向量搜索与专用搜索节点：现已正式可用
内容提要
MongoDB宣布Atlas Vector Search与Search Nodes正式可用。Vector Search支持语义搜索和检索增强生成，可处理结构化与非结构化数据，公测五个月内获开发者最高NPS。Search Nodes提供独立基础设施，实现工作负载隔离与独立扩展，部分查询速度提升60%，并新增内存优化选项，现已在AWS单区域集群上线。
延伸解读
工作负载隔离与独立扩展
Search Nodes 为 Atlas Search 和 Vector Search 提供专用基础设施，使搜索工作负载与数据库工作负载相互隔离。这意味着搜索查询不再与数据库操作竞争资源，从而避免资源冲突导致的服务中断。同时，搜索资源可以独立于数据库进行扩展，根据搜索需求灵活调整计算资源，提升整体可用性和性能。
性能提升与内存优化选项
根据文章，在某些情况下，通过 Search Nodes 并发查询，部分用户的工作负载查询时间提升了 60%。此外，GA 版本新增了内存优化、低 CPU 的选项，专为生产环境的 Vector Search 设计。这有助于在保证性能的同时优化资源使用，适合对内存需求较高的向量搜索场景。
开发者认可与采用情况
Atlas Vector Search 在公测五个月内获得了开发者最高的净推荐值（NPS），并成为 Retool State of AI 报告中第二常用的向量数据库。这表明该功能在开发者社区中受到欢迎，并已被实际项目采用。高 NPS 反映了用户愿意推荐该解决方案，间接证明了其易用性和有效性。
当前可用区域与未来计划
目前，Search Nodes 仅在 AWS 单区域集群上可用，Google Cloud 和 Azure 的支持即将推出。因此，使用 Google Cloud 或 Azure 的客户暂时仍需依赖共享基础设施。对于需要工作负载隔离和独立扩展的用户，如果使用 AWS，可以立即启用；其他云平台的用户需等待后续更新。
Q&A
MongoDB Atlas Vector Search 和 Search Nodes 现在正式可用了吗？
是的，MongoDB 宣布 Atlas Vector Search 和 Search Nodes 已正式可用（GA），可用于生产环境。
Atlas Vector Search 的主要应用场景有哪些？
Atlas Vector Search 有两个主要应用场景：语义搜索（基于语义相似性从非结构化数据中搜索相关结果）和检索增强生成（RAG，用实时数据增强 LLM 的推理能力，构建定制化 GenAI 应用）。
Search Nodes 提供了哪些优势？
Search Nodes 为 Atlas Search 和 Vector Search 工作负载提供专用基础设施，实现工作负载隔离、独立扩展、更高的可用性、更好的扩展性能以及资源优化。在某些情况下，查询速度提升了 60%。
Atlas Vector Search 在公测期间的表现如何？
在公测宣布后的五个月内，Atlas Vector Search 获得了开发者最高的净推荐值（NPS），并且根据 Retool 的 State of AI 报告，它已成为第二常用的向量数据库。
Search Nodes 目前支持哪些云平台？
Search Nodes 目前已在 AWS 单区域集群中可用，Google Cloud 和 Azure 即将支持。在 Google Cloud 和 Azure 上，客户仍可使用共享基础设施。
Atlas Vector Search 如何处理结构化与非结构化数据？
Atlas Vector Search 可以释放结构化或非结构化数据的全部潜力，利用机器学习和 LLM 解决关键业务挑战。它基于 MongoDB Atlas 的灵活文档模型和统一 API，提供一致的体验。
