Nouvelles expériences de développement intelligent pour Compass, Atlas Charts et Relational Migrator

Clark Gates-George, Shelby Carpenter, and Jon Lewis
September 26, 2023 | Updated: October 12, 2023

Aujourd'hui, MongoDB a annoncé une série d'innovations sur sa Developer Data Platform, créant de nouvelles expériences intelligentes pour les développeurs sur des outils familiers comme MongoDB Compass, Atlas Charts, Relational Migrator, et MongoDB Documentation qui simplifient radicalement et accélèrent la façon dont les développeurs créent des applications modernes.

Ces nouvelles expériences offrent aux développeurs une assistance guidée et intelligente tout au cours de leurs processus de développement :

  • MongoDB Compass: où les développeurs peuvent utiliser un langage naturel pour créer des requêtes simples ou des agrégations sophistiquées en plusieurs étapes.

  • MongoDB Relational Migrator: où les développeurs peuvent convertir des requêtes SQL en syntaxe MongoDB Query API.

  • MongoDB Atlas Charts: où les développeurs peuvent utiliser un langage naturel pour générer de simples visualisations de données.

  • MongoDB Documentation: où les développeurs peuvent poser des questions directement à un chatbot, construit sur MongoDB Atlas et Atlas Vector Search, pour permettre une recherche d'informations et un dépannage rapides pendant le développement d'un logiciel.

Le temps des développeurs est l'une des denrées les plus précieuses dans toute organisation, et comme les attentes des entreprises et des clients ne cessent d'augmenter, les développeurs sont de plus en plus contraints de fournir des applications en un temps record. Avec des expériences plus intelligentes à travers la Developer Data Platform de MongoDB, il est maintenant plus simple et plus facile de construire des applications modernes pour pratiquement n'importe quel cas d'utilisation.

Requêtes en langage naturel dans Compass

L'élaboration de requêtes et d'agrégations est l'un des principaux cas d'utilisation de Compass, l'outil GUI téléchargeable de MongoDB, très apprécié des développeurs. La nouvelle expérience intelligente de Compass permet aux développeurs d'utiliser le langage naturel pour composer des agrégations sophistiquées afin de requêter, de transformer et d'enrichir les données, réduisant ainsi la complexité et la courbe d'apprentissage pour intégrer des requêtes dans le code de l'application.

La nouvelle expérience est publiée en Public Preview dans la version 1.40.0 et sera déployée progressivement pour les utilisateurs à partir d'aujourd'hui et jusqu'à la fin du mois d'octobre.

Pour commencer, assurez-vous d'avoir téléchargé la version 1.40.0 sur votre machine et d'avoir accès à la fonctionnalité. Vous pouvez ensuite naviguer vers l'onglet Documents et cliquer sur le bouton Générer une requête dans la barre de requête, ce qui ouvre une deuxième barre sous la barre de requête standard où vous pouvez saisir des invites en langage naturel pour générer la syntaxe de l'API de requête que vous pouvez exécuter sur vos données. N'oubliez pas de cliquer le petit pouce afin d'évaluer l'utilité de la requête générée.

Conversion des requêtes SQL dans Relational Migrator

Les migrations font partie du parcours de nombreux développeurs avec MongoDB. Plus tôt cet été, à MongoDB.local NYC, nous avons annoncé l'arrivée de Relational Migratorqui aide les équipes de développement dans ces projets, et nous continuons à faciliter la modernisation du code applicatif.

De nombreux systèmes existants comportent des centaines, voire des milliers de requêtes SQL qui doivent être modernisées dans le cadre d'un effort de migration, ce qui peut être une tâche fastidieuse, voire décourageante. Désormais en Private Preview, les développeurs peuvent utiliser Relational Migrator pour convertir les requêtes SQL et les procédures stockées existantes en syntaxe MongoDB Query API prête à être développée.

Grâce à la conversion des requêtes SQL, les développeurs peuvent utiliser Relational Migrator pour éliminer l'effort manuel de création de requêtes MongoDB, et ce à grande échelle - ce qui accélère les projets de migration.

