MongoDB a mis en service la version 5.0 de sa base de données NoSQL. Dans cet article, découvrez les nouveautés qu’apporte cette release ainsi que leurs explications.
Considérée comme 5e base de données la plus populaire et et première base de données noSQL, MongoDB continue à investir dans son produit.
MongoDB est la base de données NoSQL la plus populaire
Comme annoncé en 2020, MongoDB continue son cycle de déploiement d’une nouvelle version majeure chaque année.
Découvrons ce que MongoDB 5.0 nous réserve:
Depuis 2015, les time séries Database (TSDB) sont le segment de base de données spécialisé connaissant une des plus fortes croissances en termes d’utilisation.
Par nature, ces bases de données doivent être capables d’encaisser un fort volume d’écritures et de pouvoir répondre à des requêtes d’agrégations rapidement.
Jusqu’ici, le marché des bases de données spécialisées dans les Time Series était dominé par influxDB et Grafana. Elasticsearch a également apporté sa pièce à l’édifice avec la Stack ELK (ElasticSearch, Logstash et Kibana) pour l’utilisation des Time Series pour des logs.
Avec MongoDB 5.0, il est désormais possible de créer un nouveau type de collection spécialisé pour les séquences de temps dans une base de données MongoDB.
Conçues pour rester simple d’utilisation, répondre aux requêtes efficacement et optimiser le stockage des données, les collections Time Series natives à MongoDB permettront aux utilisateurs de Mongo de stocker et manipuler ce type de données directement dans leurs clusters, s’affranchissant du besoin d’une nouvelle base de données dans l’infrastructure.
Les collections Time Series restent compatibles avec les fonctionnalités des documents classiques, tels que l’imbrication des données, les index et les agrégations.
L’équipe de développeurs MongoDB a travaillé sur une nouvelle version du Mongo Shell. Les outils en CLI (Command Line Interface) étant dans le quotidien des développeurs, proposer une expérience développeur (DX) agréable était un indispensable pour la roadmap du shell Mongo.
Les commandes sont mises en forme en couleurs, les erreurs sont maintenant plus explicites et l’outil propose même de l’auto.
Ce nouveau shell est enrichi de fonctionnalités de scripting plus avancées, permettant d’utiliser des packages npm.
Le Sharding est une technique de scaling horizontal permettant aux développeurs d’éclater leur base de données et de répartir leurs contenus dans plusieurs partitions suivant un champ qui sera défini comme Shard Key (ou clé de partition).
Jusqu’à la version MongoDB 5.0, définir une Shard Key était une opération où la modification était délicate. Les données étaient partitionnées suivant la shard key initiale et tout changement aurait nécessité de dupliquer l’intégralité de la collection avec une nouvelle clé de partition ou de faire une migration à la volée sur les documents en incluant une nouvelle shard key.
Grâce à MongoDB 5.0, les développeurs pourront modifier leur Shard Key sans avoir à attendre une lente migration de données ni sans avoir à doubler leur espace de stockage et faire la bascule manuellement.
MongoDB 5.0 va cloner la collection existante et commencer à appliquer toutes les opérations d’update de la collection actuelle vers la nouvelle collection shardée. Toutes les opérations d’écritures qui arriveront auront lieu sur cette nouvelle collection, permettant à la base de données de fonctionner normalement. Lorsque toute la collection aura été clonée et shardée suivant le nouveau shard key, la collection initiale sera automatiquement détruite.
Introduis en 2019, le cryptage FLE côté client utilisait les drivers MongoDB pour encrypter les données sensibles avant même qu’ils quittent l’application en route pour la base de données.
Initialement conçu sur le système de gestion de clés de cryptage d’AWS – Amazon’s Key Management Service (KMS) – MongoDB 5.0 rend disponible l’usage des produits équivalents chez GCP et Azure.
Cela rend vos données illisibles par n’importe quel gestionnaire de votre base de données MongoDB, incluant les ingénieurs MongoDB si vous utilisez Atlas.
MongoDB prend très aux sérieux la vélocité avec laquelle ils déploient de nouvelles versions. Dans leur communiqué, ils ont annoncé que dorénavant, une nouvelle version majeure allait sortir chaque année et que chaque trimestre une mise à jour intermédiaire apportera un lot de changements significatifs.
Chaque trimestre, MongoDB va rendre disponible une Rapid Release
Pour permettre aux développeurs de suivre et mettre à jour leurs versions de base de données sans risquer de causer des régressions, les développeurs de MongoDB ont introduit le versionning de l’API.
