade da plataforma. Ao fornecer as ferramentas e os insights necessários para obter o desempenho ideal do banco de dados, o MongoDB permite que os desenvolvedores passem menos tempo depurando e mais tempo criando, o que reduz o custo total de propriedade e maximiza a eficiência. Esses benefícios agregam valor significativo às operações dos usuários.

Cadastre-se no MongoDB Atlas, nosso serviço de banco de dados em nuvem, para ver os insights de consultas em ação. Se quiser obter mais detalhes, consulte "Monitorar o desempenho da consulta".

← Previous

Principali annunci sull'IA a MongoDB.local NYC

Il panorama dell'IA si sta evolvendo così rapidamente che non sorprende che i clienti siano sopraffatti dalle loro scelte. Tra i modelli di fondazione per qualsiasi cosa, dal testo al codice, i framework di IA e il flusso costante di aziende legate all'IA che vengono fondate ogni giorno, gli sviluppatori e le organizzazioni si trovano di fronte a una serie vertiginosa di scelte in materia di IA. MongoDB offre maggiore potere ai clienti attraverso una piattaforma dati per sviluppatori che li aiuta a evitare il lock in con i fornitori di cloud o di IA in questo spazio in rapida evoluzione. Questa libertà consente ai clienti di scegliere l'LLM (Large Language Model) che meglio si adatta alle loro esigenze, ora o in futuro, che sia open source o proprietario. Oggi a MongoDB.local NYC abbiamo annunciato molte nuove funzionalità di prodotto, integrazioni con i partner, servizi e offerte di soluzioni che consentono ai team di sviluppo di iniziare e creare soluzioni rivolte ai clienti con l'IA. Esegui ovunque, con qualsiasi tecnologia tu stia utilizzando nel tuo stack di IA Il document model flessibile di MongoDB si basa sull'etica secondo cui "i dati a cui si accede e vengono utilizzati insieme vengono archiviati insieme". I vettori sono un'estensione naturale di questa funzionalità, il che significa che i clienti possono archiviare i dati di origine, i metadati e i relativi incorporamenti di vettori nello stesso documento. Tutto questo è accessibile e interrogabile con una API di query comune, rendendo i dati vettoriali facili da combinare e lavorare con altri tipi di dati archiviati in MongoDB. MongoDB Atlas, la nostra piattaforma dati per sviluppatori multi-cloud completamente gestita, semplifica la creazione di applicazioni ed esperienze basate sull'IA, con l'ampiezza e la profondità delle partnership e integrazioni IA di MongoDB, indipendentemente dal linguaggio, dal framework applicativo, dal modello di fondazione o dal partner tecnologico utilizzato o preferito dagli sviluppatori. Quest'anno continuiamo a concentrarci sulle nostre partnership e integrazioni con l'IA per rendere più semplice agli sviluppatori la creazione di applicazioni innovative con l'IA generativa, tra cui: Python e JavaScript utilizzando il pacchetto dedicato Langchain-MongoDB Integrazione di Microsoft Semantic Kernel in Python e C# per Atlas Vector Search Modelli di IA di Mistral e Cohere Modelli di IA sulla piattaforma Fireworks AI Aggiunta di Atlas Vector Search come Knowledge Base in Amazon Bedrock Atlas come archivio dati che consente l'archiviazione, l'interrogazione e il recupero utilizzando il linguaggio naturale in ChatGPT Atlas Vector Search come archivio dati su Haystack Atlas Vector Search come archivio dati su DocArray Collaborazione con Google Gemini Code Assist e Amazon Q per prototipare rapidamente nuove funzionalità e accelerare lo sviluppo di applicazioni. Estensione Google Vertex AI per sfruttare il linguaggio naturale con le query MongoDB MongoDB si integra bene con un ricco ecosistema di framework per sviluppatori di IA, LLM e fornitori di incorporamento. Continuiamo a investire per far sì che l'intero stack di IA funzioni perfettamente, consentendo agli sviluppatori di sfruttare facilmente le funzionalità di IA generativa nelle loro applicazioni. Le integrazioni di MongoDB e le nostre funzionalità multi-cloud leader del settore consentono alle organizzazioni di muoversi rapidamente ed evitare il lock in con qualsiasi particolare provider cloud o tecnologia IA in uno spazio in rapida evoluzione. Crea applicazioni IA ad alte prestazioni in modo sicuro e su larga scala L'isolamento del carico di lavoro, senza isolamento dei dati, è fondamentale per creare applicazioni IA performanti e scalabili. I nodi di ricerca in MongoDB Atlas forniscono elaborazione dedicata e consentono agli utenti di isolare i carichi di lavoro IA ad alta intensità di memoria per