Verbesserung der Datenbankleistung: Einführung von Query Insights in MongoDB Atlas

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

Heute bei .local NYC hat MongoDB Atlas die neue Registerkarte „Query Insights“ eingeführt, mit der Benutzer die Leistung ihrer Datenbank direkt in der Atlas-Benutzeroberfläche überwachen, verwalten und optimieren können. Diese neue Funktion bietet Entwicklern tiefere Einblicke in die Leistung ihrer Datenbank mit einem leistungsfähigeren Abfrageanalysetool und detaillierten Metriken auf Namespace-Ebene für eine schnellere Problemlösung und verbesserte Leistung.

Anwendungen und Workloads ändern sich im Laufe der Zeit, sodass es immer schwieriger wird, ineffiziente Abfragen zu verfolgen, die die Ressourcen einer Datenbank belasten. Metriken können aus verschiedenen Gründen in die Höhe schnellen, und die Entwickler benötigen die richtigen Tools, um die Ursache des Problems zu ermitteln, damit sie das Problem schnell identifizieren und beheben können. Query Insights von MongoDB Atlas geht diese Herausforderungen direkt an, indem es die Beobachtungsmöglichkeiten von MongoDB um zwei entscheidende Funktionen erweitert: Namespace Insights und ein verbesserter Query Profiler.

Query Insights bietet Leistungsoptimierung durch umsetzbare Informationen

Die Einführung von MongoDB Atlas Query Insights zeigt das Engagement von MongoDB für fortschrittliches Datenbankmanagement. Diese Funktion erweitert die Beobachtungsmöglichkeiten unserer Plattform um detaillierte und umsetzbare Erkenntnisse. Diese Funktion integriert Namespace Insights und einen verbesserten Query Profiler in einer neuen dynamischen Benutzeroberfläche und trägt dazu bei, die Leistung der Datenbank zu steigern, indem sie die Diagnose optimiert und die Fehlerbehebungszeiten reduziert.

Die neu hinzugefügten Namespace Insights bieten Anwendern Latenzstatistiken auf Sammlungsebene und einen umfassenden Überblick darüber, wie sich die heißesten Sammlungen in einem Cluster im Laufe der Zeit verhalten. Damit können Entwickler die Frage beantworten: „Wer oder was verursacht das Problem?“ Dies ist wichtig, um Leistungstrends zu erkennen und Abfrageoptimierungen zu priorisieren.

Der verbesserte Cluster-zentrierte Query Profiler bietet einen umfassenderen Überblick über langsame und ineffiziente Abfragen über einen größeren Zeitraum. Ein Gesamtüberblick über die Daten des gesamten Clusters ermöglicht eine einfachere Navigation zwischen den Knoten und einen längeren Rückblick, um Trends zu erkennen. Dadurch verringert sich die Zeit für die Fehlersuche, was die Produktivität der Entwickler erhöht und die Gesamtleistung der Datenbank verbessert.

Die wichtigsten Vorteile von Query Insights

Query Insights bietet Nutzern von MongoDB Atlas mehrere neue Vorteile, darunter:

  • Granulare Telemetrie: Schnellere Identifizierung und Lösung von Datenbankproblemen mit Latenzstatistiken auf Namespace-Ebene

  • Verbesserte Beobachtbarkeit: Es ist einfacher, Leistungstrends zu erkennen, Ursachen zu identifizieren und Anwendungen zu debuggen.

  • Gesteigerte Produktivität: Geringere Zeit für die Fehlersuche dank eines umfassenderen Überblicks über langsame Vorgänge

Probieren Sie es aus!

Die Seite „Query Insights“ bietet detailliertere Einblicke in die Datenbankleistung, indem sie Details auf Collection- und Vorgangsebene bereitstellt. Die Seite > „Namespace Insights“ bietet Metriken für die 20 wichtigsten Collections nach Gesamtlatenz.

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.

Bewegen Sie den Mauszeiger über die Diagramme, um zu sehen, wie sich die Collections im Zeitverlauf im Verhältnis zueinander entwickeln. Diese Informationen erleichtern die Beantwortung der Frage: „Wer/was verursacht das Problem?“

Verwenden Sie den Query Profiler, um bestimmte langsame Vorgänge anzuzeigen. Klicken Sie auf einen Punkt im Streudiagramm, um zusätzliche Metadaten zu jedem langsamen Vorgang anzuzeigen.

Klicken Sie auf „Weitere Details anzeigen“, um weitere Metriken und Metadaten zu jedem langsamen Vorgang anzuzeigen, einschließlich des App-Namens, des Vorgangs, der Planübersicht, der Ausführungsstatistiken usw.

