Atlas Data Federation und Online-Archiv können jetzt in Azure bereitgestellt werden

Karthic Subramanian and Sabina Friden
February 29, 2024 | Updated: March 18, 2024

Für Benutzer von Microsoft Azure zeichnen sich spannende Entwicklungen ab, die einen bedeutenden Sprung in den Möglichkeiten der Datenverwaltung darstellen. Zunächst einmal ist Atlas Data Federation jetzt allgemein auf Azure verfügbar. Das bedeutet, dass Sie es jetzt direkt in Azure einsetzen und sogar Daten aus Microsoft Azure Blob Storage abfragen können. Und das ist noch nicht alles. Wir haben auch die allgemeine Verfügbarkeit von Atlas Online Archive auf Azure gestartet. Diese Neuerungen leiten eine neue Ära effizienter Archivierungslösungen für Azure-basierte Datenlösungen ein.

Beide Updates sind ein großer Schritt nach vorn, um die Datenverwaltung auf Azure leistungsfähiger und flexibler zu machen. Was das für Sie bedeutet, erfahren Sie im Folgenden!

Azure-Unterstützung in Atlas Data Federation (allgemeine Verfügbarkeit)

Mit Atlas Data Federation können Benutzer nahtlos Abfragen, Transformationen und Ansichten über mehrere Atlas-Datenbanken und Cloud-Objektspeicherlösungen wie Amazon S3 und jetzt auch Microsoft Azure Blob Storage erstellen. Diese Funktion, die bisher ausschließlich AWS vorbehalten war, ist ein echter Durchbruch. Sie ermöglicht die direkte Bereitstellung in Azure und den Zugriff auf Microsoft Azure Blob Storage für Dateneinblicke.

Abbildung 1: Nutzen Sie Azure Blob Storage ganz einfach über die Atlas-Benutzeroberfläche

Hauptmerkmale von Atlas Data Federation

  • Cloud-Flexibilität: Wählen Sie zwischen AWS und Azure, um föderierte Datenbankinstanzen zu hosten.
  • Diverse Datenquellen: Binden Sie MongoDB Atlas-Cluster oder Azure-Speicherlösungen (Azure Blob Storage und Azure Data Lake Storage Gen2) als Datenquellen für umfassende Abfragen ein, einschließlich regionsübergreifender Abfragen.
  • Erweiterte Aggregation: Umfassende Aggregationsmöglichkeiten mit Operatoren wie $match, $lookup, $queryHistory, $merge, $out usw.
    • Direkte $out-Unterstützung für Azure Blob Storage und Azure Data Lake Storage Gen2.
  • Atlas SQL-Abfragen auf Azure: Führen Sie SQL-Abfragen auf Azure aus und integrieren Sie dabei MongoDB-Daten für eine einheitliche Analyseerfahrung.

Atlas Data Federation vereinfacht den Zugriff auf und die Analyse von komplexen Datensätzen, indem es Daten aus verschiedenen Quellen in einer einzigen, föderierten Ansicht zusammenfasst und so wertvolle Erkenntnisse für fundiertere Geschäftsentscheidungen liefert.

Entdecken Sie noch heute Atlas Data Federation auf Azure.

Azure-Unterstützung im Atlas Online-Archiv (allgemeine Verfügbarkeit)

Die Ausweitung von Atlas Online Archive auf Azure stellt sicher, dass das Daten-Tiering nicht nur effizient, sondern auch integriert ist und die Archivdaten innerhalb der Azure-Umgebung bleiben. Diese Integration behebt die bisherige Einschränkung, dass AWS für die Speicherung standardmäßig verwendet wird, selbst bei in Azure gehosteten Clustern.

