Percona ra mắt bản Technical Preview 1.70.3-1 của Percona Search for MongoDB, một phiên bản downstream của mongot (động cơ tìm kiếm của MongoDB Atlas Search), hỗ trợ full-text và vector search cho các triển khai MongoDB tự quản lý, đồng thời mở rộng khả năng nhúng tự động cho nhiều API OpenAI-compatible và các mô hình open-weight, bổ sung giai đoạn $rerank, tích hợp chunking ngữ cảnh và hỗ trợ đa phương thức. Bản phát hành này yêu cầu Percona Server for MongoDB 8.3 nhưng chưa sẵn sàng cho sản xuất.
Vì sao nên đọc: Nếu bạn đang xây dựng ứng dụng MongoDB tự quản với yêu cầu tìm kiếm vector hoặc full-text mạnh mẽ mà không muốn phụ thuộc vào các giải pháp vendor lock-in, bài viết này sẽ giới thiệu Percona Search—a giải pháp mở rộng tự chủ—với các tính năng mới như tích hợp tự động với các mô hình AI mở rộng, hỗ trợ $rerank và nhiều cải tiến khác, giúp tối ưu hóa hiệu suất và linh hoạt cho deployments của bạn.
Trả lời 3 câu hỏi ngắn để nhận điểm thưởng cho bài này. Chỉ làm khi bạn muốn lấy điểm.
3 câu hỏi · dưới một phút · không bắt buộc
Nguồn: https://www.percona.com/blog/the-open-way-of-percona-search-for-mongodb. 8 Sync News chỉ tóm tắt và dẫn link; bản quyền nội dung thuộc tác giả và nguồn gốc.
Đang tải bình luận…
DumboDB cho phép replicator data từ MongoDB như một hệ thống version control. Hệ thống hoạt động dựa trên cơ chế write-ahead logging (WAL) và CRDTs (Conflict-free Replicated Data Types) để xử lý xung đột dữ liệu. Bản replication V1 hỗ trợ đồng bộ dữ liệu giữa các node với độ trễ khoảng 100ms. Điều đáng học là cách kết hợp cấu trúc dữ liệu document của MongoDB với mô hình Git version control để tạo ra giải pháp phân tán mạnh mẽ.
DumboDB cho phép bạn sao chép cập nhật từ MongoDB vào hệ thống phiên bản quản lý bằng Git, kết hợp hai công nghệ mạnh mẽ.
EF Core 10 giới thiệu các toán tử LeftJoin và RightJoin cấp first-class, cùng với named query filters có thể tắt riêng lẻ. Bản cập nhật này hỗ trợ complex types được ánh xạ trực tiếp vào JSON columns, cải thiện hiệu suất truy vấn. Các tính năng mới giúp giảm thiểu lượng code cần viết khi xử lý các thao tác join và lọc phức tạp. Với khả năng ánh xạ trực tiếp đến JSON columns, EF Core 10 mang lại giải pháp linh hoạt hơn cho việc làm việc với dữ liệu không quan hệ. Những cải tiến này đặc biệt hữu ích cho các ứng dụng cần xử lý cả cấu trúc quan hệ và phi quan hệ.
EF Core 10 mang đến những tính năng đột phá như LeftJoin, RightJoin và bộ lọc truy vấn có thể tắt riêng lẻ, giúp tối ưu hiệu suất và khả năng linh hoạt trong phát triển ứng dụng.
Redis Cloud Pro vừa tích hợp Flex Search, giảm đáng kể nhu cầu RAM. Công nghệ này sử dụng cùng Search API nhưng tối ưu hóa bộ nhớ hơn 70% so với Redis Stack. Lập trình viên có thể triển khai chức năng search mà không cần nâng cấp cấp độ tài nguyên. Điều này giúp tiết kiệm chi phí đáng kể khi xây dựng ứng dụng với module Search. Giải pháp này đặc biệt hữu ích cho các ứng dụng cần xử lý search phức tạp nhưng có hạn về tài nguyên hardware.
Lập trình viên nên đọc bài viết này để tìm hiểu cách giảm đáng kể tiêu thụ RAM khi sử dụng Search API trên Flex của Redis Cloud Pro.
Bối cảnh là một hệ thống đặt phòng khách sạn cần mở rộng khả năng tra cứu nhanh nên áp dụng mô hình CQRS với MongoDB làm cơ sở dữ liệu đọc và PostgreSQL làm cơ sở dữ liệu ghi. Nguyên nhân kỹ thuật là việc tách riêng cơ sở dữ liệu đọc và ghi khiến dữ liệu trên MongoDB chỉ được cập nhật từ PostgreSQL theo cách bất đồng bộ, dẫn đến trễ thời gian giữa hai kho lưu trữ. Hệ quả là nếu không có cơ chế điều chỉnh, thông tin phòng có thể trở nên cũ, ảnh hưởng đến trải nghiệm người dùng và độ tin cậy của kết quả tra cứu. Để giảm thiểu drift, dự án sử dụng các cập nhật bất đồng bộ định kỳ kết hợp với việc xây dựng lại batch toàn bộ MongoDB theo lịch, giúp duy trì sự cân bằng giữa tốc độ và tính nhất quán. Điều đáng học là trong kiến trúc CQRS, việc kết hợp cơ chế sao chép async và các quy trình tái tạo batch là cách hiệu quả để kiểm soát độ trễ dữ liệu mà không hy sinh hiệu suất tìm kiếm.