La conversion des requêtes SQL est actuellement disponible en Private Preview, et l'accès peut être demandé directement à partir de la dernière version de Relational Migrator.

Support en langage naturel dans Atlas Charts

Atlas Charts est le meilleur moyen pour les développeurs de visualiser les données Atlas. En offrant une solution simple et puissante pour obtenir des informations basées sur des données, Charts donne aux développeurs et aux entreprises le pouvoir nécessaire pour faire évoluer leur business à grande échelle.

Ce qui a toujours été facile devient aussi plus intelligent ! Disponible en Private Preview, un nouveau mode de langage naturel permet aux développeurs de visualiser leurs données à l'aide d'une simple requête linguistique, par exemple : "Montrez-moi une comparaison du chiffre d'affaires annuel par pays et par produit" : "Montrez-moi une comparaison du chiffre d'affaires annuel par pays et par produit". Ce n'est que le début. D'ici la fin d'année, le support du langage naturel s'étendra à des requêtes plus complexes et à différents types de graphiques.

Inscrivez-vous dès aujourd'hui pour tester le support du langage naturel pour la construction de Charts! Restez à l'écoute pour d'autres mises à jour de l'équipe et consultez notre documentation pour en savoir plus sur ce qui est pris en charge par le langage naturel pendant le Private Preview !

Chatbot intelligent pour MongoDB Documentation

La documentation est essentielle pour maximiser l'expérience des développeurs, car elle facilite la découverte des fonctionnalités et des capacités du produit et la résolution des problèmes courants au cours du développement du logiciel. MongoDB améliore votre expérience grâce à un chatbot intelligent qui facilite la recherche d'informations en faisant apparaître et en résumant la documentation la plus pertinente.

Construit sur MongoDB Atlas et avec Atlas Vector Search, le chatbot vous permet de poser des questions en langage naturel telles que "Comment démarrer avec MongoDB Atlas ?" ou "Comment ajouter une nouvelle adresse IP à la liste d'accès IP de mon projet Atlas ?" et de recevoir une réponse avec des articles de référence, des exemples de code et d'autres informations pertinentes.

MongoDB sera également présent sur le site open source la documentation nécessaire pour construire le chatbot intelligent, ce qui permettra à d'autres membres de la communauté d'utiliser la puissance de MongoDB Atlas et Atlas Vector Search pour créer des expériences dynamiques et éducatives pour leurs utilisateurs finaux.

Confidentialité et sécurité des données

Plusieurs des organisations les plus soucieuses de sécurité au monde font confiance à MongoDB et utilisent les contrôles robustes de sécurité et de confidentialité des données de la Developer Data Platform pour gérer leurs actifs de données les plus sensibles. Pour maintenir cette confiance, ces nouvelles expériences de développement seront toujours transparentes quant à l'accès aux données et à leur utilisation, ce qui permettra aux clients de prendre des décisions critiques dans les limites de leurs propres préoccupations en matière de sécurité, de protection de la vie privée et de conformité.

Commencez dès aujourd'hui

Avec de nouvelles fonctionnalités intelligentes qui permettent aux développeurs d'interagir avec leurs données en utilisant le langage naturel dans Compass, Relational Migrator et Charts, ainsi qu'un chatbot intelligent pour MongoDB Documentation, il est plus facile que jamais de tirer parti de la flexibilité et de l'évolutivité du modèle de données documentaire de MongoDB pour créer n'importe quelle classe d'application.

Si vous avez un retour à faire sur ces expériences, vous pouvez partager votre feedback sur notre portail utilisateur.