prestazioni superiori e maggiore disponibilità. Gli utenti possono ottimizzare il consumo di risorse per il loro caso d'uso, aumentando o ridimensionando l'hardware per quel nodo specifico indipendentemente dal resto del cluster di database. I nodi di ricerca semplificano l'ottimizzazione delle prestazioni per le query di ricerca vettoriale senza eseguire un provisioning eccessivo o insufficiente di un intero cluster. Le integrazioni IaC con Hashicorp Terraform Atlas Provider e Cloudformation consentono agli sviluppatori di configurare e implementare programmaticamente i nodi di ricerca su larga scala. I nodi di ricerca sono parte integrante di Atlas Search: la nostra piattaforma multi-cloud completamente gestita e testata sul campo. In precedenza, abbiamo annunciato la disponibilità dei nodi di ricerca per i nostri clienti AWS e Google Cloud . Siamo ora lieti di annunciare la disponibilità dei nodi di ricerca per i nostri clienti Azure a MongoDB.local NYC. I nodi di ricerca su Atlas aiutano gli sviluppatori a muoversi più velocemente eliminando le difficoltà legate all'integrazione, alla protezione e alla manutenzione dei componenti di dati essenziali necessari per creare e distribuire moderne applicazioni IA. Migliora la produttività degli sviluppatori con esperienze basate sull'IA Oggi abbiamo anche annunciato nuove e migliorate versioni delle nostre esperienze di sviluppo intelligenti in MongoDB Compass , MongoDB Relational Migrator e MongoDB Atlas Charts , con l'obiettivo di migliorare la produttività e la velocità degli sviluppatori. Con le versioni aggiornate, gli sviluppatori possono utilizzare il linguaggio naturale per interrogare i propri dati utilizzando MongoDB Compass, risolvere problemi comuni durante lo sviluppo, eseguire la conversione dell'API da SQL a query direttamente da MongoDB Relational Migrator e creare rapidamente grafici e dashboard utilizzando prompt in linguaggio naturale in MongoDB Atlas Charts. Nel complesso, queste esperienze intelligenti aiuteranno gli sviluppatori a creare funzionalità differenziate con maggiore controllo e flessibilità, rendendo più facile che mai la creazione di applicazioni con MongoDB. Consenti ai team di sviluppo di iniziare a creare soluzioni rivolte ai clienti in modo più rapido e semplice con l'IA MongoDB semplifica la creazione di applicazioni basate sull'IA per le aziende di tutte le dimensioni. Per fornire ai clienti un modo semplice per iniziare con l'IA generativa, MongoDB annuncia il MongoDB AI Application Program (MAAP) . In base ai modelli di utilizzo per i casi d'uso comuni dell'IA, i clienti ricevono un'applicazione funzionante costruita su un'architettura di riferimento supportata da MongoDB Atlas, modelli di IA e soluzioni di hosting verificati, supporto tecnico e un impegno a servizio completo guidato dal nostro team di servizi professionali. L'anno scorso, per consentire ulteriormente alle startup di creare soluzioni di IA con MongoDB Atlas, abbiamo lanciato l'AI Innovators Program , un'estensione di MongoDB for Startups , che offre ulteriori 5000 dollari in crediti Atlas alle nostre startup di IA. Quest'anno stiamo espandendo il programma introducendo un Hub per startup IA , che presenta una guida curata per iniziare a lavorare con MongoDB e l'IA, guide rapide per MongoDB e partner IA selezionati e offerte di crediti per startup da parte dei nostri partner IA. Forniamo due nuovi pacchetti di consulenza AI Accelerator per le aziende più grandi: AI Essentials e AI Implementation. Sebbene MAAP sia finalizzato esclusivamente alla creazione di architetture di riferimento altamente controllate, questi pacchetti di consulenza consentono ai clienti di progettare, costruire e implementare prototipi e soluzioni di IA aperti nelle loro applicazioni. I dati sono sempre stati un vantaggio competitivo per le organizzazioni e MongoDB rende facile, veloce e flessibile innovare con i dati. Continuiamo a investire nel rendere tutte le altre parti dello stack di IA facili per le organizzazioni: esaminando i migliori partner per garantire la compatibilità con diverse parti dello stack di applicazioni, costruendo un servizio gestito che si estende su più cloud in funzione e garantendo l'apertura che è sempre stata una parte di MongoDB che evita il lock in con il fornitore. In che modo MongoDB Atlas unifica i servizi dati operativi, analitici e di IA generativa per semplificare la creazione di applicazioni arricchite dall'IA? Consulta la nostra pagina MongoDB for AI per saperne di più.