Befähigen Sie Benutzer zu Höchstleistungen

Die Einführung von Query Insights in MongoDB Atlas unterstreicht das Engagement von MongoDB, die Beobachtungsfunktionen unserer Plattform zu verbessern. Indem MongoDB den Benutzern die notwendigen Tools und Einblicke für eine optimale Datenbankleistung bietet, ermöglicht es Entwicklern, weniger Zeit mit der Fehlerbehebung und mehr Zeit mit der Erstellung zu verbringen. Dies senkt die Gesamtbetriebskosten und maximiert die Effizienz, was den Arbeitsabläufen unserer Benutzer einen erheblichen Mehrwert verleiht.

Registrieren Sie sich für MongoDB Atlas, unseren Cloud-Datenbankdienst, um Query Insights in Aktion zu sehen. Weitere Informationen finden Sie unter „Abfrageleistung überwachen“.

← 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 →

MongoDB and Partners: Building the AI Future, Together

If you’re like me, over the past year you’ve closely watched AI’s developments—and the world’s reactions to them. From infectious excitement about AI’s capabilities, to impatience with its cost and return on investment, every day has been filled with AI twists and turns. It’s been quite the roller coaster. During the ride, from time to time I’ve wondered where AI falls on the Gartner hype cycle, which gives "a view of how a technology or application will evolve over time." Have we hit the "peak of inflated expectations" only to fall into the "trough of disillusionment?" Or is the hype cycle an imperfect guide, as The Economist argues? The reality is that it takes time for any new technology—even transformative ones like AI—to take hold. And every advance, no matter how big, has had its detractors. A famous example is that of Picasso (!), who in 1968 said, “Computers are useless. They can only give you answers.” (!!) For our part, MongoDB is convinced that AI is a once-in-a-generation technology that will enhance every future application—a belief that has been reinforced by the incredible work our partners have shared at MongoDB’s 2024 events. Speeding AI development MongoDB is committed to helping organizations of all sizes succeed with AI, and one way we’re doing that is by collaborating with the MongoDB partner ecosystem to create powerful, user-friendly AI development tools and solutions. For example, Fireworks.ai —which is a member of the MongoDB AI Applications Program ecosystem —created an inference solution that hosts gen AI models and supports containerized deployments. This tool makes it easier for developers to build and deploy powerful applications with a range of easy-to-use tools and customization options. They can choose to use state-of-the-art, open-source language, image, and multimodal foundation models off the shelf, or they can customize and fine-tune models to their needs. Jointly, Fireworks.ai and MongoDB provide a solution for developers who want to leverage highly curated and optimized open-source models and combine these with their organization’s own proprietary data—and to do so with unparalleled speed and security. “MongoDB is one of the most sophisticated database providers, and it’s very easy to use,” said Benny Chen , cofounder of Fireworks.ai. "We want developers to be able to use these tools, and we want to work with providers who enable and empower developers." Nomic , another MAAP ecosystem member, also enables developers with best-in-class solutions across the entire unstructured data workflow. Their Embed offering, available through the Nomic API , allows users to vectorize large-scale datasets for use in text, image, and multimodal retrieval applications, including retrieval-augmented generation (RAG), using only their web browser. The Nomic-MongoDB solution is a highly efficient, open-weight model that developers can use to visualize the unstructured datasets they store in MongoDB Atlas . These insights help users quickly discover trends and articulate data-driven value propositions. Nomic also supported the recently announced vector quantization in MongoDB Atlas Vector Search , which reduces vector sizes while preserving performance. Last—but hardly least!—there’s our new reference architecture with MAAP partners AWS and Anthropic. Announced at MongoDB.local London , the reference architecture supports building memory-enhanced AI agents, and is designed to streamline complex processes and develop smarter, more responsive applications. For more—including a link to the code on Github— check out the MongoDB Developer Center . Making AI work for anyone and everyone The companies MongoDB partners with aren’t just making gen AI easier for developers—they’re building tools for everyone. For example, Capgemini has invested $2 billion in gen AI and is training 100,000 of its employees in the technology. GenYoda, a solution that helps insurance professionals with their daily work, is a product of this investment. GenYoda leverages MongoDB Atlas Vector Search to analyze large amounts of customer data, like policy statements, premiums, claims history, and health information. Using GenYoda, insurance professionals can quickly analyze underwriters’ reports to make informed decisions, create longitudinal health summaries, and streamline customer interactions to improve contact center efficiency. GenYoda can ingest 100,000 documents in just a few hours and respond to users’ queries in two to three seconds—a metric on par with the most widely used gen AI models. And it produces results: in one example, by using Capgemini’s solution an insurer was able to increase productivity by 15%, add new reports 25% faster (thus speeding decision-making), and reduce the manual effort of searching PDFs, increasing efficiency by 10%. Building the future of AI together So, what’s next? Honestly, I’m as curious as you are. But I’m also incredibly excited. At MongoDB, we’re active participants in the AI revolution, working to embrace the possibilities that lie ahead. The future of gen AI is bright, and I can’t wait to see what we’ll build together. To learn more about how MongoDB can accelerate your AI journey, explore the MongoDB AI Applications Program .

November 4, 2024