온디맨드식 확장
MongoDB Atlas를 사용하면 클릭 몇 번으로, 혹은 API 호출을 통해 데이터베이스의 스케일업, 스케일다운 또는 스케일아웃이 가능합니다.
탄력적 확장성
애플리케이션에서 다운타임 없이 클러스터의 인스턴스 크기, 메모리 또는 스토리지 용량을 조정할 수 있습니다. 필요할 때 필요한 리소스를 프로비저닝하고 사용한 만큼만 비용을 지불하면 됩니다.
네이티브 샤딩
Atlas의 네이티브 샤딩 기능을 통해 여러 컴퓨터에서 수평 확장이 가능합니다. 자신의 요구에 맞게 샤드 수와 샤딩 전략을 선택하세요.
용량 자동 확장
완전 자동화된 용량 관리를 이용해 Atlas가 리소스 활용도 지표를 실시간으로 추적하여 데이터베이스 스토리지와 크기를 필요한 만큼 조정하도록 설정할 수 있습니다.
수평 확장이 가능한 문서 데이터베이스를 사용하는 것이 플레이어 계정 기반의 게임에 가장 적합하다는 것을 확인할 수 있었습니다. 트래픽 볼륨이 많고 확장성이 뛰어난 솔루션을 생성할 수 있으려면 사소한 부분까지 알아야 합니다. 이렇게 하려면 일반적으로 엔지니어들이 스택의 갖가지 부분들에 중점을 두어야 합니다. 하지만 MongoDB Atlas와 MongoDB의 지원 서비스는 확실한 지름길을 제공합니다.
Yordan Gyurchev, SEGA의 테크니컬 디렉터
우리는 자동 확장 스토리 옵션을 활성화한 상태에서 M30 크기의 인스턴스를 사용해 배포된 솔루션에서 애플리케이션을 실행합니다. 디스크 활용도가 90%에 가까워지면 Atlas는 가용성에 영향을 미치지 않은 상태에서 자동으로 추가 프로비저닝을 수행합니다. 과거에 그랬던 것처럼 트래픽 폭증이 발생하는 경우에는 UI에 있는 버튼을 몇 개 클릭하거나 API를 이용해 확장 이벤트를 트리거하는 방식으로 MongoDB Atlas를 이용해 손쉽게 스케일업 또는 스케일아웃을 수행할 수 있습니다.
Ken Hoff, Stream의 개발자 지지자수평 확장이 가능한 문서 데이터베이스를 사용하는 것이 플레이어 계정 기반의 게임에 가장 적합하다는 것을 확인할 수 있었습니다. 트래픽 볼륨이 많고 확장성이 뛰어난 솔루션을 생성할 수 있으려면 사소한 부분까지 알아야 합니다. 이렇게 하려면 일반적으로 엔지니어들이 스택의 갖가지 부분들에 중점을 두어야 합니다. 하지만 MongoDB Atlas와 MongoDB의 지원 서비스는 확실한 지름길을 제공합니다.
Yordan Gyurchev, SEGA의 테크니컬 디렉터우리는 자동 확장 스토리 옵션을 활성화한 상태에서 M30 크기의 인스턴스를 사용해 배포된 솔루션에서 애플리케이션을 실행합니다. 디스크 활용도가 90%에 가까워지면 Atlas는 가용성에 영향을 미치지 않은 상태에서 자동으로 추가 프로비저닝을 수행합니다. 과거에 그랬던 것처럼 트래픽 폭증이 발생하는 경우에는 UI에 있는 버튼을 몇 개 클릭하거나 API를 이용해 확장 이벤트를 트리거하는 방식으로 MongoDB Atlas를 이용해 손쉽게 스케일업 또는 스케일아웃을 수행할 수 있습니다.
Ken Hoff, Stream의 개발자 지지자
시간이 지나면서 우리는 원래 프로비저닝했던 리소스가 필요한 것보다 훨씬 많았다는 것을 깨달았습니다. 이 때라도 다시 자체적인 관리를 수행하거나 데이터를 MongoDB Atlas로 마이그레이션하도록 클러스터를 다시 프로비저닝했더라면 이 문제를 방지할 수 있었습니다.
Gavin Cooper, Surfline의 제품 및 엔지니어링 선임 이사최적화된 리소스 효율성
MongoDB Atlas에서는 지능형 인덱스와 스키마 추천, 자동 데이터 티어링 및 분석 쿼리를 위한 워크로드 격리를 통해 데이터베이스 성능을 개선할 수 있습니다.
