Isolation des charges de travail pour plus d'évolutivité et de disponibilité : nœuds de recherche désormais disponibles sur Google Cloud

Elliott Gluck
March 28, 2024

Aujourd'hui, nous sommes ravis de passer à l'étape suivante en apportant une architecture évolutive et dédiée à vos expériences de recherche, avec l'introduction des nœuds de recherche d'Atlas dans la version préliminaire publique de Google Cloud.

Après l'annonce initiale des nœuds de recherche en juin 2023, nous avons rapidement accéléré l'accès à l'architecture dédiée la plus évolutive, en commençant par la disponibilité générale sur AWS, puis en l'étendant à la version préliminaire publique sur Google Cloud. Découvrons un peu plus de contexte sur ce que sont les nœuds de recherche et pourquoi ils sont importants pour toute expérience de recherche fonctionnant à l'échelle.

Les nœuds de recherche fournissent une infrastructure dédiée aux charges de travail Atlas Search et Vector Search afin d'offrir un contrôle encore plus renforcé sur les charges de travail de recherche. Isolez et optimisez les ressources de calcul pour répartir indépendamment les besoins de recherche et de base de données, offrant ainsi de meilleures performances à grande échelle et une plus grande disponibilité.

Les problèmes d'infrastructure représentent l'une des dernières choses que les développeurs souhaitent gérer lorsqu'ils créent et mettent à l'échelle des applications. Tout temps d'arrêt ou mauvaise expérience utilisateur se traduit par une perte d'utilisateurs ou de chiffre d'affaires, en particulier lorsque cela concerne votre base de données et de l'expérience de recherche. C'est l'une des raisons pour lesquelles les développeurs se tournent vers MongoDB, étant donné la facilité d'utilisation d'un système unifié pour votre base de données et votre solution de recherche.

Avec l'introduction des nœuds de recherche d'Atlas, nous avons franchi une nouvelle étape en offrant à nos constructeurs un contrôle ultime, leur permettant ainsi de rester flexibles en étant capables de répartir les charges de travail de recherche sans être obligés de surapprovisionner la base de données. En isolant vos charges de travail de recherche et de base de données tout en synchronisant automatiquement les données de votre cluster de recherche avec les données opérationnelles, Atlas Search et Atlas Vector Search éliminent le besoin d'exécuter un outil ETL distinct, dont la configuration demande du temps et des efforts et constitue un autre point d'échec pour votre application de mise à l'échelle. Cela permet d'obtenir des performances supérieures et une plus grande disponibilité, tout en réduisant la complexité architecturale et le temps d'ingénierie perdu lors de la récupération après des échecs de synchronisation. En effet, nous avons constaté une diminution de 40 à 60 % du temps de requête pour de nombreuses requêtes complexes, parallèlement à une élimination des risques de conflit de ressources ou de temps d'arrêt.

D'un simple clic, les nœuds de recherche sur Google Cloud offrent à nos utilisateurs existants d'Atlas Search et de Vector Search les avantages suivants :

Disponibilité plus élevée
Évolutivité accrue
Isolation des charges de travail
Meilleures performances à l'échelle
Performances des requêtes renforcées

Nous proposons à la fois des nœuds destinés à la recherche gourmande en calcul pour la recherche de texte basée sur la pertinence, ainsi qu'une option optimisée pour la mémoire, idéale pour les cas d'utilisation sémantiques et de production RAG avec Atlas Vector Search. Les problèmes de conflits ou de disponibilité des ressources appartiennent désormais au passé.

Graphic of Search Nodes Search and Database structure, where Atlas Nodes is the Database and Search Nodes are the Search function.

Les nœuds de recherche sont faciles à utiliser et à configurer. Pour commencer, accédez à l'UI de MongoDB et procédez comme suit :

Accédez à la section « Déploiements de bases de données » de l'UI MongoDB.
Cliquez sur le bouton vert « + Créer ».
Sur la page « Créer un cluster », remplacez le bouton d'option de Google Cloud par « Isolation multi-cloud, multi-région et des charges de travail » pour l'activer.
Activez le bouton d'option « Nœuds de recherche pour l'isolation des charges de travail ». Sélectionnez le nombre de nœuds dans la zone de texte.
Cochez la case d'accord.
Cliquez sur « Créer un cluster ».

Pour les utilisateurs existants d'Atlas Search, cliquez sur « Modifier la configuration » dans l'UI de MongoDB Atlas Search et activez l'option d'isolation des charges de travail. Les étapes sont alors les mêmes que celles indiquées ci-dessus.

