<div id="readability-page-1" class="page"><div><p>코로나로 인해서 오프라인 행사를 참여하지 못했는데 이번에 서울에서 오프라인으로 진행되는 MongoDB Day Seoul 2022를 다녀왔습니다. 세션이 모두 끝나고 럭키드로우 이벤트도 진행되었습니다.</p>
<p><span>
      <a href="/static/638f10ab9ad4f77fd30a2bf278303613/644c5/mongodb-day-seoul-2022.jpg" target="_blank" rel="noopener">
    <span></span>
  <img alt="mongodb-day-seoul-2022" title="mongodb-day-seoul-2022" src="https://jhyeok.com/static/638f10ab9ad4f77fd30a2bf278303613/1c72d/mongodb-day-seoul-2022.jpg" sizes="(max-width: 590px) 100vw, 590px" loading="lazy" decoding="async">
  </a>
    </span></p>
<p>기대 1도 안 했는데 갤럭시 버즈2 프로를 선물로 받게 되었습니다!</p>
<h2>MongoDB Developer Data Platform (마이클 카힐 VP, MongoDB)</h2>
<p>전체적으로 MongoDB 장점과 6.0 설명 위주<br>
MongoDB는 오늘날 1억 달러를 추가하고, 플랫폼 개선<br>
RDB는 경직되어 있고 유연성 없고 스케일링도 어렵다.</p>
<p>MongoDB Atlas</p>
<ul>
<li>통일된 API 필요, 개발자가 오늘날 작업하는 방식에 적합</li>
<li>이 플랫폼은 광범위한 다양한 워크로드를 지원</li>
<li>최대한 다양한 유형의 워크로드를 이 플랫폼상에서 특별한 고려 사항 없이 뒷받침되어야 한다.</li>
<li>서로 다른 쿼리 언어를 습득해야 하는 요구사항도 없어야 한다.</li>
<li>대규모 성능, 보안이 필요하다.</li>
<li>가장 중요한 애플리케이션에서 이 플랫폼을 안심하게 구동할 수 있어야 한다.</li>
</ul>
<p>물리적 서버 - 가상 머신 - 컨테이너 - 서버리스<br>
각각의 단계에서 개발자가 인프라스트럭쳐 신경 쓰지 않아도 되고, 비즈니스 핵심 개발에 집중 가능</p>
<p>MongoDB Atlas serverless (GA)</p>
<ul>
<li>개발자 입장에서 절충할 필요가 없음</li>
<li>MongoDB 스케일링 관점에서 타협할 필요 없음 아틀라스에서 다 알아서 해준다.</li>
</ul>
<p>Leafy 샘플 애플리케이션</p>
<ul>
<li>화분을 구매, 판매 애플리케이션</li>
<li>판매자, 구매자, 마켓플레이스</li>
<li>구매자 입장에서는 검색이 필요하다.</li>
<li>기존 방식은 복잡하다. DB 동기화 문제
<ul>
<li>개발자가 여기에 힘을 쏟는다</li>
<li>그게 기존 방식의 문제이고 Atlas Search를 제공한다.</li>
</ul>
</li>
</ul>
<p>Realm &amp; Atlas Device Sync</p>
<ul>
<li>모바일 애플리케이션 만들 때 빈번하게 사용</li>
<li>컨플릭트 해결, 커넥션 리스토어 리커버리 골치 아픈 문제를 신경 쓰지 않아도 된다.</li>
<li>비동기적 싱크가 프리뷰 상태</li>
<li>Kotlin, Flutter SDK 지원</li>
</ul>
<p>Leafy 샘플 애플리케이션에서 판매자는 대시보드가 필요</p>
<ul>
<li>이런것을 제공하려면 기존방식은 복잡하다.</li>
<li>MongoDB는 이러한 애플리케이션을 쉽게 개발할 수 있도록 한다.</li>
</ul>
<p>v6.0</p>
<ul>
<li>6.0에서는 Faster $lookups</li>
<li>FK 매치가 많은 경우 그 경우에 2배 정도 빨라진다.</li>
<li>소수의 매치만 나오는 결과에는 기존에 비해서 5배 빨라짐</li>
<li>시계열 컬렉션</li>
<li>암호화 Queryable Encryption 기능
<ul>
<li>내년에 GA</li>
</ul>
