Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Azure DocumentDB und Azure Cosmos DB sind beide leistungsstarke NoSQL-Datenbankdienste, die Ihnen dabei helfen, erfolgreiche Anwendungen mit flexiblen JSON-Datenmodellen zu erstellen. Beide dienen zwar dem NoSQL-Datenbankmarkt, sind jedoch für unterschiedliche Anwendungsfälle und Architekturmuster optimiert. Dieser Leitfaden hilft Ihnen zu verstehen, welcher Dienst Ihren spezifischen Anforderungen am besten entspricht.
Wählen Sie den richtigen Dienst für Ihre Anforderungen aus.
Sowohl Azure DocumentDB als auch Azure Cosmos DB sind darauf ausgelegt, Ihren Erfolg mit NoSQL-Datenbanken zu unterstützen. Der Schlüssel ist die Auswahl des Diensts, der den spezifischen Anforderungen und Wachstumsmustern Ihrer Anwendung entspricht.
Wann wählen Sie Azure Cosmos DB
Azure Cosmos DB ist für Skalierungsszenarien optimiert, in denen Sie Folgendes benötigen:
- Globale Verteilung und hohe Verfügbarkeit: Branchenführendes Service-Level-Agreement mit 99.999% Verfügbarkeit und automatischem Failover über mehrere Regionen
- Massive Skalierung und Leistung: Entwickelt für Anwendungen, die Millionen von Vorgängen pro Sekunde mit einstelligen Millisekunden-Reaktionszeiten verarbeiten müssen
- Sofortige Skalierung: Automatische und transparente Skalierung, die sofort auf Datenverkehrsspitzen ohne Warmupperioden reagiert
- Unternehmenskritische Anwendungen: Sicherheit, Compliance-Zertifizierungen und garantierte Leistung unter extremer Belastung
- Microservices-Architekturen: Ausgezeichnet für verteilte Systeme, die eine konsistente Leistung über mehrere Dienste und Regionen hinweg benötigen
- KI-Anwendungen und Vektorsuche: Systemeigene Vektordatenbankfunktionen mit Unterstützung für Einbettungen, die abruferweiterte Generierung (RAG), semantische Suche und KI-Agenten-Speichersysteme ermöglichen
- Generative KI-Workloads: Integrierte Vektorsuche mit mehreren Algorithmen (invertierte Datei (IVF), hierarchische navigierbare kleine Welt (HNSW), DiskANN) zum Speichern und Abfragen von Vektoreinbettungen zusammen mit Betriebsdaten
Ideale Anwendungsfälle: Web-Apps mit hohem Datenverkehr, IoT-Datensammlung, Echtzeitspiele und globale Shoppingwebsites. Eignet sich auch hervorragend für KI-Chatbots, KI-Agents, RAG-Apps und semantische Suche. Perfekt für jede App, die eine garantierte Leistung weltweit benötigt.
Wann sie Azure DocumentDB auswählen
Azure DocumentDB ist für Skalierungsszenarien optimiert, in denen Sie Folgendes benötigen:
- Umfangreiche Abfragefunktionen: Erweiterte MongoDB Query Language (MQL)-Unterstützung mit komplexen Aggregationspipelinen, Verknüpfungen und analytischen Abfragen
- Vertraute Entwicklungserfahrung: Vollständige MongoDB-Drahtprotokollkompatibilität mit vorhandenen Treibern, Tools und Entwicklungsmustern
- Flexible Datenmodellierung: Basiert auf dem PostgreSQL-Modul und bietet robuste Unterstützung für komplexe Dokumentstrukturen und erweiterte Indizierung
- Kostengünstige Skalierung: vCore-basiertes Preismodell, das vertikal mit vorhersehbaren Kosten skaliert wird
- Erweiterte Abfragefeatures: Unterstützung für Volltextsuche, Geospatialabfragen, Vektorsuche und komplexe Aggregationsvorgänge
Ideale Anwendungsfälle: Ideal für Inhaltssysteme, Datenanalysetools und Apps mit komplexen Abfragen. Auch perfekt für den Wechsel von MongoDB oder wenn Sie erweiterte Dokumentdatenbankfeatures benötigen.