인덱스 추천
MongoDB Atlas의 Performance Advisor는 성능이 저하된 컬렉션을 자동으로 분석하고 추가할 인덱스를 추천합니다. 관련 지표를 통해 속도가 저하된 쿼리의 예를 살펴보고 몇 번의 클릭으로 추천된 인덱스를 생성할 수 있습니다.
스키마 추천
또한 Performance Advisor는 가장 속도가 느린 컬렉션과 가장 활동적인 컬렉션에 스키마에 대한 실행 가능한 조언을 제공합니다. 추천을 하면서 맥락과 증거를 함께 제시하기 때문에 데이터베이스 성능에 영향을 미치는 데이터 모델의 잠재적인 비효율성을 검토할 수 있습니다.
온라인 아카이브
Online Archive에서는 완전 관리형 데이터베이스와 클라우드 객체 스토리지에서 데이터를 티어링하고, 단일 엔드포인트를 통해 이를 쿼리할 수 있습니다. 히스토리 데이터를 자동 보관하고, 쿼리 성능의 저하 없이 운영 및 트랜잭션 데이터 스토리지 비용을 절약할 수 있습니다.
워크로드 격리
MongoDB Charts나 BI Connector 같은 분석 워크로드를 실행하기 위한 읽기 전용 보조 노드를 구성할 수 있습니다. 이렇게 하면 동일한 데이터베이스 상의 리소스 집약적인 쿼리에 의해 운영 워크로드가 영향을 받지 않습니다.
Performance Advisor 덕분에 데이터베이스 인덱싱과 쿼리 최적화가 아주 간단해졌습니다.
Nicolae Gudumac, Planable의 공동 창립자 겸 CTO
Performance Advisor는 우리 팀에서 매우 중요한 역할을 해왔습니다. 인덱싱되지 않은 쿼리가 수집되고 이에 대한 경보가 발행되기 때문에 필요한 경우 몇 분 내에 새로운 인덱스를 추가할 수 있습니다.
Jon Vines, AO.com의 소프트웨어 개발 팀 리더Performance Advisor 덕분에 데이터베이스 인덱싱과 쿼리 최적화가 아주 간단해졌습니다.
Nicolae Gudumac, Planable의 공동 창립자 겸 CTOPerformance Advisor는 우리 팀에서 매우 중요한 역할을 해왔습니다. 인덱싱되지 않은 쿼리가 수집되고 이에 대한 경보가 발행되기 때문에 필요한 경우 몇 분 내에 새로운 인덱스를 추가할 수 있습니다.
Jon Vines, AO.com의 소프트웨어 개발 팀 리더
Atlas의 Performance Advisor 덕분에 개선이 필요한 부분을 식별하고 데이터베이스가 인덱싱된 마지막 시점 이후로 데이터의 변화 과정을 검토하는 것이 쉬워졌습니다.
Sankaet Pathak, SynapseFI의 CEO완벽한 성능 가시성
MongoDB Atlas는 사용자 지정이 가능한 경보, 실시간 성능 추적 및 과거 지표를 통해 데이터베이스 모니터링과 진단 작업의 부담을 덜어줍니다.
실시간 성능 패널
작업, 디스크 활용도, 연결, IOPS, 액세스 빈도수가 가장 높은 컬렉션, 속도가 가장 느린 쿼리 같이 전용 클러스터에 대한 실시간 성능 지표를 확인할 수 있습니다.
사용자 지정 경보
데이터베이스 작업, 서버 사용량 또는 기타 조건이 클러스터의 성능에 영향을 미치게 되는 임계치에 도달하면 알림이 수신됩니다. 이미 사용 중인 이메일, 텍스트 및 채널을 통해 경보를 받습니다.
주요 데이터베이스 지표
수십 개의 처리량, 성능 및 활용도 지표를 토대로 대시보드를 생성하여 과거의 데이터베이스 성능을 1분 단위로 세분화해서 분석할 수 있습니다.
Query Profiler
오래 실행 중인 쿼리와 주요 성능 통계를 표시하는 Query Profiler를 활용하여 문제를 신속하게 진단할 수 있습니다. 과거 작업을 검토하여 이상치를 신속하게 식별하고 컬렉션 및 작업 유형에서 패턴을 쿼리할 수 있습니다.