Isolamento del carico di lavoro per ottenere maggiore scalabilità e disponibilità: Nodi di ricerca ora su Google Cloud

Elliott Gluck
March 28, 2024

Oggi siamo entusiasti di fare il passo successivo nel portare un'architettura scalabile e dedicata alle tue esperienze di ricerca, con l'introduzione dei Nodi di ricerca Atlas in public preview per Google Cloud.

Dopo l'annuncio iniziale dei Nodi di ricerca nel giugno del 2023, abbiamo rapidamente accelerato l'accesso all'architettura dedicata più scalabile, iniziando con la disponibilità generale su AWS e ora con la public preview su Google Cloud. Vediamo di capire meglio che cosa sono i Nodi di ricerca e perché sono importanti per qualsiasi esperienza di ricerca in scala.

I Nodi di ricerca forniscono un'infrastruttura dedicata per i carichi di lavoro di Atlas Search e Vector Search, per consentire un controllo ancora maggiore sui carichi di lavoro di ricerca. Isola e ottimizza le risorse di calcolo per scalare le esigenze di ricerca e database in modo indipendente, offrendo prestazioni migliori su larga scala e maggiore disponibilità.

Una delle ultime problematiche che gli sviluppatori intendono affrontare quando creano e scalano le app è doversi preoccupare dei problemi di infrastruttura. Qualsiasi tempo di inattività o esperienza negativa determina una perdita di utenti o di fatturato, soprattutto per quanto riguarda il database e l'esperienza di ricerca. Questo è uno dei motivi per cui gli sviluppatori si rivolgono a MongoDB, data la facilità d'uso di poter disporre di un sistema unificato per il database e la soluzione di ricerca.

Con l'introduzione dei Nodi di ricerca Atlas abbiamo compiuto il passo successivo offrendo ai nostri sviluppatori il massimo controllo, poiché possono rimanere flessibili e scalare i carichi di lavoro di ricerca senza essere costretti a eseguire un provisioning eccessivo del database. Isolando i carichi di lavoro di ricerca e database e al contempo mantenendo automaticamente i dati del cluster di ricerca sincronizzati con i dati operativi, Atlas Search e Atlas Vector Search consentono di non dover eseguire uno strumento ETL separato, la cui configurazione richiede tempo e impegno e che rappresenta pur sempre un altro punto di errore per la propria app di scalabilità. Ciò consente prestazioni superiori e offre maggiore disponibilità, riducendo al contempo la complessità dell'architettura e gli sprechi di tempo di progettazione per il ripristino da errori di sincronizzazione. In effetti, abbiamo riscontrato una riduzione del 40% - 60% del tempo di esecuzione delle query per molte query complesse, eliminando al contempo la possibilità di conflitti di risorse o tempi di inattività.

Con un semplice cambio di pulsante, i Nodi di ricerca su Google Cloud offrono ai nostri utenti di Atlas Search e Vector Search i seguenti vantaggi:

Disponibilità più elevata
Aumento della scalabilità
Isolamento dei carichi di lavoro
Prestazioni migliori su larga scala
Miglioramento delle prestazioni delle query

Offriamo sia Search Nodes specifici per la ricerca ad alto carico di calcolo per la ricerca di testo basata sulla pertinenza, sia un'opzione ottimizzata per la memoria che è ideale per casi d'uso di produzione semantica e RAG con Atlas Vector Search. Ciò rende i problemi di contesa o disponibilità delle risorse un vecchio ricordo.

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

È facile attivare e impostare i Nodi di ricerca: per iniziare, accedi all'IU di MongoDB ed esegui le seguenti operazioni:

Vai alla sezione "Distribuzioni di database" nell'IU di MongoDB
Fai clic sul pulsante verde "+Crea"
Nella pagina "Crea nuovo cluster", modifica il pulsante di opzione per Google Cloud in "Isolamento multi-cloud, multi-regione e carico di lavoro" per abilitare
Attiva il pulsante di opzione "Nodi di ricerca per l'isolamento del carico di lavoro" per abilitare. Seleziona il numero di nodi nella casella di testo
Seleziona la casella di accordo
Fai clic su "Crea cluster"

Per gli utenti esistenti di Atlas Search, fai clic su "Modifica configurazione" nell'IU di MongoDB Atlas Search e abilita l'interruttore per l'isolamento del carico di lavoro. Successivamente, i passaggi sono gli stessi indicati sopra.

Per maggiori informazioni, consulta i nostri documenti.

← Previous

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

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. 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 !

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