</li>
</ul>
<p>많은 기업들의 레거시가 RDB이다.<br>
RDB가 데이터 중심으로 복잡한 구조로 만들어져 있다.<br>
RDB를 Document로 전환할 수 있도록 Relational Migration 툴 (프리뷰 상태)</p>
<h2>시리즈 A 스타트업이 검색엔진으로 MongoDB Atlas Search를 선택한 이유 (이동욱 CTO, 인프랩)</h2>
<p>MongoDB Atlas Search</p>
<ul>
<li>지금 가장 효율적인 아키텍처를 선택</li>
<li>비즈니스 요구 사항 달성</li>
<li>원래라면 Amazon&nbsp;DynamoDB(비정형 데이터 처리), OpenSearch 두 개를 사용해야 하는 상황을 하나로 해결하게 됨</li>
<li>비정형 데이터 처리 + 검색엔진 = MongoDB</li>
<li>SNS 멀티 구독</li>
<li>SQS 최종적 일관성</li>
<li>스프링 부트를 통한 배압 조절</li>
<li>Zero Payload로 이벤트 순서 보장</li>
<li>기존 서비스와 장애 격리되고 언제든 교체할 수 있는 구조로 만듬 (MongoDB 아니어도 가능한 구조)</li>
</ul>
<p>도입 후 장점</p>
<ul>
<li>현재 오로라는 5~7% 사용하도록 개선 (기존 20%)</li>
<li>검색 결과가 좋아짐</li>
</ul>
<p>앞의 이야기는 OpenSearch, Elasticsearch, MongoDB Atlas Search 에서도 같은 효과가 나옴</p>
<p>MongoDB Atlas Search 단점</p>
<ul>
<li>부족한 국내 레퍼런스 + 커뮤니티</li>
<li>ES에 비해 검색 기능 부족 (ES의 Term Vectors API)</li>
<li>MongoDB Atlas Search이다.
<ul>
<li>MongoDB가 가지고 있는 게 아님</li>
<li>MongoDB 테스트 컨테이너가 Search 미지원</li>
</ul>
</li>
<li>테스트 컨테이너로 로컬에서 격리화된 단위 테스트 작성 불가능
<ul>
<li>로컬에 있는 DB로 테스트를 못함</li>
<li>격리화되지 않음</li>
<li>원격에 있는 DB로 접근해서 테스트하다 보면 여러 명이 데이터 넣고 하다가 문제가 발생할 수 있음.</li>
</ul>
</li>
<li>단어가 어떻게 tokenizing 되는지 볼 수 있는 화면 미지원</li>
</ul>
<p>MongoDB Atlas Search 장점</p>
<ul>
<li>MongoDB Korea팀과 함께 만들어가는 국내 레퍼런스</li>
<li>상대적 익숙함
<ul>
<li>NodeJS MongoDB 조합</li>
<li>개발팀 내에서 모두 MongoDB 1번은 사용해보았음.</li>
</ul>
</li>
<li>높은 SLA
<ul>
<li>공식문서에서 AWS OpenSearch와 비교</li>
</ul>
</li>
<li>한글 형태소 분석기 잘 지원됨</li>
</ul>
<p>RDBMS로 서치를 사용하는 소규모 개발팀은 고려해볼 만한 옵션이다.<br>
개인적으로 비정형 데이터를 관리할 때 Amazon&nbsp;DynamoDB와 비교하면 MongoDB의 경험이 더 좋았다고 하셨다.</p>
<h2>MongoDB 6.0의 새로운 기능 (김준 기술총괄전무, MongoDB)</h2>
<p>MongoDB 버전별 발전 과정과 6.0 기능 위주로 설명해주셨다.<br>
기존에 6.0 릴리즈 되었을 때 회사의 개발과 스테이징 환경의 DB의 버전을 올리면서 관련 글들을 읽어서 익숙한 내용이었다.<br>
<a href="https://www.mongodb.com/blog/post/big-reasons-upgrade-mongodb-6-0" target="_blank" rel="nofollow noopener noreferrer">7 Big Reasons to Upgrade to MongoDB 6.0</a></p>
<h2>MongoDB Atlas Search Deep-dive Session (최근한 이사, MongoDB)</h2>
<p>검색 기능을 만드는 두 가지 방법</p>
<ul>
<li>Database Engine, Search Engine</li>
