FAQ Amazon DocumentDB (dengan kompatibilitas MongoDB)

Saat menulis ke penyimpanan, Amazon DocumentDB hanya mempertahankan log tulis, dan tidak perlu menulis sinkronisasi halaman buffer penuh. Sebagai hasil dari pengoptimalan ini, penulisan Amazon DocumentDB biasanya lebih cepat daripada basis data tradisional, dengan tidak mengurangi daya tahan. Klaster Amazon DocumentDB dapat menskalakan ke luar hingga jutaan baca per detik dengan hingga 15 replika baca.

Silakan lihat halaman harga Amazon DocumentDB untuk informasi mengenai wilayah dan harga saat ini.

Ya, Anda dapat mencoba Amazon DocumentDB secara gratis menggunakan uji coba gratis selama 1 bulan. Jika Anda belum pernah menggunakan Amazon DocumentDB sebelumnya, Anda berhak mendapatkan uji coba gratis selama satu bulan. Organisasi Anda mendapatkan 750 jam per bulan dari penggunaan instans t3.medium, 30 juta IO, penyimpanan 5 GB, dan penyimpanan cadangan 5 GB gratis selama 30 hari. Setelah uji coba gratis selama satu bulan berakhir atau penggunaan Anda melebihi tunjangan gratis, Anda dapat menutup klaster untuk menghindari biaya apa pun, atau tetap menjalankannya dengan tarif standar sesuai permintaan milik kami. Untuk mempelajari selengkapnya, lihat halaman uji coba gratis DocumentDB.

Amazon DocumentDB I/O Dioptimalkan adalah pilihan ideal saat Anda membutuhkan biaya yang dapat diprediksi atau memiliki aplikasi dengan I/O yang intens. Jika Anda memperkirakan biaya I/O melebihi 25% dari total biaya basis data Amazon DocumentDB, opsi ini menawarkan performa harga yang ditingkatkan. Lihat dokumentasi Amazon DocumentDB I/O Dioptimalkan kami untuk mempelajari selengkapnya, termasuk cara memulai.

Anda dapat mengalihkan klaster basis data yang sudah ada setiap 30 hari sekali ke Amazon DocumentDB I/O Dioptimalkan. Anda dapat beralih kembali ke konfigurasi penyimpanan standar Amazon DocumentDB kapan saja.

Ya, biaya untuk operasi I/O yang diperlukan untuk mereplikasi data di seluruh wilayah akan terus berlaku. Amazon DocumentDB I/O Dioptimalkan tidak mengenakan biaya untuk operasi I/O baca dan tulis, berbeda dari replikasi data. Lihat dokumentasi Amazon DocumentDB I/O Dioptimalkan kami untuk mempelajari selengkapnya.

Klaster Elastis Amazon DocumentDB memungkinkan Anda untuk menskalakan basis data dokumen secara elastis guna menangani miliaran baca dan tulis, dengan kapasitas penyimpanan berukuran petabita. Klaster Elastis menyederhanakan cara pelanggan berinteraksi dengan Amazon DocumentDB dengan mengelola infrastruktur dasar secara otomatis dan menghilangkan kebutuhan untuk membuat, menghapus, meningkatkan, atau menskalakan instans.

Anda dapat membuat Klaster Elastis menggunakan API Amazon DocumentDB, SDK, CLI, CloudFormation (CFN), atau konsol AWS. Saat menyediakan klaster, Anda menentukan jumlah serpihan dan komputasi per serpihan yang dibutuhkan oleh beban kerja Anda. Setelah membuat klaster, Anda siap untuk mulai memanfaatkan skalabilitas elastis milik Klaster Elastis. Sekarang, Anda dapat terhubung ke Klaster Elastis dan membaca atau menulis data dari aplikasi Anda. Klaster Elastis bersifat elastis. Anda dapat menambah atau menghapus komputasi dengan mengubah jumlah serpihan dan/atau komputasi per serpihan menggunakan konsol AWS, API, CLI, atau SDK, tergantung kebutuhan beban kerja Anda. Klaster Elastis akan secara otomatis menyediakan/membatalkan penyediaan infrastruktur dasar dan menyeimbangkan kembali data Anda.