Abbildung 2: Nahtlose Auswahl von Azure bei der Auswahl einer Region

Hauptmerkmale von Atlas Online Archive

  • Wahl des Anbieters: Entscheiden Sie sich für AWS oder Azure, um Ihre Cloud-Strategie zu unterstützen.
  • Automatische Archivierung: Legen Sie Regeln fest, um ältere Daten automatisch in einen kostengünstigen Cloud-Speicher zu verschieben, so dass die manuelle Verlagerung entfällt.
  • Einheitlicher Abfrage-Endpunkt: Greifen Sie auf alle Daten über einen einzigen Endpunkt zu, um schnelle Einblicke zu erhalten, ohne die Datenverfügbarkeit zu beeinträchtigen.
  • Integrierte MongoDB Atlas UI-Verwaltung: Verwalten Sie Ihr Daten-Tiering und Ihre Archivierung über die vertraute Atlas-Oberfläche und optimieren Sie so den Betrieb und die Wartung.

Verwalten Sie Ihr MongoDB Atlas-Daten-Tiering nahtlos und in großem Umfang mit Atlas Online Archive. Mit Atlas Online Archive können Sie den Lebenszyklus Ihrer Daten effizient verwalten und dabei ein ausgewogenes Verhältnis zwischen Kosten und Zugänglichkeit schaffen.

Abschließend noch ein paar Punkte, die es zu beachten gilt:

  • Jedes neu erstellte Archiv auf einem Azure-Cluster am oder nach dem 28.02. wird standardmäßig in Azure-Regionen erstellt. Beachten Sie, dass Speicherregionen für Online-Archive nur dann standardmäßig auf Azure-Clustern angelegt werden, wenn auf dem betreffenden Azure-Cluster noch keine AWS-Archive vorhanden sind
  • Wenn es bereits bestehende AWS Online-Archive auf Azure-Clustern gibt, verbleiben alle neu erstellten Archive auf diesem speziellen Cluster auf AWS
  • Einmal konfigurierte Cloud-Anbieter oder Speicherregionen können nicht bearbeitet oder geändert werden

Nutzen Sie noch heute das volle Potenzial von Atlas Online Archive auf Azure.

Wir freuen uns darauf, Sie bei der Datenverwaltung zu unterstützen und Ihnen mit diesen neuen Azure-Funktionen mehr Kontrolle und Flexibilität über Ihre Daten zu bieten. Da MongoDB Atlas als Multi-Cloud-Lösung weiter expandiert, sind wir hier, um sicherzustellen, dass Ihre Datenstrategie so dynamisch und vielseitig ist, wie Ihr Unternehmen es benötigt.

Eine Anleitung für die ersten Schritte finden Sie in unserer Dokumentation zu Atlas Data Federation oder Atlas Online Archive.

Vielen Dank, dass Sie sich für MongoDB Atlas als Ihre Datenplattform für Entwickler entschieden haben. Willkommen in der Zukunft der Multi-Cloud-Datenverwaltung!