<li>두 가지를 합쳐서 구현을 하려면… (DB - sync/ETL - search Engine)</li>
<li>연계기능 개발</li>
<li>동기화 기능을 위한 비용</li>
<li>운영 비용이라는 문제점들이 있다.</li>
</ul>
<p>Atlas에서 DB engine 쪽에서 완벽하게 관리되는 Apache Lucene Engine 추가</p>
<ul>
<li>개발자의 생산성을 높여준다.</li>
<li>데이터 아키텍처의 단순화</li>
<li>완벽하게 관리되는 구조</li>
</ul>
<p>사용 절차</p>
<ul>
<li>Atlas Cluster 생성 -&gt; 데이터베이스와 컬렉션 생성 -&gt; Search Index 구성 -&gt; $search stage 사용</li>
</ul>
<p>$search와 match/sort를 같이 사용하는 것은 심각한 성능 저하가 발생할 수 있다.</p>
<h2>Confluent와 함께 분산된 데이터를 MongoDB로 연결하기 (김현수 상무, 컨플루언트)</h2>
<ul>
<li>여러 레거시 시스템을 클라우드 통합하는데 어려움이 있다</li>
<li>Confluent로 스트리밍 ETL 파이프라인을 강화, 데이터베이스를 쉽게 현대화
<ul>
<li>마이그레이션 간소화 및 가속화</li>
<li>실시간 동기화</li>
<li>비용 절감</li>
</ul>
</li>
<li>Confluent Cloud
<ul>
<li>클라우드 네이티브</li>
<li>완전성</li>
<li>어디에서나</li>
</ul>
</li>
</ul>
<h2>MongoDB Atlas App Service (김규동 상무, MongoDB)</h2>
<ul>
<li>클라우드 기반</li>
<li>다양한 애플리케이션에 서비스 제공</li>
<li>Web Application Hosting</li>
<li>Hosting
<ul>
<li>정적 컨텐츠 제공</li>
</ul>
</li>
<li>Authentication
<ul>
<li>다양한 인증 방법 제공</li>
</ul>
</li>
<li>Serverless Function</li>
<li>Serverless Trigger
<ul>
<li>재고 적을 때 경고 보내기</li>
<li>상품 배송 시 사용자에게 문자 보내기 등</li>
</ul>
</li>
<li>Serverless API Services</li>
<li>GraphQL API</li>
<li>Data Access Rules 등</li>
</ul>
<p>Realm 데이터베이스 강조</p>
<ul>
<li>양방향 동기화</li>
<li>관련 데모를 보여주심</li>
</ul>
<h2>MongoDB Atlas on AWS와 함께하는 MSA Journey (윤기원 매니저, AWS)</h2>
<p>비지니스/데이터 트렌드</p>
<ul>
<li>사용자와 데이터의 폭발적인 증가</li>
<li>빠르게 변화하는 시장과 고객의 요구</li>
<li>모놀리식 시스템에서 MSA로의 변화
(다양한 데이터 소스와 데이터 종류, 데브옵스 도입으로 인한 변화율 증가, 다양한 개발 언어와 데이터베이스 활용)</li>
</ul>
<p>기존의 모놀리식 아키텍처의 한계</p>
<ul>
<li>확장성 한계</li>
<li>성능 이슈</li>
<li>개발자들의 유연성 저해</li>
<li>개발 및 배포 지연</li>
<li>통합된 하나의 관계형 데이터베이스는 현대 비지니스 어플리케이션의 요구사항을 더 이상 충족하기 힘듬</li>
</ul>
<p>MSA 구조에 맞게 목적별 DB 사용 이유</p>
<ul>
<li>확장성</li>
<li>성능</li>
<li>가용성</li>
</ul>
<p>RDBMS에서 MongoDB Atlas를 사용한 UseCase를 설명 (실제 기업의 사례)</p>
<ul>
<li>CRM</li>
<li>IOT</li>
<li>Music Metadata</li>
<li>Text Search</li>
</ul>
<h2>네이버의 MongoDB 활용 사례 (이재웅 매니저, 네이버클라우드)</h2>
<p>기존에는 RDB를 사용했지만 시간이 지날수록 더 많은 종류의 데이터 플랫폼에 대한 요구사항이 생김</p>
<ul>
<li>사용하기 쉽고</li>