← Previous

Apresentando uma experiência local para Atlas, Atlas Search e Atlas Vector Search com o Atlas CLI

Hoje, o MongoDB tem o prazer de anunciar em Public Preview um novo conjunto de recursos para a construção de software localmente com o MongoDB Atlas, proporcionando aos desenvolvedores maior flexibilidade e reduzindo a sobrecarga operacional durante todo o ciclo de vida de desenvolvimento de software. Os desenvolvedores agora podem desenvolver localmente com implantações do MongoDB Atlas, incluindo Atlas Search e Vector Search , usando o Atlas CLI , capacitando-os a criar pesquisa de texto completo ou aplicativos alimentados por IA, independentemente do ambiente preferido para construção com MongoDB. Os desenvolvedores podem usar a CLI do Atlas para configurar, conectar-se e automatizar tarefas comuns de gerenciamento, desde o desenvolvimento inicial até testes, preparação e produção. Para casos de uso de pesquisa de texto completo, os desenvolvedores agora podem usar a CLI do Atlas para criar e managed índices do Atlas Search, independentemente de estarem trabalhando localmente ou na cloud. Da mesma forma, os desenvolvedores que criam aplicativos alimentados por pesquisa semântica e IA generativa no MongoDB agora podem usar o Atlas CLI para criar e managed instâncias de desenvolvimento local com índices Vector Search, independentemente de seu ambiente de desenvolvimento. O tempo do desenvolvedor é um dos bens mais preciosos em qualquer organização que cria novas experiências de aplicativos inovadoras. Mas com muita frequência, os desenvolvedores ficam sobrecarregados com o gerenciamento de tarefas repetíveis, como a configuração de ambientes de desenvolvimento. Muitas vezes, eles também precisam lidar com a sobrecarga cognitiva de alternar entre diferentes experiências de usuário para desenvolvimento local versus desenvolvimento cloud , o que os distrai da entrega de valor. Ao oferecer aos desenvolvedores o poder do Atlas ao seu alcance, independentemente do ambiente de desenvolvimento preferido, o MongoDB continua a expandir o escopo e os recursos de sua plataforma de dados do desenvolvedor, ao mesmo tempo que valoriza a experiência do desenvolvedor. Crie um banco de dados Atlas local Pronto para criar um banco de dados Atlas local, mas ainda não tem a CLI do Atlas? É fácil de instalar com seu gerenciador de pacotes favorito. Para instalar o Atlas CLI com Homebrew, use o seguinte comando: brew install mongodb-atlas Além de instalar através do gerenciador de pacotes Homebrew, você pode instalar o MongoDB Atlas CLI via Apt, Yum, Chocolatey, baixando diretamente o binário ou puxando a imagem Docker (saiba mais sobre nossa documentação ). Você também pode baixá-lo diretamente do Centro de download do MongoDB . Para criar uma implantação local do Atlas com configurações padrão no modo interativo, digite: atlas deployments setup --type local Se você quiser listar suas implantações do Atlas, digite: atlas deployments list Se você estiver autenticado no Atlas, verá suas implantações locais e cloud do Atlas. Se você não estiver autenticado no Atlas, verá apenas suas implantações locais. Comece com a pesquisa local do Atlas Construindo um aplicativo com um recurso de pesquisa de texto completo desenvolvido pelo Atlas