Les développeurs pourront configurer leurs drivers Mongo de tel sorte à ce qu’ils acceptent les requêtes respectant une version déterminée de l’API mongo, tout en choisissant s’ils tolèrent des requêtes legacy:
client = MongoClient( "mongodb://host/", api={"version": "1", "strict": True})En passant le paramètre strict à true les queries dépréciées donneront une erreur:
{ "ok" : 0, "errmsg" : "Provided apiStrict:true, but replSetGetStatus is not in API Version 1", "code" : 323, "codeName" : "APIStrictError"}MongoDB Atlas est le service de Database as a Service (DBaaS) proposé par l’entreprise MongoDB. Celui-ci vous permet d’avoir en quelques clics un cluster MongoDB managé et qui peut s’adapter suivant vos besoins.
La première nouveauté est le lancement de l’offre MongoDB en mode Serverless.
Jusqu’à récemment, un cluster MongoDB accepte un nombre limité de connexions simultanées. Dans une architecture client-serveur classique, il n’y a aucun problème car il suffit d’une connexion TCP, ouverte en permanence, pour chaque instance du serveur. Les opérations peuvent ensuite être traitées rapidement par le serveur MongoDB.
Sauf qu’une architecture Serverless n’est plus un nombre prédéfini de serveurs qui traitent l’ensemble des requêtes entrantes mais une panoplie d’instances éphémères qui doivent chacune créer une connexion et réaliser l’opération avant de disparaître.
AWS était le premier fournisseur cloud à proposer des technologies de base de données adaptées à cette architecture. DynamoDB était le produit NoSQL orienté document qui pouvait s’approcher le plus de MongoDB mais en Serverless.
Plus récemment, Fauna a vu le jour, proposant une base de données document, orientée serverless.
Maintenant, c’est au tour de MongoDB de monter dans ce wagon et de proposer eux-mêmes un produit équivalent, leur permettant de rester pertinents auprès des développeurs qui feraient le choix du Serverless.
En Juin 2020, MongoDB a mis en service leur service Atlas Data Lake.
Contrairement aux Data Warehouses tels que Snowflake ou Redshift qui nécessitent un traitement avant de pouvoir insérer les données, Atlas Data Lake a été conçu pour apporter la flexibilité des documents dans la modélisation des données que le Data Lake peut recevoir.
MongoDB Charts quant à lui est un outil de Data Visualization, permettant d’exploiter les données stockées dans votre cluster afin de générer des graphiques.
Grâce à cette nouvelle mise à jour, MongoDB Charts peut désormais interpréter les données présentes dans le Data Lake, notamment les fichiers bruts qui peuvent être stockés dans un bucket S3, et pas seulement dans la base de données traditionnelle.
En 2019, MongoDB rachète la société Realm dans le but de donner aux développeurs un moyen, rapide de synchroniser la donnée d’un hardware, qu’il s’agisse d’une application mobile ou d’un objet connecté, avec une base de données dans le cloud.
Jusqu’à cette mise à jour, MongoDB Realm stockait les données d’un appareil via une partition. Les données étaient compartimentalisées dans ces partitions et le développeur pouvait choisir quand il allait précharger chacune de ces partitions pour y avoir un accès hors ligne.
Avec cette mise à jour, MongoDB propose le Flexible Sync. Il permet au développeur de choisir quelles données seront synchronisées via des requêtes natives au langage.
Cette flexibilité permet d’avoir une meilleure gestion de la donnée chargée sur l’appareil, avec un contrôle plus fin des données accessibles hors ligne.
Atlas Search était la réponse de MongoDB aux bases de données orientées recherche telles qu’ElasticSearch, MeiliSearch ou Algolia.
Lorsqu’une application avait des besoins de recherche avancés, comme de rechercher un segment de texte dans un paragraphe ou plusieurs éléments dans plusieurs tableaux de données, les requêtes MongoDB n’étaient pas suffisantes.
Atlas Search est venu combler ce manque et propose aux utilisateurs de MongoDB sur Atlas de créer automatiquement un service de recherche basé sur la base de données actuellement sur Atlas.
Plus besoin de déployer un cluster ElasticSearch sur un autre fournisseur cloud et s’assurer de la bonne indexation des données à la fois sur la base de données MongoDB et sur les index ElasticSearch.
Avec cette mise à jour, Atlas Search se rapproche encore des fonctionnalités d’ElasticSearch en ajoutant la possibilité de définir des synonymes.
Il est également possible de concevoir des fonctions qui vont scorer les résultats suivant les requêtes, afin de donner un ordre de réponse plus pertinents aux utilisateurs.
Les maladies inflammatoires chroniques de l’intestin ou "MICI" sont invisibles, mais leurs impacts sur la…
Depuis l'été, j'ai un Pixel qui intègre à la fois un TPU (Tensor Processing Unit)…
On se retrouve dans un nouvel article avec toutes les infos sur cette nouvelle saison…
Pourquoi l’inclusion numérique est essentielle : le point avec Mathieu Froidure. Dans un monde de…
Elles sont passées où les femmes dans la tech ? Entre le manque de représentation…