Klaster Elastis menggunakan sharding untuk mempartisi data di seluruh sistem penyimpanan terdistribusi milik Amazon DocumentDB. Sharding, juga dikenal sebagai partisi, membagi kumpulan data besar menjadi kumpulan data kecil di beberapa simpul yang memungkinkan pelanggan untuk menskalakan ke luar basis data mereka melebihi batas penskalaan vertikal dari satu basis data. Klaster Elastis memanfaatkan pemisahan komputasi dan penyimpanan di Amazon DocumentDB. Alih-alih mempartisi ulang koleksi dengan memindahkan sebagian kecil data di antara simpul komputasi, Klaster Elastis dapat menyalin data secara efisien dalam sistem penyimpanan terdistribusi.

Klaster Elastis mendukung partisi berbasis hash.

Dengan Klaster Elastis, Anda dapat dengan mudah menskalakan beban kerja Anda ke luar atau ke dalam di Amazon DocumentDB, biasanya dengan sedikit atau tanpa waktu henti aplikasi atau berdampak pada performa terlepas dari ukuran datanya. Operasi serupa pada MongoDB akan memengaruhi performa aplikasi dan memakan waktu berjam-jam, serta dalam beberapa kasus bisa berhari-hari. Klaster Elastis juga menawarkan kemampuan manajemen yang berbeda, seperti pencadangan tanpa dampak dan pemulihan titik waktu yang cepat, memungkinkan pelanggan untuk lebih fokus pada aplikasi daripada mengelola basis data mereka.

Tidak. Anda tidak perlu melakukan perubahan apa pun pada aplikasi Anda untuk menggunakan Klaster Elastis.

Tidak, dalam waktu dekat, Anda dapat menggunakan layanan AWS Database Migration (DMS) untuk memigrasikan data dari klaster Amazon DocumentDB ke Klaster Elastis.

Memilih kunci serpihan yang optimal untuk Klaster Elastis tidak berbeda dengan basis data lainnya. Kunci serpihan yang bagus memiliki dua karakteristik, yaitu frekuensi tinggi dan kardinalitas tinggi. Misalnya, jika aplikasi Anda menyimpan user_orders di DocumentDB, maka umumnya Anda harus mengambil data berdasarkan pengguna. Oleh karena itu, Anda ingin semua pesanan yang terkait dengan pengguna tertentu berada dalam satu serpihan. Dalam hal ini, user_id akan menjadi kunci serpihan yang bagus. Baca informasi selengkapnya. 

• Klaster Elastis: Klaster Amazon DocumentDB yang memungkinkan Anda menskalakan throughput beban kerja hingga jutaan baca/tulis per detik dan menskalakan penyimpanan hingga petabita. Klaster Elastis terdiri dari satu atau beberapa serpihan untuk komputasi serta volume penyimpanan, dan mempunyai ketersediaan tinggi di banyak Zona Ketersediaan secara default.
• Serpihan: Serpihan menyediakan komputasi untuk Klaster Elastis. Serpihan secara default akan memiliki tiga simpul, yaitu satu simpul penulis dan dua simpul pembaca. Anda dapat memiliki maksimum 32 serpihan dan setiap serpihan bisa memiliki maksimum 64 vCPU.
• Kunci serpihan: Kunci serpihan adalah bidang opsional dalam dokumen JSON Anda yang digunakan oleh Klaster Elastis untuk mendistribusikan lalu lintas baca dan tulis ke serpihan yang cocok. Anda disarankan untuk memilih kunci yang memiliki banyak nilai unik. Kunci serpihan yang baik akan mempartisi data Anda secara merata di seluruh serpihan dasar sehingga memberikan throughput dan performa terbaik pada beban kerja Anda. 
• Koleksi yang dipecah: Koleksi yang datanya didistribusikan di seluruh Klaster Elastis.