← Previous

Ahora se puede implementar Atlas Data Federation y Online Archive en Azure

Se avecinan desarrollos emocionantes para los usuarios de Microsoft Azure, lo que marca un salto significativo en las capacidades de administración de datos. En primer lugar, Atlas Data Federation ahora cuenta con disponibilidad general en Azure. Esto significa que ahora puede implementarlo de forma directa dentro de Azure e incluso consultar datos de Microsoft Azure Blob Storage. Y eso no es todo. También lanzamos la disponibilidad general de Atlas Online Archive en Azure. Estos avances marcan el comienzo de una nueva era de soluciones de archivado eficaces para soluciones de datos basadas en Azure. Ambas actualizaciones son grandes avances para hacer que la administración de datos en Azure sea más eficaz y flexible. ¡Veamos qué significa esto para usted! Compatibilidad con Azure en Atlas Data Federation (disponibilidad general) Con Atlas Data Federation, los usuarios pueden consultar, transformar y crear vistas sin problemas en múltiples bases de datos de Atlas y soluciones de almacenamiento de objetos en cloud, como Amazon S3 y ahora Microsoft Azure Blob Storage. Esta característica, antes exclusiva para AWS, es revolucionaria, lo que permite la implementación directa dentro de Azure y la capacidad de aprovechar Microsoft Azure Blob Storage para obtener información estratégica de datos. Figura 1: Acceda fácilmente a Azure Blob Storage desde la IU de Atlas Características principales de Atlas Data Federation Flexibilidad en cloud: elija entre AWS y Azure para alojar instancias de bases de datos federadas. Diversas fuentes de datos: incorpora clusters de MongoDB Atlas o soluciones de almacenamiento de Azure (Azure Blob Storage y Azure Data Lake Storage Gen2) como fuentes de datos para realizar consultas completas, incluso entre regiones. Agregación avanzada: capacidades de agregación integrales con operadores que incluyen $match, $lookup, $queryHistory, $merge, $out, etc. Compatibilidad directa de $out para Azure Blob Storage y Azure Data Lake Storage Gen2. Consultas de SQL de Atlas en Azure: ejecute consultas de SQL en Azure, que integra datos de MongoDB para una experiencia de análisis unificada. Atlas Data Federation simplifica el acceso y el análisis de conjuntos de datos complejos al combinar datos de múltiples fuentes en una única visión federada, proporcionando información valiosa para tomar decisiones empresariales más informadas. Explore Atlas Data Federation en Azure hoy mismo . Compatibilidad con Azure en Atlas Online Archive (disponibilidad general) La expansión de Atlas Online Archive a Azure garantiza que la organización de datos por niveles no solo sea eficiente, sino que también esté integrada, manteniendo los datos de archivo dentro del ecosistema de Azure. Esta integración resuelve la limitación anterior de utilizar por defecto AWS para el almacenamiento, incluso para los clusters alojados en Azure. Figura 2: Seleccione Azure al elegir una región Características clave de Atlas Online Archive Opción de proveedor: opte por AWS o Azure para alinearse con su estrategia de cloud. Archivado automático: establezca reglas para mover datos antiguos a un almacenamiento rentable en cloud de forma automática y elimina la descarga manual. Punto de conexión de consulta unificado: acceda a todos los datos a través de un único punto de conexión, lo que garantiza información rápida sin comprometer la disponibilidad de los datos. Gestión integrada de la IU de MongoDB Atlas: gestione el archivado de datos y su organización por niveles desde la conocida interfaz de Atlas, lo que agiliza las operaciones y el mantenimiento. Gestione sin problemas la organización de datos por niveles de MongoDB Atlas a escala con Atlas Online Archive. Atlas Online Archive le permite administrar su ciclo de vida de datos de manera eficiente, equilibrando costos y accesibilidad con facilidad. Finalmente, aquí hay algunos puntos a considerar: Cualquier archivo recién creado en un cluster de Azure a partir del 02/28 será predeterminado para las regiones de Azure. Tenga en cuenta que las regiones de almacenamiento para Online Archive se asignarán por defecto a clústeres de Azure sólo si no hay archivos de AWS preexistentes en ese cluster de Azure específico Si hay archivos AWS Online preexistentes en clusters de Azure, todos los archivos recién creados en ese cluster específico permanecerán en AWS. Los proveedores de cloud o las regiones de almacenamiento no se pueden editar ni modificar una vez configurados Aproveche todo el potencial de Atlas Online Archive en Azure hoy mismo . Estamos encantados de dar asistencia técnica a su recorrido de gestión de datos, lo que ofrece mayor control y flexibilidad sobre sus datos a través de estas nuevas capacidades de Azure. A medida que MongoDB Atlas continúa expandiéndose como una solución multi-cloud, estamos aquí para garantizar que su estrategia de datos sea tan dinámica y versátil como su negocio. Para obtener una guía introductoria, consulte nuestra documentación sobre Atlas Data Federation o Atlas Online Archive . Gracias por confiar en MongoDB Atlas como su plataforma de datos para desarrolladores. Bienvenido al futuro de la administración de datos multi-cloud

February 29, 2024
Next →

Building AI With MongoDB: Integrating Vector Search And Cohere to Build Frontier Enterprise Apps

