DumboDB Log Pagination

Building a Shopping Cart In Nodejs

Bài viết hướng dẫn chi tiết cách xây dựng nền tảng thương mại điện tử sử dụng Node.js làm backend và các framework frontend (Angular, React, Vue.js). Nội dung bao gồm thiết lập backend, cài đặt packages, cấu hình server, tạo models và routes với MongoDB, kiểm thử routes, cũng như tích hợp tính năng giỏ hàng, kèm theo bài tập thực hành để mở rộng ứng dụng.

Lập trình viên Node.js nên đọc bài này để học cách xây dựng tính năng cart thương mại điện tử từ cơ bản đến nâng cao, từ backend đơn giản đến kết hợp với các frontend hiện đại như Angular, React, và Vue.js.

What’s new in two – June 2026 edition

Redis announces two major June 2026 updates. First, Redis Data Integration (RDI) is now generally available in Redis Cloud on AWS, enabling continuous data sync from operational databases (including MongoDB and Snowflake preview) into Redis for real-time AI workloads and application acceleration. Second, the Flex tier gets a tunable RAM-to-Flash ratio (10–50% RAM), giving teams more control over cost vs. performance tradeoffs, with Flex pricing now extended to BYOC deployments.

Building AI Systems with MongoDB: Implementing the Planning Pattern

Bài viết hướng dẫn từng bước triển khai mô hình lập kế hoạch AI (Planning Pattern) bằng Java, MongoDB, LangChain4j và Jakarta EE. Mô hình này chia nhỏ mục tiêu AI phức tạp thành các lệnh công cụ xác định thông qua vòng lặp Reason-Act-Observe, minh họa qua trợ lý lập hành trình du lịch truy vấn dữ liệu từ MongoDB.

Lập trình viên muốn xây dựng hệ thống AI thực tế, từ việc tối ưu hóa quy trình logic đến kết hợp dữ liệu từ cơ sở dữ liệu NoSQL một cách hiệu quả, nên đọc để hiểu cách áp dụng mô hình Planning Pattern để tự động hóa các nhiệm vụ phức tạp bằng cách kết hợp công cụ AI với cơ sở dữ liệu và UI hiện đại.

Why Percona Backup for MongoDB Is the Right Choice for Production Backups

Percona Backup for MongoDB (PBM) is presented as a superior alternative to common MongoDB backup approaches like volume snapshots and mongodump/mongorestore. Volume snapshots risk cross-shard inconsistency in replica sets and sharded clusters, while mongodump is too slow for large datasets and lacks native point-in-time recovery. PBM addresses these gaps by running distributed agents across all cluster nodes, coordinating cross-shard consistent backups, streaming oplogs continuously for granular RPO, and supporting physical backups (WiredTiger file copies) for dramatically faster restore times — capabilities previously limited to MongoDB Enterprise.

DumboDB Log Filters: A New Way to Query Your Data's History

DumboDB v0.2.2 introduces Log Filters for the dumboLog command, enabling expressive querying of a document database's commit history. Three filter types are supported: collection-level filtering (analogous to Git file filtering), _id-based filtering to track specific document changes, and $match-based filtering that applies MongoDB's query operators against commit diffs. A new DumboDB-specific $changed operator lets you find commits where a field changed regardless of value. The release also adds an all argument to walk all branch HEADs and pagination support via next/from arguments. Examples use a simulated e-commerce dataset with products, customers, and orders collections.

DumboDB Indexes: They Work Now!

DumboDB 0.3.0 fixes numerous index bugs that made the MongoDB-compatible, version-controlled database largely unusable. On the MongoDB parity side, deleteMany and updateMany failed to remove index keys, the query planner always chose full column scans over index scans, and .hint() with $natural caused panics. On the version-control side, merging branches caused index corruption with duplicate unique entries, no structural sharing occurred during merges, and conflict resolution returned all null values. The fixes involved writing 77 parity tests run against both MongoDB and DumboDB, porting Dolt's structural sharing logic, and introducing a new dumboConflicts response that provides actionable conflict details including conflict type, human-readable messages, and full three-way merge documents. Query performance improvements are planned for a future release.

10 Years of MongoDB Atlas: Built for What’s Next

MongoDB Atlas celebrates its 10th anniversary, tracing its evolution from a managed cloud database launched in 2016 to an AI-ready data platform. Key milestones include multi-cloud cluster support across AWS, Azure, and Google Cloud, ACID transactions, Atlas Search, Vector Search, and the acquisition of Voyage AI for improved embedding and reranking. Today Atlas serves over 250,000 new builders monthly, processes more than three trillion queries per day, and hosts over 726,000 vector indexes across nearly 70,000 customers. The post highlights how Atlas is now positioned as the data layer for agentic AI applications, enabling semantic search, RAG, and real-time context retrieval without requiring separate infrastructure.