Klaster Elastis terintegrasi dengan layanan AWS lainnya dengan cara yang sama seperti yang dilakukan DocumentDB saat ini. Pertama, Anda dapat menggunakan AWS Database Migration Service (DMS) untuk bermigrasi dari MongoDB dan basis data relasional lainnya ke Klaster Elastis. Kedua, Anda dapat memantau kondisi dan performa Klaster Elastis menggunakan Amazon CloudWatch. Ketiga, Anda dapat mengatur autentikasi dan otorisasi melalui pengguna IAM dan IAM role AWS, serta menggunakan AWS VPC untuk koneksi khusus VPC yang aman. Terakhir, Anda dapat menggunakan AWS Glue untuk mengimpor dan mengekspor data dari/ke layanan AWS lainnya, seperti S3, Redshift, dan OpenSearch.

Ya. Anda dapat memigrasikan beban kerja yang dipecah oleh MongoDB yang ada ke Klaster Elastis. Anda dapat menggunakan AWS Database Migration Service atau alat MongoDB native, seperti mongodump dan mongorestore, untuk memigrasikan beban kerja MongoDB Anda ke Klaster Elastis. Klaster Elastis juga mendukung API yang biasa digunakan MongoDB, seperti shardCollection(), yang memberi Anda fleksibilitas untuk menggunakan kembali alat dan skrip yang sudah ada dengan Amazon DocumentDB.

Penyimpanan minimumnya adalah 10 GB. Berdasarkan penggunaan klaster Anda, penyimpanan Amazon DocumentDB akan secara otomatis meningkat, hingga 128 TiB dalam peningkatan 10 GB, tanpa memengaruhi kinerja. Dengan Klaster Elastis Amazon DocumentDB, penyimpanan akan secara otomatis bertambah hingga 4 PiB dengan peningkatan 10 GB. Untuk kasus tersebut, tidak perlu menyediakan penyimpanan terlebih dahulu.

Amazon DocumentDB diskalakan dalam dua dimensi: penyimpanan dan komputasi. Penyimpanan Amazon DocumentDB secara otomatis menskalakan dari 10 GB ke 128 TiB pada klaster berbasis instans, dan hingga 4 PiB untuk Klaster Elastis Amazon DocumentDB. Kapasitas komputasi Amazon DocumentDB dapat dinaikkan skalanya dengan membuat instans yang lebih besar dan diskalakan secara horizontal (untuk throughput baca yang lebih besar) dengan menambahkan instans replika tambahan ke klaster.

Anda dapat menskalakan sumber daya komputasi yang dialokasikan untuk instans Anda dalam Konsol Manajemen AWS dengan memilih instans yang diinginkan dan mengeklik tombol “ubah”. Sumber daya memori dan CPU diubah dengan mengubah kelas instans Anda.

Saat Anda mengubah kelas Instans, perubahan yang Anda minta akan diterapkan selama periode pemeliharaan yang ditentukan. Cara lainnya, Anda dapat menggunakan bendera "Terapkan Segera" untuk segera menerapkan permintaan penskalaan Anda. Kedua opsi ini akan memiliki pengaruh ketersediaan selama beberapa menit saat operasi penskalaan dilakukan. Ingat bahwa setiap perubahan sistem lainnya yang tertunda juga akan diterapkan.

Pencadangan otomatis selalu diaktifkan di klaster Amazon DocumentDB. Kemampuan pencadangan basis data sederhana Amazon DocumentDB memungkinkan pemulihan titik waktu untuk klaster Anda. Anda dapat meningkatkan periode pencadangan untuk pemulihan titik waktu hingga 35 hari. Pencadangan tidak memengaruhi performa basis data.

Ya. Snapshot manual dapat dipertahankan melebihi periode pencadangan dan tidak ada dampak kinerja saat mengambil snapshot. Perhatikan bahwa pemulihan data dari snapshot klaster memerlukan pembuatan klaster yang baru.