Search? Se você é um desenvolvedor que tende a criar e criar protótipos localmente, talvez esteja interessado em usar a CLI do Atlas para trabalhar com o Atlas Search em seu ambiente local. Para começar, primeiro conecte-se à implantação local na qual deseja criar um índice de pesquisa: atlas deployments connect A seguir, você pode usar o MongoDB Shell para criar seu índice de pesquisa. Abaixo você verá um exemplo de como criar um índice Atlas Search: db.YOURCOLLECTION.createSearchIndex( "example-index", { mappings: { dynamic: true } } ) Então, se quiser executar uma consulta, você pode usar o estágio $search de um aggregation pipeline. Você pode aprender mais sobre como gerenciar índices do Atlas Search em nossa documentação . Comece com a pesquisa vetorial local Se você estiver construindo um aplicativo com IA generativa ou pesquisa semântica e MongoDB Atlas, é provável que você esteja interessado em nossa oferta Atlas Vector Search . E agora com o Atlas CLI, você pode trabalhar com Vector Search na cloud e em seu ambiente local. Para começar com o Vector Search localmente, você pode usar o MongoDB Shell para criar um índice do Vector Search. Observe que isso é semelhante ao exemplo do Atlas Search acima, exceto que neste caso há uma incorporação de vetor considerada na criação do índice de pesquisa. db.YOURCOLLECTION.createSearchIndex({ "mappings": { "dynamic": true, "fields": { "plot_embedding": { "type": "knnVector", "dimensions": 1536, "similarity": "euclidean" } } } } ) Para saber mais sobre como executar consultas de pesquisa vetorial, visite nossa documentação . Além disso, se você já estiver familiarizado com o manuseio de seus índices cloud Search usando a CLI do Atlas, apreciará um novo conjunto de comandos interativos projetados para ajudá-lo managed com eficiência os índices do Atlas Search e do Vector Search, tanto localmente quanto na cloud: atlas deployments search indexes create A partir daí, você pode percorrer um fluxo interativo que o orienta na criação do índice. Para obter instruções detalhadas, visite nosso tutorial . Pronto para migrar para a cloud? Se você estiver pronto para criar um banco de dados Atlas na cloud, isso será fácil de fazer com a CLI do Atlas. Basta usar o seguinte comando: atlas deployments setup --type atlas A partir daí, o assistente de configuração irá guiá-lo para: Registre-se para uma conta Atlas ou autentique-se em uma conta existente Crie um banco de dados MongoDB Atlas gratuito Carregar dados de amostra Adicione seu endereço IP à lista de acesso Crie um usuário e senha do banco de dados Conecte-se ao cluster usando o MongoDB Shell ( mongosh ) para poder começar a interagir com seus dados Para saber mais sobre o Atlas CLI, visite nossa documentação . E não deixe de nos contar o que você acha da CLI do Atlas em nosso portal de feedback do usuário . Com a nova experiência local com a CLI do Atlas, ficou mais fácil do que nunca trabalhar com seus dados no Atlas, independentemente do ambiente de desenvolvimento de sua preferência. Comece hoje mesmo com o Atlas CLI como a ferramenta de desenvolvedor definitiva para managed o MongoDB Atlas, incluindo Atlas Search e Vector Search, durante todo o ciclo de vida de desenvolvimento de software, desde seu ambiente local até a cloud.

