Vector Search und dedizierte Search Nodes: jetzt generell verfügbar

Heute freuen wir uns, mit Veröffentlichung der generellen Verfügbarkeit (GA) für Atlas Vector Search und Search Nodes den nächsten Schritt zu tun, um den Mehrwert der Atlas-Plattform weiter zu steigern.

Seit der Ankündigung von Atlas Vector Search und der dedizierten Infrastruktur mit Search Nodes in der öffentlichen Vorschau haben wir eine anhaltende Begeisterung und Nachfrage nach zusätzlichen Workloads mit vektoroptimierten Search Nodes erlebt. Dieses neue Level an Skalierbarkeit und Leistung gewährleistet die Isolation der Workloads und die Möglichkeit, Ressourcen für Vektorsuchanwendungen stärker zu optimieren.

Mithilfe von Atlas Vector Search kann der Entwickler über die semantische Suche und die generative KI intelligente Anwendungen für jeden Datentyp erstellen.Atlas Vector Search löst selbst dann die Herausforderung, relevante Ergebnisse zu liefern, wenn der Benutzer nicht genau weiß, wonach er sucht. Dank der maschinellen Lernmodelle lassen sich ähnliche Ergebnisse für fast alle Arten von Daten finden.Innerhalb von nur fünf Monaten nach Ankündigung der öffentlichen Vorschau hat Atlas Vector Search bereits den höchsten Net Promoter Score (NPS) der Entwickler erhalten – ein Zeichen dafür, wie wahrscheinlich jemand eine Lösung weiterempfehlen würde – und ist die am zweithäufigsten genutzte Vektordatenbank, so der State of AI Report von Retool.

Es gibt zwei Hauptanwendungsfälle für Atlas Vector Search zum Erstellen von Anwendungen der nächsten Generation:

1. Semantische Suche: Suchen und Finden von relevanten Ergebnissen aus unstrukturierten Daten; die Suche basiert hierbei auf der semantischen Ähnlichkeit

2. Retrieval Augmented Generation (RAG): Erweitert die unglaublichen Schlussfolgerungsfähigkeiten von LLMs um Feeds Ihrer eigenen Echtzeitdaten, um GenAI-Apps zu erstellen, die einzigartig auf die Anforderungen Ihres Unternehmens zugeschnitten sind.

Atlas Vector Search erschließt das volle Potenzial Ihrer Daten unabhängig davon, ob diese strukturiert oder unstrukturiert sind, und macht sich die zunehmende Beliebtheit und Verwendung von KI und LLMs zur Lösung kritischer Geschäftsherausforderungen zunutze.Dies ist möglich, weil Vector Search Teil der MongoDB-Atlas-Entwicklerdatenplattform ist. Diese beginnt mit unserem flexiblen Dokumentdatenmodell und einer einheitlichen API und bietet somit gleichbleibend hochwertige Erfahrungen.Um sicherzustellen, dass Sie den größtmöglichen Nutzen aus Atlas Vector Search ziehen, haben wir ein robustes Ökosystem von KI-Integrationen kultiviert, sodass Entwickler mit ihren bevorzugten LLMs oder Frameworks arbeiten können.

Um mehr über Atlas Vector Search zu erfahren, sehen Sie sich unser kurzes Video an oder gehen Sie direkt zum Tutorial.

Atlas Vector Search nutzt auch die Vorteile unserer neuen Search Nodes-Architektur, wodurch das richtige Maß an Ressourcen für die spezifischen Workloads optimiert wird.Search Nodes bietet für die Workloads von Atlas Search and Vector Search eine dedizierte Infrastruktur, sodass Sie die Rechnerressourcen optimieren und die Suchanforderungen unabhängig von der Datenbank vollständig skalieren können. Search Nodes bieten eine bessere Skalierungsleistung, die Isolation der Workloads, eine höhere Verfügbarkeit und die Möglichkeit, die Ressourcennutzung stärker zu optimieren.In einigen Fällen konnten wir durch die gleichzeitige Abfrage in Search Nodes eine um 60 % schnellere Abfragezeit für die Workloads einiger Benutzer feststellen.

Zusätzlich zu den rechnerintensiven Suchknoten, die wir in der öffentlichen Vorschau bereitgestellt haben, enthält diese GA-Veröffentlichung eine speicheroptimierte Option mit geringer CPU-Leistung, die für Vector Search in der Produktion optimal ist. Damit gehören Ressourcenkonflikte oder die Möglichkeit einer daraus resultierenden Serviceunterbrechung (weil Ihre Datenbank und die Suchfunktion bisher dieselbe Infrastruktur nutzen) der Vergangenheit an.

"Wir sehen dies als die nächste Evolutionsstufe unserer Architektur sowohl für Atlas Search als auch für Vector Search, um den Wert der MongoDB-Entwicklerdatenplattform weiter zu steigern. Derzeit sind Search Nodes in AWS Single Region Clusters verfügbar (Google Cloud und Azure in Kürze), sodass der Kunde weiterhin eine gemeinsam genutzte Infrastruktur für Google Cloud und Microsoft Azure verwenden kann."

Lesen Sie unseren Blogbeitrag zur ersten Ankündigung, um die Schritte zum Aktivieren von Search Nodes noch heute zu sehen, oder gehen Sie direkt zum Tutorial.