Amazon DocumentDB secara otomatis membuat data Anda tahan lama di tiga Zona Ketersediaan (AZ) dalam suatu Wilayah dan akan secara otomatis mencoba untuk memulihkan instans Anda di AZ yang sehat tanpa kehilangan data. Seandainya data Anda tidak tersedia dalam penyimpanan Amazon DocumentDB, Anda dapat memulihkan dari snapshot klaster atau melakukan operasi pemulihan titik waktu ke klaster yang baru. Perhatikan bahwa waktu yang dapat dipulihkan terakhir untuk operasi pemulihan titik waktu adalah hingga lima menit yang lalu.

Anda dapat memilih untuk membuat snapshot akhir saat menghapus instans . Jika melakukannya, Anda dapat menggunakan snapshot ini untuk memulihkan instans yang dihapus di kemudian hari. Amazon DocumentDB mempertahankan snapshot buatan pengguna terakhir ini bersama dengan semua snapshot yang dibuat secara manual setelah instans dihapus. Hanya snapshot yang dipertahankan setelah instans dihapus (artinya, pencadangan otomatis yang dibuat untuk pemulihan titik waktu tidak disimpan).

Menghapus akun AWS Anda akan menghapus semua pencadangan otomatis dan pencadangan snapshot yang ada di akun tersebut.

Ya. Amazon DocumentDB memberikan Anda kemampuan untuk membuat snapshot klaster Anda, yang dapat Anda gunakan nanti untuk memulihkan klaster. Anda dapat membagikan snapshot dengan akun AWS yang berbeda, dan pemilik akun penerima dapat menggunakan snapshot Anda untuk memulihkan klaster yang berisi data Anda. Anda bahkan dapat memilih untuk membuat snapshot Anda menjadi publik – artinya, siapa pun dapat memulihkan klaster yang memuat data (publik) Anda. Anda dapat menggunakan fitur ini untuk berbagi data di antara berbagai lingkungan (produksi, dev/tes, uji coba, dll.) yang memiliki akun AWS berbeda-beda, dan juga menjaga cadangan data Anda tetap aman di akun terpisah jika akun AWS utama Anda telah disusupi.

Tidak ada biaya untuk berbagi snapshot di antara akun. Akan tetapi, Anda dapat dikenai biaya atas snapshot itu sendiri, dan juga basis data yang Anda pulihkan dari snapshot yang dibagikan.

Kami tidak mendukung pembagian snapshot klaster otomatis. Untuk berbagi snapshot otomatis, Anda harus membuat salinan snapshot secara manual, lalu membagikan salinannya.

Tidak. Snapshot Amazon DocumentDB yang Anda bagikan hanya dapat diakses dengan akun yang berada dalam wilayah yang sama dengan akun yang membagikannya.

Ya. Anda dapat membagikan snapshot Amazon DocumentDB terenkripsi. Penerima snapshot yang dibagikan harus memiliki akses ke kunci KMS yang digunakan untuk mengenkripsi snapshot tersebut.

Tidak. Snapshot Amazon DocumentDB hanya dapat digunakan di dalam layanan.

Anda dapat memilih untuk membuat snapshot akhir saat menghapus klaster Anda. Jika melakukannya, Anda dapat menggunakan snapshot ini untuk memulihkan klaster yang dihapus di kemudian hari. Amazon DocumentDB mempertahankan snapshot buatan pengguna final ini bersama dengan semua snapshot yang dibuat secara manual setelah klaster dihapus.

Amazon DocumentDB secara otomatis membagi volume penyimpanan Anda menjadi beberapa segmen 10 GB yang tersebar di banyak disk. Setiap 10 GB bagian volume penyimpanan Anda direplikasi dengan enam cara di tiga Zona Ketersediaan (AZ). Amazon DocumentDB dirancang untuk secara transparan menangani kehilangan hingga dua salinan data tanpa memengaruhi ketersediaan tulis dan hingga tiga salinan tanpa memengaruhi ketersediaan baca. Volume penyimpanan Amazon DocumentDB juga pulih dengan sendirinya. Blok dan disk data terus dipindai untuk mendeteksi kesalahan dan akan otomatis diperbaiki.

