在数据库格局不断变化的背景下,基于NoSQL的MongoDB试图通过声称PostgreSQL系统缺乏扩展性来应对AI工作负载需求,从而贬低竞争对手。
CEO Chirantan Desai在截至10月31日的季度财报表现良好之际,对近年来在开发者排名中攀升至榜首的开源PostgreSQL数据库发表了一些尖锐评论。
在与投资分析师的交流中,他表示虽然MongoDB拥有成为AI工作负载正确基础平台所需的所有要素,但现在判断哪个平台会成为首选还为时过早。
然而,他说MongoDB一直在从AI原生公司那里赢得业务,并引用了一个客户案例,该客户最近"从PostgreSQL转向MongoDB,因为PostgreSQL无法扩展"。
MongoDB在周二上午股价飙升23%,此前该公司超出了投资者预期并提供了高于预期的指导。这是其2026财年第三季度的业绩。2026财年第三季度收入达到6.283亿美元,比去年同期增长19%。运营亏损从去年同期的2790万美元收窄至1840万美元。
尽管如此,Desai可能有理由针对PostgreSQL,因为这个最初在1980年代开发的开源系统一直在侵占其领域。
文档数据库MongoDB被誉为开发者的数据库,因为它允许开发者构建应用程序并在过程中创建治理,这得益于其无模式或轻模式方法。它承诺为开发者提供速度和灵活性。
但到2023年,关系型系统PostgreSQL在Stack Overflow调查中已成为专业开发者中最受欢迎的数据库。2016年,PostgreSQL在DB-Engines排名中超越了MongoDB,该排名依赖于包括网站引用、Google搜索趋势、在线技术讨论中的出现以及招聘广告等各种指标。
巴克莱银行分析师Raimo Lenschow就这一点向Desai提出质疑,询问开发者参与度与"在硅谷经常发生的PostgreSQL类型叙述"的对比。
Desai回应时引用了一个客户案例——一家"超高增长AI公司"——该公司"无法使用PostgreSQL进行扩展...他们完全转向了MongoDB"。
PostgreSQL因主要云供应商提供的数据库服务而获得了人气,但这些服务受到用户对可靠性担忧的冲击。
然而,有一系列PostgreSQL和近兼容的服务具有分布式后端来解决这些担忧。这些包括CockroachDB、pgEdge和YugabyteDB。
与此同时,以基于YouTube开发的关系数据库Vitess的分布式MySQL服务而闻名的PlanetScale,也推出了PostgreSQL服务。
微软最近还宣布了一个分布式PostgreSQL数据库服务——HorizonDB——旨在与其他超大规模系统和第三方关系数据库管理系统(如CockroachDB和YugabyteDB)竞争。微软声称与开源PostgreSQL 100%兼容,该数据库服务在Azure上可用,将实现一个新的存储层,与其他PostgreSQL服务相比,显著提高数据库的性能、可扩展性和可用性。它与Google(AlloyDB)和AWS(Aurora DSQL)的分布式PostgreSQL服务竞争。
更进一步,微软还推出了一个文档数据库平台来与MongoDB竞争。DocumentDB构建在关系型PostgreSQL后端上,可以使用FerretDB作为前端接口,采用文档数据库协议。
面对如此激烈的竞争,MongoDB被迫为其系统进行辩护,不是在纯粹的可扩展性方面,而是在企业工作负载的可靠性方面,这是它长期以来声称已经准备好的。
可以理解Desai对竞争对手的抨击,但他可能需要小心自己所关注的内容。
Q&A
Q1:MongoDB CEO为什么要批评PostgreSQL?
A:MongoDB CEO Chirantan Desai在财报会议上批评PostgreSQL缺乏扩展性,无法满足AI工作负载需求。他引用客户案例称,有AI公司因为PostgreSQL无法扩展而转向MongoDB。
Q2:PostgreSQL在开发者中的地位如何?
A:PostgreSQL在近年来获得了巨大成功。2023年在Stack Overflow调查中成为专业开发者最受欢迎的数据库,2016年在DB-Engines排名中超越了MongoDB,成为开发者首选。
Q3:MongoDB面临哪些竞争压力?
A:MongoDB面临来自多方面的竞争,包括各大云厂商的PostgreSQL服务、CockroachDB等分布式数据库,以及微软推出的DocumentDB等文档数据库平台,这些都在侵占MongoDB的市场份额。
好文章,需要你的鼓励
今天讲的出海案例是开创电气,一家金华手持式电动工具制造商,在越南基地完成首款产品验收并形成80万台年产能力。
清华、浙大等高校提出OPID框架,从AI自身完成的任务轨迹中提炼层级化经验技能,转化为密集训练信号,解决强化学习中稀疏奖励难以精细指导决策的问题。
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
萨里大学与西蒙菲莎大学联合提出ABACUS模型,首次将物体计数、人群计数、指代计数与精准图像生成统一在单个30亿参数模型中,七项基准全面超越现有专业模型。