<li>빠르고</li>
<li>더 많이 저장할 수 있는</li>
<li>연관성이 있는</li>
</ul>
<p>상품 데이터를 예시로 설명</p>
<ul>
<li>기존 RDB로 처리한다면 다른 성격의 상품을 저장하기 위해 ALTER 작업이 필요</li>
<li>이 ALTER 작업은 장애로 까지 이어질 수 있는 위험요소가 있음</li>
<li>MongoDB는 유연하게 대처가 가능</li>
<li>ALTER 작업이 필요 없음</li>
</ul>
<p>이러한 비정형 데이터에 대한 니즈가 5,6년 전부터 회사에서 있었다.<br>
현재는 여러 가지 데이터 플랫폼을 운영 중이라고 하심.</p>
<p>사내의 많은 개발 조직이 MongoDB에 대한 needs 증가</p>
<ul>
<li>원래 개발팀들이 자체적으로 설치하고 운영</li>
<li>개발 업무 + DB 운영 리소스 분담</li>
</ul>
<p>그 당시에는 MongoDB를 자체적으로 구축해서 사용</p>
<ul>
<li>모니터링, 알림, DB 설치 자동화, 운영 표준, 경험, etc 등</li>
</ul>
<p>2017년도까지 시범적으로 운영하다가 2019년부터 정식적으로 운영<br>
당시에 자체적으로 운영을 하다 보니까 한계점이 생기기 시작</p>
<ul>
<li>
<p>2019년부터 MongoDB Korea와 파트너쉽</p>
</li>
<li>
<p>지금은 네이버의 많은 서비스들이 MongoDB를 사용</p>
<p>3.4 버전부터 MongoDB를 사용</p>
</li>
<li>
<p>3 버전대에서 wiredTiger 엔진 들어온 것이 MongoDB 격변기라고 생각</p>
</li>
<li>
<p>이제는 네이버 서비스에 활용할 수 있겠다고 생각</p>
</li>
</ul>
<p>발생했던 여러 이슈들을 SR 가이드를 통해 해소하거나 작업 &amp; 테스트했던 내용들</p>
<ul>
<li>Orphaned Documents</li>
<li>LogicalSessions 삭제 불가 현상 (Single Replica Set)</li>
<li>Secondary 재구축 방법 2가지</li>
<li>zstd compress method</li>
<li>Signing key issue</li>
</ul>
<p>MongoDB Korea에 전달한 요구사항</p>
<ul>
<li>Secondary 재구축</li>
<li>HelpCenter
<ul>
<li>한국어 채널</li>
</ul>
</li>
<li>트랜잭션
<ul>
<li>현재 진행 중인 트랜잭션을 좀 더 빠르게 찾고 어떤 쿼리들이 트랜잭션에 포함되는지 등</li>
</ul>
</li>
<li>MongoDB버전 업그레이드
<ul>
<li>메이저 버전 업그레이드 시 여러 차례의 FCV 변경 번거로움</li>
</ul>
</li>
</ul></div></div>

JHyeok

코로나로 인해서 오프라인 행사를 참여하지 못했는데 이번에 서울에서 오프라인으로 진행되는 MongoDB Day Seoul 2022를 다녀왔습니다. 세션이 모두 끝나고 럭키드로우 이벤트도 진행되었습니다.
      
    
  
  
    
기대 1도 안 했는데 갤럭시 버즈2 프로를 선물로 받게 되었습니다!
MongoDB Developer Data Platform (마이클 카힐 VP, MongoDB)
전체적으로 MongoDB 장점과 6.0 설명 위주
MongoDB Atlas
통일된 API 필요, 개발자가 오늘날 작업하는 방식에 적합
이 플랫폼은 광범위한 다양한 워크로드를 지원
최대한 다양한 유형의 워크로드를 이 플랫폼상에서 특별한 고려 사항 없이 뒷받침되어야 한다.
서로 다른 쿼리 언어를 습득해야 하는 요구사항도 없어야 한다.
대규모 성능, 보안이 필요하다.
가장 중요한 애플리케이션에서 이 플랫폼을 안심하게 구동할 수 있어야 한다.
물리적 서버 - 가상 머신 - 컨테이너 - 서버리스
MongoDB Atlas serverless (GA)
개발자 입장에서 절충할 필요가 없음
MongoDB 스케일링 관점에서 타협할 필요 없음 아틀라스에서 다 알아서 해준다.
Leafy 샘플 애플리케이션
화분을 구매, 판매 애플리케이션
판매자, 구매자, 마켓플레이스
구매자 입장에서는 검색이 필요하다.