Tidak seperti basis data lain, setelah basis data macet, Amazon DocumentDB tidak perlu memutar ulang log pengulangan dari titik pemeriksaan basis data terakhir (biasanya lima menit) dan mengonfirmasi bahwa semua perubahan telah diterapkan, sebelum membuat basis data tersedia untuk operasi. Hal ini mengurangi waktu mulai ulang basis data hingga kurang dari 60 detik di sebagian besar kasus. Amazon DocumentDB memindahkan cache keluar dari proses basis data dan segera menjadikannya tersedia pada waktu mulai ulang. Hal ini mencegah Anda dari keharusan membatasi akses hingga cache terisi kembali untuk menghindari ketidaktersediaan.

Amazon DocumentDB mendukung replika baca, yang berbagi volume penyimpanan dasar yang sama dengan instans utama. Pembaruan yang dibuat oleh instans utama terlihat di semua replika Amazon DocumentDB.

• Fitur: Replika baca Amazon DocumentDB
• Jumlah replika: Hingga 15
• Tipe replika: Asinkron (biasanya dalam milidetik)
• Dampak kinerja di replika utama: Rendah
• Bertindak sebagai target failover: Ya (tidak ada data yang hilang)
• Failover otomatis: Ya

Ya, Anda dapat mereplikasi data Anda di seluruh wilayah menggunakan fitur Klaster Global . Klaster Global menjangkau beberapa Wilayah AWS. Klaster global mereplikasi data Anda ke klaster di hingga lima Wilayah dengan sedikit atau tanpa dampak pada performa. Klaster global menghadirkan pemulihan bencana yang lebih cepat akibat pemadaman listrik di seluruh wilayah dan memungkinkan pembacaan global latensi rendah. Untuk mempelajari selengkapnya, lihat postingan blog kami.

Ya. Anda dapat menetapkan tingkat prioritas promosi untuk setiap instans di klaster. Saat instans utama gagal, Amazon DocumentDB akan mempromosikan replika dengan prioritas tertinggi menjadi utama. Jika terdapat ketidaksesuaian antara dua replika atau lebih dalam tingkat prioritas yang sama, Amazon DocumentDB akan mengajukan replika dengan ukuran yang sama seperti instans utama.

Anda dapat mengubah tingkat prioritas untuk instans kapan pun. Hanya mengubah tingkat prioritas tidak akan memicu failover.

Anda dapat menetapkan tingkat prioritas yang lebih rendah pada replika yang tidak ingin Anda promosikan menjadi instans utama. Akan tetapi, jika replika dengan prioritas lebih tinggi di klaster tidak sehat atau tidak tersedia karena alasan tertentu, Amazon DocumentDB akan mempromosikan replika dengan prioritas yang lebih rendah tersebut.

Amazon DocumentDB dapat di-deploy di konfigurasi ketersediaan tinggi dengan menggunakan instans replika di beberapa Zona Ketersediaan AWS sebagai target failover. Jika terjadi kegagalan instans utama, instans replika secara otomatis dipromosikan menjadi instans utama yang baru dengan gangguan layanan minimum.

Anda dapat menambahkan replika Amazon DocumentDB tambahan. Replika Amazon DocumentDB memliki penyimpanan dasar yang sama seperti instans utama. Setiap replika Amazon DocumentDB dapat dipromosikan menjadi utama tanpa perlu kehilangan data, dan oleh karena itu, dapat digunakan untuk meningkatkan tolerasi kesalahan saat terjadi kegagalan instans utama. Untuk meningkatkan ketersediaan klaster, cukup buat satu hingga 15 replika, di salah satu dari tiga AZ, lalu Amazon DocumentDB akan otomatis menyertakan replika tersebut dalam pilihan utama failover jika terjadi pemadaman instans.

Failover secara otomatis ditangani oleh Amazon DocumentDB sehingga aplikasi Anda dapat melanjutkan operasi basis data sesegera mungkin tanpa intervensi administratif manual.