September 26, 2023
Next →

Payments Modernization and the Role of the Operational Data Layer

To stay relevant and competitive, payment solution providers must enhance their payment processes to adapt to changing customer expectations, regulatory demands, and advancing technologies. The imperative for modernization is clear: payment systems must become faster, more secure, and seamlessly integrated across platforms. Driven by multiple factors—real-time payments, regulatory shifts like Payment Services Directive 2 (PSD2), heightened customer expectations, the power of open banking, and the disruptive force of fintech startups—the need for payment modernization has never been more pressing. But transformation is not without its challenges. Complex systems, industry reliance on outdated technology, high upgrade costs, and technical debt all pose formidable obstacles. This article will explore modernization approaches and how MongoDB helps smooth transformations. Approaches to modernization As businesses work to modernize their payment systems, they need to overcome the complexities inherent in updating legacy systems. Forward-thinking organizations embrace innovative strategies to streamline their operations, enhance scalability, and facilitate agile responses to evolving market demands. Two such approaches gaining prominence in the realm of payment system modernization are domain-driven design and microservices architecture : Domain-driven design: This approach focuses on a business's core operations to develop scalable and easier-to-manage systems. Domain-driven design ensures that technology serves strategic business goals by aligning system development with business needs. At its core, this approach seeks to break down complex business domains into manageable components, or "domains," each representing a distinct area of business functionality. Microservices architecture: Unlike traditional monolithic architectures, characterized by tightly coupled and interdependent components, a microservices architecture decomposes applications into a collection of loosely coupled services, each of which is responsible for a specific business function or capability. It introduces more flexibility and allows for quicker updates, facilitating agile responses to changing business requirements. Discover how Wells Fargo launched their next-generation card payments by building an operational data store with MongoDB . Modernizing with an operational data layer In the payments modernization process, the significance of an operational data layer (ODL) cannot be overstated. An ODL is an architectural pattern that centrally integrates and organizes siloed enterprise data, making it available to consuming applications. The simplest representation of this pattern looks something like the sample reference architecture below. Figure 1: Operational Data Layer structure An ODL is deployed in front of legacy systems to enable new business initiatives and to meet new requirements that the existing architecture can’t handle—without the difficulty and risk of fully replacing legacy systems. It can reduce the workload on source systems, improve availability, reduce end-user response times, combine data from multiple systems into a single repository, serve as a foundation for re-architecting a monolithic application into a suite of microservices, and more. The ODL becomes a system of innovation, allowing the business to take an iterative approach to digital transformation. Here's why an ODL is considered ideal for payment operations: Unified data management: Payment systems involve handling a vast amount of diverse data, including transaction details, customer information, and regulatory compliance data. An ODL provides a centralized repository for storing and managing this data, eliminating silos and ensuring data integrity. Real-time processing: An ODL enables real-time processing of transactions, allowing businesses to handle high numbers of transactions swiftly and efficiently. This capability is essential for meeting customer expectations for instant payments and facilitating seamless transactions across various channels. Scalability and flexibility: Payment systems must accommodate fluctuating transaction volumes and evolving business needs. An ODL offers scalability and flexibility, allowing businesses to scale their infrastructure as demand grows. Enhanced security: An ODL incorporates robust security features —such as encryption, access controls, and auditing capabilities—to safeguard data integrity and confidentiality. By centralizing security measures within the ODL, businesses can ensure compliance with regulatory requirements and mitigate security risks effectively. Support for payments data monetization: Payment systems generate a wealth of data that can provide valuable insights into customer behavior, transaction trends, and business performance. An ODL facilitates real-time analytics and reporting by providing a unified platform for collecting, storing, and analyzing this data. Transform with MongoDB MongoDB’s fundamental technology principles ensure companies can reap the advantages of microservices and domain-driven design—specifically, our flexible data model and built-in redundancy, automation, and scalability. Indeed, the document model is tailor-made for the intricacies of payment data, ensuring adaptability and scalability as market demands evolve. Here’s how MongoDB helps with domain-driven design and microservice implementation to adopt industry best practices: Ease of use: MongoDB’s document model makes it simple to model or remodel data to fit the needs of payment applications. Documents are a natural way of describing data. They present a single data structure, with related data embedded as sub-documents and arrays, making it simpler and faster for developers to model how data in the application will be mapped to data stored in the database. In addition, MongoDB guarantees the multi-record ACID transactional semantics that developers are familiar with, making it easier to reason about data. Flexibility: MongoDB’s dynamic schema is ideal for handling the requirements of microservices and a domain-driven design. Domain-driven design emphasizes modeling the domain to reflect the business requirements, which may evolve over time. MongoDB's flexible schema allows you to store domain objects as documents without rigid schema constraints, facilitating agile development and evolution of the domain model. Speed: Using MongoDB for an ODL means you can get better performance when accessing data, and write less code to do so. A document is a single place for the database to read and write data for an entity. This locality of data ensures the complete document can be accessed in a single database operation that avoids the need internally to pull data from many different tables and rows. Data access and microservice-based APIs: MongoDB integrates seamlessly with modern technologies and frameworks commonly used in microservices architectures. MongoDB's flexible data model and ability to handle various data types, including structured and unstructured data, is a great fit for orchestrating your open API ecosystem to make data flow between banks, third parties, and consumers possible. Scalability: Even if an ODL starts at a small scale, you need to be prepared for growth as new source systems are integrated, adding data volume, and new consuming systems are developed, increasing workload. MongoDB provides horizontal scale-out on low-cost, commodity hardware or cloud infrastructure using sharding to meet the needs of an ODL with large data sets and high throughput requirements. High availability: Microservices architectures require high availability to ensure that individual services remain accessible even in the event of failures. MongoDB provides built-in replication and failover capabilities, ensuring data availability and minimal downtime in case of server failures. Payment modernization is not merely a trend but a strategic imperative. By embracing modern payment solutions and leveraging the power of an ODL with MongoDB, organizations can unlock new growth opportunities, enhance operational efficiency, and deliver superior customer experiences. Learn how to build an operational data layer with MongoDB using this Payments Modernization Solution Accelerator . Learn more about how MongoDB is powering industries on our solution library .

May 15, 2024