Accédez directement à nos documents pour en savoir plus !

← Previous

Aislamiento de carga de trabajo para mayor escalabilidad y disponibilidad: buscar nodos ahora en Google Cloud

Hoy estamos entusiasmados de dar el siguiente paso para llevar una arquitectura escalable y dedicada a sus experiencias de búsqueda, con la introducción de Atlas Search Nodes en vista previa pública para Google Cloud. Después de nuestro anuncio inicial de Search Nodes en junio de 2023, estuvimos acelerando rápidamente el acceso a la arquitectura dedicada más escalable, comenzando con la disponibilidad general en AWS y ahora expandiéndonos a la vista previa pública en Google Cloud. Proporcionemos un poco más de contexto sobre qué son los nodos de búsqueda y por qué son importantes para cualquier experiencia de búsqueda que se ejecute a escala. Los nodos de búsqueda proporcionan una infraestructura dedicada para las cargas de trabajo de Atlas Search y Vector Search para proporcionar un control aún mayor sobre las cargas de trabajo de búsqueda. Aísle y optimice los recursos informáticos para escalar las necesidades de búsqueda y base de datos de forma independiente, ofreciendo un mejor rendimiento a escala y una mayor disponibilidad. Una de las últimas cosas con las que los desarrolladores quieren lidiar al crear y escalar aplicaciones es tener que preocuparse por problemas de infraestructura. Cualquier tiempo de inactividad o mala experiencia de usuario significa pérdida de usuarios o ingresos, especialmente cuando se trata de su base de datos y experiencia de búsqueda. Esta es una de las razones por las que los desarrolladores recurren a MongoDB, dada la facilidad de uso de tener un sistema unificado para su base de datos y solución de búsqueda. Con la introducción de Atlas Search Nodes dimos el siguiente paso para proporcionar a nuestros constructores el máximo control, pudiendo seguir siendo flexibles al ser capaces de escalar las cargas de trabajo de búsqueda sin tener que aprovisionar en exceso la base de datos. Al aislar sus cargas de trabajo de búsqueda y base de datos y al mismo tiempo mantener automáticamente los datos de su cluster de búsqueda sincronizados con los datos operativos, Atlas Search y Atlas Vector Search eliminan la necesidad de ejecutar una herramienta ETL separada, que requiere tiempo y esfuerzo de configuración y es otro punto de falla para su aplicación de escalado. Esto proporciona un rendimiento superior y una mayor disponibilidad, al tiempo que reduce la complejidad de la arquitectura y la pérdida de tiempo de ingeniería en la recuperación de fallos de sincronización. De hecho, hemos observado una reducción del 40% al 60% en el tiempo de consulta para muchas consultas complejas, al tiempo que se eliminan las posibilidades de contención de recursos o tiempos de inactividad. Con solo un botón rápido, los nodos de búsqueda en Google Cloud ofrecen a nuestros usuarios existentes de Atlas Search y Vector Search los siguientes beneficios: Mayor disponibilidad Mayor escalabilidad Aislamiento de la carga de trabajo Mejor rendimiento a escala Rendimiento de consultas mejorado Ofrecemos tanto Nodos específicos de búsqueda con gran carga computacional para la búsqueda de texto basada en relevancia, como una opción optimizada para memoria que es óptima para casos de uso semántico y de producción RAG con Atlas Vector Search. Esto hace que los problemas de contención o disponibilidad de recursos sean cosa del pasado. Los nodos de búsqueda son fáciles de aceptar y establecer: para empezar, vaya a la IU de MongoDB y haga lo siguiente: Vaya a la sección “Implementaciones de bases de datos” en la IU de MongoDB. Haga clic en el botón verde “+Crear” En la página “Crear nuevo cluster”, cambie el botón de opción de Google Cloud por “Multi-cloud, multiregión & aislamiento de carga de trabajo” para activarlo. Active el botón de opción “Buscar nodos para el aislamiento de carga de trabajo”. Seleccione el número de nodos en el cuadro de texto Marque la casilla de acuerdo. Haga clic en “Crear cluster”. Para los usuarios existentes de Atlas Search, haga clic en “Editar configuración” en la IU de MongoDB Atlas Search y habilite el interruptor para el aislamiento de cargas de trabajo. Entonces los pasos son los mismos que se indicaron anteriormente. ¡Vaya directamente a nuestros docs para obtener más información!

March 28, 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