• Jika Anda memiliki replika Amazon DocumentDB dalam Zona Ketersediaan yang sama atau berbeda, saat failover, Amazon DocumentDB akan membalikkan catatan nama kanonik (CNAME) bagi instans Anda untuk menunjuk replika yang sehat, yang pada saatnya dipromosikan untuk menjadi utama baru. Dari awal hingga akhir, failover biasanya selesai dalam 30 detik. 
• Jika Anda tidak memiliki replika Amazon DocumentDB (yaitu satu klaster instans), Amazon DocumentDB akan mencoba untuk membuat instans baru dalam Zona Ketersediaan yang sama dengan instans asli. Penggantian instans asli ini dilakukan berdasarkan usaha terbaik dan memiliki kemungkinan tidak berhasil, sebagai contoh, jika terjadi masalah yang memengaruhi Zona Ketersediaan secara luas. 

Aplikasi Anda harus mencoba ulang koneksi basis data jika terjadi putus koneksi.

Amazon DocumentDB akan otomatis mendeteksi masalah dengan instans utama Anda dan mulai merutekan lalu lintas baca/tulis Anda ke replika Amazon DocumentDB. Rata-rata, failover ini akan selesai dalam waktu 30 detik. Sebagai tambahan, lalu lintas baca yang disediakan replika Amazon DocumentDB Anda akan terputus sejenak.

Karena replika Amazon DocumentDB memiliki volume data yang sama dengan instans utama, tidak akan terdapat ketertinggalan replikasi secara virtual. Kami biasanya melihat waktu ketertinggalan dalam 10 milidetik.

Ya. Semua klaster Amazon DocumentDB harus dibuat di VPC. Dengan Amazon VPC, Anda dapat menentukan topologi jaringan virtual yang hampir mirip dengan jaringan tradisional yang mungkin dioperasikan di pusat data Anda sendiri. Hal ini memberikan Anda kontrol penuh atas pengguna yang dapat mengakses klaster Amazon DocumentDB Anda.

Amazon DocumentDB mendukung RBAC dengan peran bawaan. RBAC memungkinkan Anda untuk memberlakukan hak akses paling rendah sebagai praktik terbaik dengan membatasi tindakan yang diizinkan untuk dilakukan pengguna. Untuk informasi selengkapnya, lihat kontrol akses berbasis peran Amazon DocumentDB.

Amazon DocumentDB menggunakan jaringan ketat dan batas otorisasi VPC. Autentikasi dan otorisasi untuk API manajemen Amazon DocumentDB disediakan oleh pengguna IAM, peran IAM, dan kebijakan IAM. Autentikasi ke basis data Amazon DocumentDB dilakukan melalui alat dan driver MongoDB standar dengan Salted Challenge Response Authentication Mechanism (SCRAM), yang merupakan mekanisme autentikasi default untuk MongoDB.

Ya. Amazon DocumentDB memungkinkan Anda mengenkripsi klaster menggunakan kunci yang Anda kelola melalui AWS Key Management Service (KMS). Pada klaster yang berjalan dengan enkripsi Amazon DocumentDB, data yang disimpan dalam keadaan diam di penyimpanan dasar dienkripsi, begitu juga pencadangan otomatis, snapshot, dan replika dalam klaster yang sama. Enkripsi dan dekripsi ditangani dengan lancar. Untuk informasi selengkapnya mengenai penggunaan KMS dengan Amazon DocumentDB, lihat Mengenkripsi Data Diam Amazon DocumentDB.

Untuk saat ini, enkripsi klaster Amazon DocumentDB tak terenkripsi yang sudah ada belum didukung. Untuk menggunakan enkripsi Amazon DocumentDB untuk klaster tak terenkripsi, buat klaster baru dengan enkripsi aktif lalu migrasikan data Anda ke klaster tersebut.

