DocumentDB: ترکیب انعطاف‌پذیری MongoDB با پایداری PostgreSQL

اگر مجبورید بین سرعت توسعه در NoSQL و امنیت داده در SQL یکی را انتخاب کنید، DocumentDB این دوگانه را برای شما حذف می‌کند. این ابزار به شما اجازه می‌دهد بارهای کاری مستندی را مستقیماً روی زیرساخت قابل‌اعتماد PostgreSQL اجرا کنید.

بسیاری از برنامه‌های مدرن در ایجاد تعادل میان ماهیت بدون طرحِ مدل‌های مستند و رعایت استانداردهای ACID در موتورهای رابطه‌ای دچار مشکل هستند. DocumentDB — شبیه به یک مترجم همه‌فن‌حریف که هم زبان عامیانه و هم زبان رسمی را می‌فهمد — این مشکل را با پیاده‌سازی بومی پشتیبانی از BSON (Binary JSON) در دل PostgreSQL حل می‌کند. بر اساس مستندات رسمی این پروژه که در ۲۹ ژوئن ۲۰۲۶ منتشر شد، این رویکرد ترکیبی امکان ایندکس‌گذاری با کارایی بالا را در مجموعه‌داده‌های تک-فیلد، چند-کلیدی و داده‌های جغرافیایی فراهم می‌کند.

همان‌طور که در تحلیل‌های قبلی ما درباره‌ی تکامل پایگاه‌های داده برداری اشاره کردیم، همگرایی قابلیت‌ها اکنون به اولویت اصلی توسعه‌دهندگان تبدیل شده است.

طبق اعلام تیم توسعه، قابلیت‌های فنی کلیدی این سیستم عبارتند از:

• یکپارچگی با هوش مصنوعی: جست‌وجوی برداری و پرس‌وجوهای شباهت توسط افزونه pgvector مدیریت می‌شوند تا بردار معنایی (Embedding) — مثل کارت معرفی عددی برای هر واژه که همسایگانش را مشخص می‌کند — در کنار داده‌های مستند ذخیره شود. این رویکرد یادآور تلاش‌های اخیر برای هوشمندسازی داده‌های ساختاریافته است، مانندما در پروژه OpenKnowledge برای ادغام مدل‌های زبانی با ویکی‌های محلی مشاهده کردیم.
• زیرساخت: این سیستم از طریق Docker به‌صورت محلی اجرا می‌شود و شامل یک Kubernetes Operator (در نسخه‌ی پیش‌نمایش) برای استقرار در EKS، GKE، AKS و محیط‌های درون‌سازمانی است.
• امنیت: برای تضمین امنیت در استقرارهای متن‌باز، از احراز هویت SCRAM استفاده شده است.

به گزارش منابع صنعتی، این چرخش نشان‌دهنده روندی گسترده‌تر است که در آن مرز بین SQL و NoSQL در حال محو شدن است. این پروژه با تکیه بر یک کمیته راهبری فنی (TSC) متشکل از سازمان‌های Microsoft، Amazon، Rippling، YugabyteDB و AB InBev، تضمین می‌کند که کاربر درگیر اکوسیستم تک‌فروشنده‌ای (Vendor Lock-in) نمی‌شود. برای کاربر نهایی، این یعنی ریسک مهاجرت کمتر و امکان مقیاس‌پذیری با ابزارهای عملیاتی اثبات‌شده‌ی PostgreSQL.

گام بعدی شما

• برای تست قابلیت‌های تکثیر (Replication) و دسترسی بالا، یک خوشه‌ی محلی را با استفاده از kind یا minikube راه‌اندازی کنید.
• وضعیت خروج اپراتور از فاز پیش‌نمایش به نسخه نهایی (GA) را برای فعال‌سازی همگام‌سازی چند-ابری دنبال کنید.
• مستندات pgvector را برای بهینه‌سازی جست‌وجوی معنایی در داده‌های BSON مطالعه کنید.

اما جذاب‌ترین بخش، نحوه مدیریت حافظه در این ساختار هیبریدی است — به بررسی ما درباره‌ی بهینه‌سازی‌های حافظه در PostgreSQL مراجعه کنید.