Cohere is the leading enterprise AI platform, building large language models (LLMs) which help businesses unlock the potential of their data. Operating at the frontier of AI, Cohere’s models provide a more intuitive way for users to retrieve, summarize, and generate complex information. Cohere offers both text generation and embedding models to its customers. Enterprises running mission-critical AI workloads select Cohere because its models offer the best performance-cost tradeoff and can be deployed in production at scale. Cohere’s platform is cloud-agnostic. Their models are accessible through their own API as well as popular cloud managed services, and can be deployed on a virtual private cloud (VPC) or even on-prem to meet companies where their data is, offering the highest levels of flexibility and control. Cohere’s leading Embed 3 and Rerank 3 models can be used with MongoDB Atlas Vector Search to convert MongoDB data to vectors and build a state-of-the-art semantic search system. Search results also can be passed to Cohere’s Command R family of models for retrieval augmented generation (RAG) with citations. Check out our AI resource page to learn more about building AI-powered apps with MongoDB. A new approach to vector embeddings It is in the realm of embedding where Cohere has made a host of recent advances. Described as “AI for language understanding,” Embed is Cohere’s leading text representation language model. Cohere offers both English and multilingual embedding models, and gives users the ability to specify the type of data they are computing an embedding for (e.g., search document, search query). The result is embeddings that improve the accuracy of search results for traditional enterprise search or retrieval-augmented generation. One challenge developers faced using Embed was that documents had to be passed one by one to the model endpoint, limiting throughput when dealing with larger data sets. To address that challenge and improve developer experience, Cohere has recently announced its new Embed Jobs endpoint . Now entire data sets can be passed in one operation to the model, and embedded outputs can be more easily ingested back into your storage systems. Additionally, with only a few lines of code, Rerank 3 can be added at the final stage of search systems to improve accuracy. It also works across 100+ languages and offers uniquely high accuracy on complex data such as JSON, code, and tabular structure. This is particularly useful for developers who rely on legacy dense retrieval systems. Demonstrating how developers can exploit this new endpoint, we have published the How to use Cohere embeddings and rerank modules with MongoDB Atlas tutorial . Readers will learn how to store, index, and search the embeddings from Cohere. They will also learn how to use the Cohere Rerank model to provide a powerful semantic boost to the quality of keyword and vector search results. Figure 1: Illustrating the embedding generation and search workflow shown in the tutorial Why MongoDB Atlas and Cohere? MongoDB Atlas provides a proven OLTP database handling high read and write throughput backed by transactional guarantees. Pairing these capabilities with Cohere’s batch embeddings is massively valuable to developers building sophisticated gen AI apps. Developers can be confident that Atlas Vector Search will handle high scale vector ingestion, making embeddings immediately available for accurate and reliable semantic search and RAG. Increasing the speed of experimentation, developers and data scientists can configure separate vector search indexes side by side to compare the performance of different parameters used in the creation of vector embeddings. In addition to batch embeddings, Atlas Triggers can also be used to embed new or updated source content in real time, as illustrated in the Cohere workflow shown in Figure 2. Figure 2: MongoDB Atlas Vector Search supports Cohere’s batch and real time workflows. (Image courtesy of Cohere) Supporting both batch and real-time embeddings from Cohere makes MongoDB Atlas well suited to highly dynamic gen AI-powered apps that need to be grounded in live, operational data. Developers can use MongoDB’s expressive query API to pre-filter query predicates against metadata, making it much faster to access and retrieve the more relevant vector embeddings. The unification and synchronization of source application data, metadata, and vector embeddings in a single platform, accessed by a single API, makes building gen AI apps faster, with lower cost and complexity. Those apps can be layered on top of the secure, resilient, and mature MongoDB Atlas developer data platform that is used today by over 45,000 customers spanning startups to enterprises and governments handling mission-critical workloads. What's next? To start your journey into gen AI and Atlas Vector Search, review our 10-minute Learning Byte . In the video, you’ll learn about use cases, benefits, and how to get started using Atlas Vector Search.

April 25, 2024