ה-AI משנה את דרישות הדאטה-בייס: מה חדש ב-MongoDB 8.3

היום, הכרזנו באירוע .local London ש-MongoDB 8.3 נבנתה כדי לספק את המהירות ש-AI דורש – והלקוחות שלנו לא יכולים להרשות לעצמם לחכות.

שכבת הנתונים צריכה לנוע במהירות ⁦AI⁩

החוזה הישן בין מסדי הנתונים והיישומים שעליהם היה פשוט: מסדי נתונים משתפרים לאט, וארכיטקטורות מתפתחות סביבם. ⁦AI⁩ שינה את החוזה הזה.

עומסי העבודה שהלקוחות שלנו מריצים כיום – סוכנים המבצעים אחזור בפחות מ-100 מילי-שניות, ניסיונות חוזרים (retry storms) המתרחשים בתוך מילי-שניות, ופריסות רב-אזוריות שלא יכולות להתפשר על תאימות לטובת זמני השהיה – היו מקרי קצה לפני 18 חודשים. כעת, הם הפכו לסטנדרט.

MongoDB 8.3, הזמינה לציבור החל מהיום, היא הגרסה המשמעותית הרביעית שלנו ב-19 החודשים האחרונים. גרסאות אלו צוברות תאוצה. לקוחות המריצים את גרסה 8.0 זכו לשיפור של 36% במהירות הקריאה ו-59% בתפוקת העדכונים. גרסה 8.3 מוסיפה עוד 35% לתפוקת הכתיבה, 45% לקריאה ו-15% לעסקאות ACID בהשוואה ל-8.0 – מבלי לשנות שורת קוד אחת באפליקציה.

ארגונים כמו Adobe, המריצים את יישומי ה-AI התובעניים ביותר בסביבת ייצור (production), הבהירו את הדרישות: אחזור תוך פחות מ-100 מילי-שניות, עדכוני הקשר (context) בתת-שנייה, ואפס זמן השבתה. בשביל זה בדיוק נבנה MongoDB Atlas.

זוהי המחויבות שלנו: כשפלטפורמת הנתונים עומדת בקצב, הלקוחות שלנו יכולים להתמקד בפיתוח ושחרור מוצרים.

להריץ בכל מקום. להישאר מאובטח.

השאלה היכן אתה מריץ את הסוכנים שלך היא כבר לא רק החלטת תשתית. כעת, מדובר גם בהחלטה קריטית בנושאי ציות ואבטחה. בעוד שרוב הפלטפורמות מאלצות פשרה בין טווח הגעה גלובלי לבין שליטה הכרחית, Atlas – עם 130 אזורים הפרוסים על פני AWS, Google Cloud ו-Microsoft Azure – לא מאלץ אותך להתפשר. Atlas אף מאפשר הקמת אשכולות (clusters) המשתרעים על פני ספקי ענן מרובים בו-זמנית.

חברות כמו Avalara ו-Iron Mountain נקטו בגישה אגנוסטית לענן (cloud-agnostic), תוך מודרניזציה על גבי Atlas כדי שיוכלו לפגוש את הלקוחות שלהן בכל מקום שבו הם פועלים. צורת הפריסה משתנה, אך שכבת הנתונים נשארת אחידה.

מה שהשתנה בשנה האחרונה הוא הלחץ בשני הקצוות. לקוחות רוצים יכולות שליפה והטמעה (embedding) קרובות יותר למשתמשי הקצה שלהם, ביותר מקומות ועל גבי יותר עננים. הם גם רוצים שליטה רבה יותר על מיקום הנתונים (data residency). שתי דרישות אלו היו בעבר במתח, אך כיום אין זה חייב להיות המצב.

קישוריות חוצת-אזורים עבור AWS PrivateLink, הזמינה החל מהיום, היא הדוגמה המובהקת ביותר לכך. תעבורה בין אשכולות Atlas באזורים שונים של AWS נשארת על גבי התשתית הפרטית של AWS, ללא חשיפה לאינטרנט הציבורי. צוותי האבטחה והציות מקבלים את הערבויות שהם צריכים, צוותי ההנדסה מתכננים סביב פחות מקרי קצה, ואף אחד לא צריך להתפשר.

נבנה כדי לעמוד בקצב

כל יכולת המוצגת בפוסט זה באה לתת מענה לחיכוכים שמובילים טכנולוגיים נאלצו לתמרן סביבם במשך שנים. הן פותרות בעיות שונות, אך חולקות מטרה אחת: לחסל את פשרות התשתית שמעכבות את הייצור של מערכות AI.

עומסי העבודה של AI שהלקוחות שלנו יריצו בעוד 18 חודשים ייראו שונים מאלה של היום. זה לא סיכון, זה בדיוק העניין. ארבע גרסאות משמעותיות ב-19 חודשים אינן מספר שנועד לשיווק; זהו איתות לכך שאנו מתייחסים ברצינות רבה לקצב השינוי הנוכחי, ומחויבים להישאר בחזית עבור יותר מ-65,200 הלקוחות שלנו.

היכולת לגרום לסוכנים לאחזר את המידע הנכון, במדויק ובמהירות, היא המקום שבו נכנסים לתמונה הטמעות (embeddings) וזיכרון. Pablo Stern מכסה נושא זה בבלוג שלו: The Bottleneck in Enterprise AI Isn't the Model. It's the Data.