기존 방식은 복잡하다. DB 동기화 문제
개발자가 여기에 힘을 쏟는다
그게 기존 방식의 문제이고 Atlas Search를 제공한다.
Realm & Atlas Device Sync
모바일 애플리케이션 만들 때 빈번하게 사용
컨플릭트 해결, 커넥션 리스토어 리커버리 골치 아픈 문제를 신경 쓰지 않아도 된다.
비동기적 싱크가 프리뷰 상태
Kotlin, Flutter SDK 지원
Leafy 샘플 애플리케이션에서 판매자는 대시보드가 필요
이런것을 제공하려면 기존방식은 복잡하다.
MongoDB는 이러한 애플리케이션을 쉽게 개발할 수 있도록 한다.
v6.0
6.0에서는 Faster $lookups
FK 매치가 많은 경우 그 경우에 2배 정도 빨라진다.
소수의 매치만 나오는 결과에는 기존에 비해서 5배 빨라짐
시계열 컬렉션
암호화 Queryable Encryption 기능
내년에 GA
많은 기업들의 레거시가 RDB이다.
시리즈 A 스타트업이 검색엔진으로 MongoDB Atlas Search를 선택한 이유 (이동욱 CTO, 인프랩)
MongoDB Atlas Search
지금 가장 효율적인 아키텍처를 선택
비즈니스 요구 사항 달성
원래라면 Amazon DynamoDB(비정형 데이터 처리), OpenSearch 두 개를 사용해야 하는 상황을 하나로 해결하게 됨
비정형 데이터 처리 + 검색엔진 = MongoDB
SNS 멀티 구독
SQS 최종적 일관성
스프링 부트를 통한 배압 조절
Zero Payload로 이벤트 순서 보장
기존 서비스와 장애 격리되고 언제든 교체할 수 있는 구조로 만듬 (MongoDB 아니어도 가능한 구조)
도입 후 장점
현재 오로라는 5~7% 사용하도록 개선 (기존 20%)
검색 결과가 좋아짐
앞의 이야기는 OpenSearch, Elasticsearch, MongoDB Atlas Search 에서도 같은 효과가 나옴
MongoDB Atlas Search 단점
부족한 국내 레퍼런스 + 커뮤니티
ES에 비해 검색 기능 부족 (ES의 Term Vectors API)
MongoDB Atlas Search이다.
MongoDB가 가지고 있는 게 아님
MongoDB 테스트 컨테이너가 Search 미지원
테스트 컨테이너로 로컬에서 격리화된 단위 테스트 작성 불가능
로컬에 있는 DB로 테스트를 못함
격리화되지 않음
원격에 있는 DB로 접근해서 테스트하다 보면 여러 명이 데이터 넣고 하다가 문제가 발생할 수 있음.
단어가 어떻게 tokenizing 되는지 볼 수 있는 화면 미지원
MongoDB Atlas Search 장점
MongoDB Korea팀과 함께 만들어가는 국내 레퍼런스
상대적 익숙함
NodeJS MongoDB 조합
개발팀 내에서 모두 MongoDB 1번은 사용해보았음.
높은 SLA
공식문서에서 AWS OpenSearch와 비교
한글 형태소 분석기 잘 지원됨
RDBMS로 서치를 사용하는 소규모 개발팀은 고려해볼 만한 옵션이다.
MongoDB 6.0의 새로운 기능 (김준 기술총괄전무, MongoDB)
MongoDB 버전별 발전 과정과 6.0 기능 위주로 설명해주셨다.
7 Big Reasons to Upgrade to MongoDB 6.0
MongoDB Atlas Search Deep-dive Session (최근한 이사, MongoDB)
검색 기능을 만드는 두 가지 방법
Database Engine, Search Engine
두 가지를 합쳐서 구현을 하려면… (DB - sync/ETL - search Engine)
연계기능 개발
동기화 기능을 위한 비용
운영 비용이라는 문제점들이 있다.
Atlas에서 DB engine 쪽에서 완벽하게 관리되는 Apache Lucene Engine 추가
개발자의 생산성을 높여준다.
데이터 아키텍처의 단순화
완벽하게 관리되는 구조
사용 절차
Atlas Cluster 생성 -> 데이터베이스와 컬렉션 생성 -> Search Index 구성 -> $search stage 사용
$search와 match/sort를 같이 사용하는 것은 심각한 성능 저하가 발생할 수 있다.
