اسکات سانچز، رهبر بازاریابی و استراتژی محصول MongoDB، در مصاحبهای در کنفرانس Google Next در لاس وگاس در هفته گذشته گفت: «ما از LLMها و هوش مصنوعی برای مدرنسازی کامل برنامههای قدیمی استفاده میکنیم.»
در این کنفرانس، این شرکت ارزیابی یکپارچه خوشه MongoDB را به عنوان یک آیتم منو در Google’s Migration Center Use Case Navigator معرفی کرد. این سرویس مجموعهای از ابزارها و بهترین شیوهها را برای انتقال حجم کاری کامپیوترها به Google Cloud ارائه میدهد.
انتقال حجم کاری به ابر مدتهاست که نوید عملکرد برتر، کاهش مدیریت و شاید حتی صرفهجویی در هزینهها را داده است. با این حال، انتقال یک برنامه دههها قدیمی میتواند یک کار دلهرهآور باشد، به خصوص با توجه به این واقعیت که احتمالاً مهندسانی که سیستم را طراحی کردهاند دیگر در دسترس نیستند (و احتمالاً مستندات کمی از خود به جای گذاشتهاند).
سانچز گفت، مهاجرت به ابر بخش رو به رشدی از تجارت MongoDB بوده است و هوش مصنوعی مولد به برخی از موارد مشکلدارتر کمک کرده است. این واقعیت که یک طرحواره میتواند در حین ورود دادههای جدید به صورت پویا تولید شود، به سیستم NoSQL انعطافپذیری میدهد تا به راحتی با سیستمهای دیگر سازگار شود و به راحتی یافتههای یک ابزار تولیدکننده داده هوش مصنوعی مولد را جذب کند.
این ارزیابی مجموعهای از ابزارها را برای کشف داراییها و برنامهریزی مهاجرت از یک پایگاه داده MongoDB موجود در محل - نسخه جامعه یا سازمانی - به سرویس پایگاه داده میزبانی شده MongoDB Atlas در Google Cloud ارائه میدهد.
این شرکت ادعا میکند که با استفاده از این ابزارها، شرکتها میتوانند در هزینهها صرفهجویی کنند، کارها را کارآمدتر انجام دهند و تصمیمات معماری بهتری بگیرند.
این شرکت همچنین برای استقرارهای قدیمیتر، Modernization Factory را ارائه میدهد، یک سرویس مشاوره برای ریشهکن کردن بدهیهای فنی هنگام بهروزرسانی یک برنامه.
مدرنسازی برنامه بانکی
برخی از مشتریان MongoDB قبلاً از تلاشهای مدرنسازی تقویتشده توسط GenAI با کمک MongoDB بهرهمند شدهاند. به عنوان مثال، بانک سوئیسی Lombard Odier توانست کد را 50 تا 60 برابر سریعتر از مهاجرتهای قبلی مهاجرت دهد و برنامهها را از پایگاههای داده رابطهای قدیمی به MongoDB 20 برابر سریعتر منتقل کند.
ابزارهای هوش مصنوعی وظایف تکراری را خودکار کردند و ابزارهای مبتنی بر GenAI Modernization Factory آزمایش رگرسیون را ساده کردند و به طور خودکار بخش زیادی از کد مورد نیاز را تولید کردند.
به طور مشابه، Bendigo and Adelaide Bank با استفاده از چارچوب مدرنسازی MongoDB و ابزارهای مهاجرت مبتنی بر هوش مصنوعی، زمان و هزینه مدرنسازی برنامههای اصلی بانکی خود را 90٪ کاهش داده بود.
رویکرد MongoDB
سانچز گفت، هر تلاش مدرنسازی به نوعی متفاوت است. بیشتر تلاشهای مشاوره مدرنسازی با ورود یک تیم با ابزارهای هوش مصنوعی برای مشاهده و مستندسازی سیستم، از جمله بررسی پایگاه کد، تمام فراخوانیهای API و سایر تعاملات آغاز میشود.
این دادهها توسط هوش مصنوعی برای ساخت یک مجموعه آزمایشی، با هزاران یا حتی دهها هزار آزمایش استفاده میشود.
سانچز گفت: «سپس ما از هوش مصنوعی میخواهیم که از این آزمایشها به عقب برگردد تا امنترین، سریعترین و مدرنترین برنامه ممکن را که توسط MongoDB پشتیبانی میشود، بسازد.»
مشتری حتی میتواند از چندین مدل برای کار طراحی استفاده کند و میتواند مدلها را در برابر یکدیگر رقابت دهد و نتایج یکدیگر را تأیید کند.
سانچز گفت: «این یک محرک بزرگ برای ما است، زیرا دادههای بسیار زیادی در بسیاری از پلتفرمهای پایان عمر قفل شدهاند که مردم از لمس کردن آنها به 100 دلیل میترسند.» یا اگر از لمس کردن آنها نترسیدهاند، از این میترسیدهاند که صورتحساب برای فراخوانی یک مدل خدمات حرفهای سنتی چقدر خواهد بود تا کسی چهار سال را صرف مدرنسازی آن کند.»
اما با گذشت زمان، این شرکت از هوش مصنوعی برای اصلاح بیشتر این فرآیند استفاده خواهد کرد.
به گفته وی: «من فکر میکنم هرچه LLMها بهتر شوند، هرچه ابزارهای دستیار کد بهتر شوند، هرچه به سرمایهگذاری بیشتر در چارچوب عامل ادامه دهیم، عوامل ما یاد خواهند گرفت و افراد ما با هر مشتری که این کار را برای او انجام میدهیم، یاد خواهند گرفت.»
هزینه سفر و حضور خبرنگار در Google Next توسط Google پرداخت شده است.