Architektur- und Skalierungsunterschiede
Das Verständnis der grundlegenden Architekturansätze der einzelnen Dienste hilft dabei, ihre unterschiedlichen Stärken und optimalen Anwendungsfälle zu erläutern.
Azure Cosmos DB (Skalierungsarchitektur)
Azure Cosmos DB verwendet ein ru (Request Unit)-basiertes Modell , das für eine elastische horizontale Skalierung konzipiert ist:
- Automatische Partitionierung: Daten werden automatisch über mehrere Partitionen verteilt, um eine optimale Leistung zu erzielen.
- Granulare Durchsatzsteuerung: Skalieren Sie in kleinen Schritten von nur 1/100th eines herkömmlichen vCore horizontal herunter
- Serverlose Optionen: Preise basierend auf Bezahlung pro Vorgang für variable Workloads
- Unterstützung für mehrere Modelle: Systemeigene Unterstützung für Dokument-, Schlüsselwert-, Diagramm- und Spaltenfamiliendatenmodelle
Azure DocumentDB (Scale-Up Architektur)
Azure DocumentDB verwendet ein vCore-basiertes Modell , das für die vertikale Skalierung und umfassende Funktionalität optimiert ist:
- Dedizierte Computeressourcen: Vertraute Clusterebenen (M30, M40, M50+) mit dedizierter CPU, Arbeitsspeicher und Speicher
- PostgreSQL Foundation: Verwendet Das ausgereifte Ökosystem und die erweiterten Features von PostgreSQL
- MongoDB-Kompatibilität: Vollständige Drahtprotokollkompatibilität mit MongoDB-Tools und -Anwendungen
- Erweiterte Indizierung: Unterstützung für Textindizes, Geospatialindizes, Vektorindizes und zusammengesetzte Indizes
Funktionsvergleich
In der folgenden Tabelle finden Sie einen parallelen Vergleich der wichtigsten Funktionen, mit denen Sie ermitteln können, welcher Dienst Ihren Anforderungen am besten entspricht.
| Azure Cosmos DB (ein Microsoft-Datenbankdienst) | Azure DocumentDB | |
|---|---|---|
| SLA zur Verfügbarkeit | 99.999% (Multi-Region) | 99,995 % |
| Globale Verteilung | Sofort einsetzbare Multiregion mit automatischem Failover | Regionale Bereitstellung mit Georeplikaten |
| Skalierungsmodell | Horizontal (RU-basiert) | Vertikal (vCore-basiert) |
| Abfragekomplexität | Optimiert für Punktlesevorgänge und einfache Abfragen | Erweiterte Aggregationspipelinen und komplexe Verknüpfungen |
| MongoDB-Kompatibilität | Zentrale MongoDB-Vorgänge | Vollständige MongoDB-Drahtprotokoll- und MQL-Funktionen |
| Vektorsuche | Native Vektordatenbank mit IVF, HNSW, DiskANN-Algorithmen | Integrierte pg_vector Unterstützung für HNSW und IVF |
| AI/RAG-Anwendungen | Integrierte Vektoreinbettungen, KI-Agent-Speicher, semantisches Zwischenspeichern | Vektorsuche für RAG- und semantische Anwendungen |
| Preismodell | Variable (RU-basiert) oder serverlos | Vorhersagbar (Compute + Speicher) |
| Entwicklungsmodell | Cloudnative Anwendungen | MongoDB-Anwendungsmigration und -entwicklung |
Leistungsmerkmale
Jeder Dienst zeichnet sich in verschiedenen Leistungsszenarien basierend auf ihren zugrunde liegenden Architekturen und Optimierungsstrategien aus.