Amazon DocumentDB dirancang untuk memenuhi standar keamanan tertinggi dan memudahkan pelanggan untuk memverifikasi keamanan kami, serta memenuhi kewajiban regulasi dan kepatuhan. Amazon DocumentDB telah dinilai agar sesuai dengan PCI DSS, ISO 9001, 27001, 27017, dan 27018, SOC 1, 2, dan 3, serta sertifikasi Health Information Trust Alliance (HITRUST) Common Security Framework (CSF), selain memenuhi syarat HIPAA. Laporan kepatuhan AWS dapat diunduh di AWS Artifact.

In-place MVU memungkinkan Anda memutakhirkan klaster Amazon DocumentDB 3.6 atau 4.0 ke Amazon DocumentDB 5.0 menggunakan Konsol AWS, Kit Pengembangan Perangkat Lunak (SDK) AWS, atau AWS Command Line Interface (CLI). Dengan in-place MVU, Anda tidak perlu membuat klaster baru atau mengubah titik akhir. MVU pengganti tersedia di semua wilayah tempat Amazon DocumentDB 5.0 tersedia. Untuk mulai menggunakan MVU pengganti, tinjau dokumentasi MVU pengganti.

In-place MVU memungkinkan Anda memutakhirkan klaster Amazon DocumentDB 3.6 atau 4.0 ke versi 5.0 tanpa perlu melakukan pencadangan dan pemulihan ke klaster lain serta tanpa menggunakan alat migrasi data lainnya. Dengan demikian, ini akan mengurangi waktu dan upaya yang terkait dengan proses pemutakhiran biasa yang memerlukan konfigurasi titik akhir sumber dan target, migrasi indeks dan data, pengubahan kode aplikasi, serta banyak lagi.

Anda tidak perlu mengubah titik akhir di aplikasi setelah pemutakhiran. Karena data tetap berada di klaster yang sama, tidak ada biaya tambahan untuk memutakhirkan menggunakan fitur.

Waktu henti dapat bervariasi dari klaster ke klaster tergantung jumlah kumpulan, indeks, basis data, dan instans. Sebelum menjalankan in-place MVU pada klaster produksi, sebaiknya Anda menjalankannya di lingkungan yang lebih rendah untuk menguji waktu henti, performa, serta memverifikasi bahwa aplikasi Anda berfungsi seperti yang diharapkan setelah pemutakhiran.

Anda juga dapat menggunakan fitur kloning cepat Amazon DocumentDB untuk mengkloning data klaster Anda untuk pengujian. Bergantung pada kompleksitas implementasi Amazon DocumentDB, Anda dapat melibatkan arsitek solusi basis data kami untuk bantuan tambahan.

In-place MVU hanya didukung dengan Amazon DocumentDB 3.6 atau 4.0 sebagai sumber dan versi 5.0 sebagai target. In-place MVU tidak didukung untuk Klaster Global atau Klaster Elastis Amazon DocumentDB, atau dengan DocumentDB 4.0 sebagai target.

Amazon DocumentDB terintegrasi dengan Amazon SageMaker Canvas, yang memudahkan pembuatan model machine learning (ML) dan penyesuaian model fondasi menggunakan data yang disimpan di Amazon DocumentDB tanpa menulis satu baris kode pun. Anda tidak perlu lagi mengembangkan data kustom dan alur ML antara Amazon DocumentDB dan SageMaker Canvas. Anda dapat meluncurkan SageMaker Canvas dari dalam konsol Amazon DocumentDB dan menambahkan basis data Amazon DocumentDB yang ada sebagai sumber data untuk mulai membangun model machine learning. Anda dapat menggunakan data di DocumentDB di SageMaker Canvas guna membangun model untuk memprediksi churn pelanggan, mendeteksi kecurangan, memprediksi kegagalan pemeliharaan, memprakirakan metrik keuangan dan penjualan, mengoptimalkan inventaris, meringkas konten, serta menghasilkan konten.

Amazon SageMaker Canvas menawarkan antarmuka tanpa kode untuk membangun model machine learning menggunakan data dari berbagai sumber data, termasuk Amazon DocumentDB. Anda dikenai biaya untuk penggunaan SageMaker Canvas dan I/O yang dihasilkan saat SageMaker Canvas membaca data dari instans Amazon DocumentDB. Tidak ada biaya tambahan untuk penggunaan DocumentDB sebagai sumber data di Amazon SageMaker Canvas. Kunjungi halaman harga Amazon DocumentDB dan halaman Harga SageMaker Canvas untuk mempelajari selengkapnya.