Confluent와 함께 분산된 데이터를 MongoDB로 연결하기 (김현수 상무, 컨플루언트)
여러 레거시 시스템을 클라우드 통합하는데 어려움이 있다
Confluent로 스트리밍 ETL 파이프라인을 강화, 데이터베이스를 쉽게 현대화
마이그레이션 간소화 및 가속화
실시간 동기화
비용 절감
Confluent Cloud
클라우드 네이티브
완전성
어디에서나
MongoDB Atlas App Service (김규동 상무, MongoDB)
클라우드 기반
다양한 애플리케이션에 서비스 제공
Web Application Hosting
Hosting
정적 컨텐츠 제공
Authentication
다양한 인증 방법 제공
Serverless Function
Serverless Trigger
재고 적을 때 경고 보내기
상품 배송 시 사용자에게 문자 보내기 등
Serverless API Services
GraphQL API
Data Access Rules 등
Realm 데이터베이스 강조
양방향 동기화
관련 데모를 보여주심
MongoDB Atlas on AWS와 함께하는 MSA Journey (윤기원 매니저, AWS)
비지니스/데이터 트렌드
사용자와 데이터의 폭발적인 증가
빠르게 변화하는 시장과 고객의 요구
모놀리식 시스템에서 MSA로의 변화
(다양한 데이터 소스와 데이터 종류, 데브옵스 도입으로 인한 변화율 증가, 다양한 개발 언어와 데이터베이스 활용)
기존의 모놀리식 아키텍처의 한계
확장성 한계
성능 이슈
개발자들의 유연성 저해
개발 및 배포 지연
통합된 하나의 관계형 데이터베이스는 현대 비지니스 어플리케이션의 요구사항을 더 이상 충족하기 힘듬
MSA 구조에 맞게 목적별 DB 사용 이유
확장성
성능
가용성
RDBMS에서 MongoDB Atlas를 사용한 UseCase를 설명 (실제 기업의 사례)
CRM
IOT
Music Metadata
Text Search
네이버의 MongoDB 활용 사례 (이재웅 매니저, 네이버클라우드)
기존에는 RDB를 사용했지만 시간이 지날수록 더 많은 종류의 데이터 플랫폼에 대한 요구사항이 생김
사용하기 쉽고
빠르고
더 많이 저장할 수 있는
연관성이 있는
상품 데이터를 예시로 설명
기존 RDB로 처리한다면 다른 성격의 상품을 저장하기 위해 ALTER 작업이 필요
이 ALTER 작업은 장애로 까지 이어질 수 있는 위험요소가 있음
MongoDB는 유연하게 대처가 가능
ALTER 작업이 필요 없음
이러한 비정형 데이터에 대한 니즈가 5,6년 전부터 회사에서 있었다.
사내의 많은 개발 조직이 MongoDB에 대한 needs 증가
원래 개발팀들이 자체적으로 설치하고 운영
개발 업무 + DB 운영 리소스 분담
그 당시에는 MongoDB를 자체적으로 구축해서 사용
모니터링, 알림, DB 설치 자동화, 운영 표준, 경험, etc 등
2017년도까지 시범적으로 운영하다가 2019년부터 정식적으로 운영
2019년부터 MongoDB Korea와 파트너쉽
지금은 네이버의 많은 서비스들이 MongoDB를 사용
3.4 버전부터 MongoDB를 사용
3 버전대에서 wiredTiger 엔진 들어온 것이 MongoDB 격변기라고 생각
이제는 네이버 서비스에 활용할 수 있겠다고 생각
발생했던 여러 이슈들을 SR 가이드를 통해 해소하거나 작업 & 테스트했던 내용들
Orphaned Documents
LogicalSessions 삭제 불가 현상 (Single Replica Set)
Secondary 재구축 방법 2가지
zstd compress method
Signing key issue
MongoDB Korea에 전달한 요구사항
Secondary 재구축
HelpCenter
한국어 채널
트랜잭션
현재 진행 중인 트랜잭션을 좀 더 빠르게 찾고 어떤 쿼리들이 트랜잭션에 포함되는지 등
MongoDB버전 업그레이드
메이저 버전 업그레이드 시 여러 차례의 FCV 변경 번거로움

MongoDB Day Seoul 2022

댓글