Azure Cosmos DB-Stärken
- Ultra-niedrige Latenz: Einstellige Millisekunden-Antwortzeiten global
- Sofortige Skalierung: Null Aufwärmzeit für Verkehrsspitzen
- Durchsatzgarantien: SLA-gesicherte Leistungsverpflichtungen
- Punktleseoptimierung: Schnelle Einzeldokumentsuche nach ID und Partitionsschlüssel
Stärken von Azure DocumentDB
- Abfrageleistung: Optimiert für komplexe Aggregationsvorgänge und analytische Abfragen
- Indizierungsflexibilität: Erweiterte Indizierungsstrategien für verschiedene Abfragemuster
- Transaktionsunterstützung: ACID-Transaktionen mit MongoDB-Semantik
- Analytische Workloads: Besser geeignet für Berichterstellungs- und Business Intelligence-Szenarien
Integration und Ökosystem
Beide Dienste bieten umfassende Integrationsfunktionen, obwohl sie sich auf der Grundlage ihrer architekturbasierten Grundlagen mit verschiedenen Ökosystemen und Tools verbinden.
Azure Cosmos DB-Integrationen
Azure Cosmos DB verfügt über die folgenden Integrationen:
- Azure Synapse Link: Analyse ohne Extrahieren, Transformieren und Laden (ETL)-Prozesse
- Azure-Funktionen: Serverloses Computing mit Änderungsfeedtriggern
- Power BI: Direkte Konnektivität für Business Intelligence
- Foundry Tools: Native Integration für AI- und ML-Workloads
- Azure OpenAI: Nahtlose Integration für die Generierung von Einbettungen und RAG-Anwendungen
- LangChain- und AI-Frameworks: Integrierte Unterstützung für beliebte KI-Entwicklungsframeworks
- Semantischer Kernel: Integration für die Erstellung von KI-Agents mit persistenten Speichersystemen
Azure DocumentDB-Integrationen
Azure DocumentDB verfügt über die folgenden Integrationen:
- MongoDB-Ökosystem: Vollständige Kompatibilität mit vorhandenen MongoDB-Tools und -Bibliotheken
- PostgreSQL-Erweiterungen: Zugriff auf ein reichhaltiges PostgreSQL-Erweiterungsökosystem
- Azure-Dienste: Integration in Azure-Überwachung, -Sicherheit und -Netzwerkdienste
- Open Source: Basiert auf dem Open-Source DocumentDB-Modul mit MIT-Lizenzierung
Überlegungen zur Migration
Berücksichtigen Sie bei der Bewertung eines Wechsels zwischen Diensten die aktuelle Architektur, die Leistungsanforderungen und die zukünftigen Wachstumspläne Ihrer Anwendung.
Umstieg auf Azure Cosmos DB
Berücksichtigen Sie Azure Cosmos DB, wenn Ihre aktuelle Anwendung:
- Erlebt unvorhersehbare Datenverkehrsmuster, die eine sofortige Skalierung erfordern
- Erfordert globale Verteilung für die Benutzernähe
- Hat einfache Abfragemuster, die sich auf dokumentbezogene Nachschlagevorgänge konzentriert haben
- Erfordert eine garantierte Leistung mit geringer Latenz
Wechseln zu Azure DocumentDB
Berücksichtigen Sie Azure DocumentDB, wenn Ihre aktuelle Anwendung:
- Verwendet komplexe MongoDB-Abfragen und Aggregationspipelinen.
- Erfordert erweiterte Indizierung und Abfrageoptimierung
- Vorteile des ausgereiften Feature-Satzes von PostgreSQL
- Erfordert vorhersagbare vCore-basierte Preise
Erste Schritte
Der erste Schritt mit beiden Diensten ist einfach und bietet umfassende Ressourcen zur Unterstützung Ihrer Reise. Beide Dienste bieten umfassende Migrationstools und Support für den erfolgreichen Übergang:
- Bewertungstools: Bewerten Ihrer aktuellen Arbeitsauslastung und Anforderungen
- Migrationsprogramme: Systemeigene Tools für die Daten- und Anwendungsmigration
- Dokumentation und Beispiele: Umfangreiche Ressourcen für beide Dienste
- Supportoptionen: Azure-Supportpläne zur Unterstützung ihrer Migrationsreise