Pencarian vektor adalah metode yang digunakan dalam machine learning (ML) untuk menemukan titik data serupa ke titik data tertentu dengan membandingkan representasi vektor mereka menggunakan metrik jarak atau kesamaan. Semakin dekat kedua vektor dalam ruang vektor, maka semakin mirip item yang mendasarinya. Teknik ini membantu menangkap makna atau semantik data. Pendekatan ini berguna dalam berbagai aplikasi, seperti sistem rekomendasi, pemrosesan bahasa alami, dan pengenalan gambar.

Pencarian vektor untuk Amazon DocumentDB menggabungkan fleksibilitas dan kemampuan penguerian yang kaya dari basis data dokumen berbasis JSON dengan kekuatan pencarian vektor. Anda dapat menggunakan data Amazon DocumentDB yang ada, atau struktur data dokumen yang fleksibel, untuk membangun machine learning dan kasus penggunaan AI generatif, seperti pengalaman pencarian semantik, rekomendasi produk, personalisasi, bot obrolan, deteksi penipuan, dan deteksi anomali. Kunjungi pencarian vektor untuk dokumentasi Amazon DocumentDB untuk mempelajari selengkapnya.

Amazon SageMaker Canvas menawarkan antarmuka tanpa kode untuk membangun model machine learning menggunakan data dari berbagai sumber data, termasuk Amazon DocumentDB. Anda dikenai biaya untuk penggunaan SageMaker Canvas dan I/O yang dihasilkan saat SageMaker Canvas membaca data dari instans Amazon DocumentDB. Tidak ada biaya tambahan untuk penggunaan DocumentDB sebagai sumber data di Amazon SageMaker Canvas. Kunjungi halaman harga Amazon DocumentDB dan halaman Harga SageMaker Canvas untuk mempelajari selengkapnya.

Pencarian vektor untuk Amazon DocumentDB tersedia di klaster berbasis instans Amazon DocumentDB 5.0.

Pencarian vektor untuk Amazon DocumentDB memungkinkan penggunaan pencarian semantik sehingga Anda dapat menangkap makna, konteks, dan maksud di balik data Anda. Pencarian kata kunci menemukan dokumen berdasarkan teks aktual atau pemetaan sinonim yang telah ditentukan sebelumnya. Misalnya, dalam aplikasi e-commerce tradisional, gaun merah mungkin menampilkan produk yang memiliki kata-kata “merah” dan “gaun” dalam deskripsi mereka. Pencarian semantik akan mengambil hasil pencarian gaun dalam berbagai nuansa merah yang dapat meningkatkan pengalaman pengguna.  

Tidak ada biaya tambahan untuk penggunaan pencarian vektor untuk Amazon DocumentDB. Biaya komputasi, I/O, penyimpanan, dan cadangan standar akan berlaku saat Anda menyimpan, mengindeks, dan mencari vektor di Amazon DocumentDB. Kunjungi halaman harga Amazon DocumentDB untuk mempelajari selengkapnya.

Amazon DocumentDB terintegrasi dengan Amazon SageMaker Canvas sehingga memudahkan pembuatan aplikasi kecerdasan buatan (AI) generatif dan machine learning (ML) menggunakan data yang disimpan di Amazon DocumentDB. Anda tidak perlu lagi mengembangkan data kustom dan alur ML antara Amazon DocumentDB dan SageMaker Canvas. Integrasi dalam konsol menghilangkan pekerjaan berat yang tidak terdiferensiasi untuk menghubungkan dan mengakses data guna mempercepat pengembangan ML dengan pengalaman kode rendah tanpa kode (LCNC). Anda dapat meluncurkan SageMaker Canvas dari dalam konsol Amazon DocumentDB dan menambahkan basis data Amazon DocumentDB yang ada sebagai sumber data.