May 2, 2024
Next →

Hanabi Technologies Uses MongoDB to Power AI Assistant, Hana

For all the hype surrounding generative AI, cynics tend to view the few real-world implementations as little more than “fancy chatbots.” But for Abhinav Aggarwal, CEO of Hanabi Technologies, the idea of a generative AI-powered bot that is more than just an assistant was intriguing. “I’d been using ChatGPT since it launched,” said Aggarwal. “That got me thinking: How could we make a chatbot that was like a team member?” And with that concept, Hana was born. The problem with bots “Most generative AI chatbots do not act like people; they wait for a command and give a response,” said Aggarwal. “We wanted to create a human-like chatbot that would proactively help people based on what they wanted—automating reminders, for example, or fetching time zones from your calendar to correctly schedule meetings.” Hanabi’s flagship product, Hana, is an AI assistant designed to enhance team collaboration within Google Chat, working in concert with Google Workspace and its suite of products. “Our target customers are smaller companies of between 10 and 50 people. At this size you’re not going to build your own agent from scratch,” he said. Hana integrates with Google APIs to deliver a human-like assistant that chimes in with helpful interventions, such as automatically setting reminders and making sure meetings are booked in the right time zone for each participant. “Hana is designed to bring AI to smaller companies and help them collaborate in a space where they are already working—Google Workspace,” Aggarwal explained. The MongoDB Atlas solution For Hana to act like a member of the team, Hanabi needed to process massive amounts of data to support advanced features like retrieval-augmented generation (RAG) for better information retrieval across Google Docs and many other sources. And with a rapidly growing user base of over 600 organizations and 17,000+ installs, Hanabi also required a secure, scalable, and high-performing data storage solution. MongoDB Atlas provided a flexible document model, built-in vector database, and scalable cloud-based infrastructure, freeing Hanabi engineers to build new features for Hana rather than focusing on rote tasks like data extract, transform, and load processes or manual scaling and provisioning. Now, MongoDB Atlas handles a variety of responsibilities: Scalability and security: MongoDB Atlas’s auto-scaling and automatic backup features have enabled Hanabi to seamlessly grow its user base without the need for manual database management. RAG: MongoDB Atlas plays a critical role in Hana’s RAG functionality. The platform enables Hanabi to split Google Docs into small sections, create embeddings, and store these sections in Atlas’s vector database. Development Processes: According to Aggarwal, MongoDB’s flexibility in managing changing schemas has been essential to the company’s fast-paced development cycle. Data Visualization: Using MongoDB Atlas Charts has enabled Hanabi to create comprehensive dashboards for real-time data visualization. This has helped the team track usage, set reminders, and optimize performance without needing to build a manual dashboard. Impact and results With MongoDB Atlas, Hanabi can successfully scale Hana to meet the demands of its rapidly expanding user base. The integration is also enabling Hana to offer powerful features like automatic interactions with customers, advanced information retrieval from Google Docs, and manually added memory snippets, making it an essential tool for teams around the world. Next steps Hanabi plans to continue integrating more tools into Hana while expanding its reach to personal Gmail users. The company is also rolling out a new automatic-interaction feature, further enhancing Hana’s ability to proactively assist users without direct commands. MongoDB Atlas remains a key component of Hanabi’s stack, alongside Google Kubernetes Engine, NestJS, and LangChain, enabling Hanabi to focus on innovating to improve the customer experience. Tech Stack MongoDB Atlas Google Kubernetes Engine NestJS LangChain Are you building AI apps? Join the MongoDB AI Innovators Program today! Successful participants gain access to free MongoDB Atlas credits, technical enablement, and invaluable connections within the broader AI ecosystem. If your company is interested in being featured, we’d love to hear from you. Connect with us at ai_adopters@mongodb.com.

November 21, 2024