Bài viết hướng dẫn giải pháp đồng bộ hóa dữ liệu giữa hai hệ quản trị cơ sở dữ liệu khác nhau trong kiến trúc CQRS giúp tối ưu hiệu năng và đảm bảo tính nhất quán.
DumboDB công bố hỗ trợ collations, cho phép sắp xếp và so sánh dữ liệu theo quy tắc ngôn ngữ cụ thể. Kết quả này xuất phát từ việc tích hợp tính năng của MongoDB và Git vào một nền tảng mới. Với collations, các ứng dụng có thể lọc và sắp xếp dữ liệu theo ngôn ngữ người dùng, giảm sai lệch trong xử lý ngôn ngữ. Điều này minh họa lợi ích của việc áp dụng các tiêu chuẩn sắp xếp ngôn ngữ để cải thiện hiệu suất. Do đó, nếu dự án của bạn xử lý dữ liệu đa ngôn ngữ, cân nhắc sử dụng collations trong DumboDB.
Bài viết này giúp bạn hiểu cách DumboDB hỗ trợ collation, giống như một sự kết hợp giữa MongoDB và Git.
Bài viết phân tích cách .NET từng có nhiều ngôn ngữ truy vấn riêng cho từng định dạng dữ liệu trước khi LINQ ra đời nhằm thống nhất chúng. Sau đó, mọi định dạng dữ liệu đều dần được chuyển đổi thành objects và truy vấn bằng LINQ.
LINQ không chỉ là công cụ tìm kiếm dữ liệu mà còn là khái niệm trừu tượng hóa và tiêu chuẩn hóa cách xử lý dữ liệu trong các ngôn ngữ .NET, giúp lập trình viên tránh rắc rối của các ngôn ngữ riêng biệt và tối ưu hóa hiệu suất cho các ứng dụng lớn.
Để xây dựng platform semantic code search hiệu quả, nhóm đã thiết kế RAG pipeline xử lý code qua 3 giai đoạn chính: parsing code, chunking logic và vectorization. Tác giả sử dụng AST (Abstract Syntax Tree) để phân tích cấu trúc code trước khi chia thành các chunk nhỏ hơn 200 dòng mỗi đoạn. Mỗi chunk được vector hóa bằng model embedding text-embedding-3-small của OpenAI với dimension 1536. Kết quả cho thấy pipeline này giúp hệ thống truy xuất đoạn code chính xác tới 95% khi tìm kiếm ngữ nghĩa, đáng học hỏi để cải thiện performance trong RAG application thực tế.
Bài viết hướng dẫn xây dựng pipeline RAG để tìm kiếm mã nguồn ngữ nghĩa, giúp lập trình viên nâng cao kỹ năng xử lý và truy vấn dữ liệu code.
Bài viết khám phá khả năng của Large Language Models (LLMs) trong việc tìm kiếm thông tin trong các tập dữ liệu lớn. Nó giải thích các kỹ thuật như retrieval-augmented generation (RAG) giúp mô hình truy xuất và xử lý dữ liệu hiệu quả hơn. Việc này giúp giảm hiện tượng "hallucination" và tăng độ chính xác của câu trả lời. Các phương pháp như vector embeddings và similarity search đóng vai trò quan trọng trong quá trình này. Lập trình viên có thể học cách tích hợp các kỹ thuật này vào hệ thống của mình để tối ưu hóa hiệu suất LLM.
Bài viết này giúp lập trình viên hiểu cách LLMs có thể xử lý và tìm kiếm thông tin hiệu quả trong lượng dữ liệu khổng lồ.
Đọc tin ở đây, luyện code, học theo lộ trình và luyện IELTS trên các sản phẩm anh em — tất cả kết nối với nhau trong hệ sinh thái 8 Sync.
Cổng chính của hệ sinh thái: giới thiệu sản phẩm, blog và bảng giá trọn bộ.
Khám pháHọc theo lộ trình rõ từng chặng: video, quiz chấm tự động, certificate và mentor đang làm nghề.
Xem lộ trình1.000+ bài DSA, đề tiếng Việt, chấm tự động 7 ngôn ngữ — nhiều bài FREE, chạy ngay trên trình duyệt.
Luyện miễn phíChấm bốn kỹ năng IELTS bằng AI, phản hồi chi tiết theo rubric.
Dùng thử miễn phíAI IDE 22 MB cho dev Việt.
Tải miễn phíBộ nhớ tổ chức cho AI agent.
Khám pháAI trực Fanpage, tự sàng lọc lead.
Dùng thử