一谈起数据库,MongoDB首席技术官Mark Porter就无比激动,这位从事数据库工作已经有35年岁月的Tech Geek,将其整个职业生涯的心血都专注于数据库这一件事上。
他观察到,新冠疫情带来的难关让企业更加明白一件事,即那些能借助软件之力迅速响应、快速应对的企业更具竞争力。企业能做出快速响应就需要依赖底层技术,MongoDB就是一种最快和最可预见的写应用程序的方式。
MongoDB首席技术官Mark Porter
因为对于开发人员而言,一个理想的数据平台应该是易于启动、易于扩展、能够保持正常运行、在应用程序成功时无需重新架构、能与他们工作中所用所需完美集成。
MongoDB 6.0超过150项创新
MongoDB数据库被公认为是最受欢迎的、通用的、适用于关键任务的文档型数据库,能够满足现代应用的需求。在刚刚过去的5月份,MongoDB的下载量超过了以往任何一年的任何一个月份。
MongoDB文档模型适用于所有数据类型(文档、图形、数组、文本、对象、地理空间、时间序列和关系型数据等),因此客户不再需要各种不同的数据库,同时还可以支撑关系型数据类型和关系型数据库。
最近2022 MongoDB举办了一年一度的全球用户大会,最新发布的MongoDB 6.0版本中新增了150余项创新。
MongoDB主要关注:大规模的高性能、全球覆盖和数据迁移、更丰富的 MongoDB使用场景、无缝集成至开发者的工作流和数据安全与隐私五大方面。
MongoDB 6.0预览版推出了业界首个使用突破性密码学工程原理的加密搜索方案——Queryable Encryption。这项技术使开发者能够在不影响性能的情况下,简单直观地查询加密的敏感数据,并且不需要具备任何加密经验。数据库中的数据可以始终保持加密状态,包括存储在内存和CPU中的数据;密钥永远不会离开应用程序,且不能通过数据库服务器进行访问。
Mark Porter表示,这种端到端的客户端加密技术使用新颖的加密索引数据结构,使得开发者能够史无前例地在完全加密的机密数据上进行表达式查询。
现在MongoDB与所有的云服务商都可以展开合作,MongoDB Atlas是在客户有需求的地方去迎合客户的需求,不管是在法国、意大利还是印尼的云都可以实现。
在中国,为中国的MongoDB
MongoDB在中国主要有三大业务模式,第一,为中国企业提供专业服务;第二,帮助中国企业出海;第三,帮助外国企业进入中国。
MongoDB北亚区高级副总裁苏玉龙(Steve Su)表示,这三大形式的业务离不开好的产品能力、强有力的开发者,以及广大客户的信赖。
MongoDB北亚区高级副总裁苏玉龙
去年MongoDB将MongoDB大学做了本地化的翻译,为考试视频添加中文字幕,助力社区用户、客户清除语言障碍,轻松备考。同时推出一系列MongoDB认证活动,帮助开发者提升能力,更好的发展他们的事业。
通过OEM合作伙伴协议,阿里云和腾讯云可以完全访问MongoDB的核心数据库功能,这些功能可以帮助中国客户轻松访问经过全面认证的MongoDB 数据库即服务。苏玉龙指出,自去年宣布与腾讯云合作之后,MongoDB已经看到了令人兴奋的进展,同时2019年MongoDB就与阿里云正式达成合作,且进展非常顺利。
MongoDB与阿里云一起助力游戏行业大客户吉比特(G-bits)进行《一念逍遥》游戏开发,吉比特需要数据库需要具备高级别的灵活性、在大规模可用性的同时,玩家的体验感也不应打折扣、更好的运维支持和更大的规模。通过使用AsparaDB for MongoDB服务,出现中断时的恢复时间缩短了50倍,支撑成千上万的玩家同时在线。
好文章,需要你的鼓励
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。