Um eine MongoDB auf Geschwindigkeit zu bekommen ist das Thema Ressourcen nicht zu unterschätzen. Zum Beispiel: In der BestPractice benötigt man im Sharding (d.h. die Verteilung der Daten auf verschiedene Knoten in einem Cluster) eine Computereinheit je Knoten („Shard“). Wenn man noch eine Replikation einplant, so kommt man schnell auf eine nicht unerhebliche Anzahl von Computereinheiten. Abbildung: Beispiel einer hochverfügbaren MongoDB Architektur mit drei Zonen, drei Replikation-Sets zwei Konfigurations Servern, zwei Routern und ein Applikationsserver für Compass und den Opsmanager auf AWS-Instanzen

Ein großer Vorteil der MongoDB ist ihre Schemafreiheit. Mit Schemafreiheit ist gemeint, dass eine Datenbank nicht vorher langwierig „modelliert“ werden muss, wie bei einer „normalen“ SQL-Datenbank. Das Anlegen von Tabellen mit Attributen und Typen (Textwerte, Kommazahlen, Ganzzahlen usw.) entfällt bei der MongoDB. Zwar kennt auch die MongoDB Tabellen („collections“), diese werden aber dynamisch per Import eines JSON-Dokuments angelegt. Theoretisch ist es daher möglich in die gleiche Collection JSON-Dokumente von unterschiedlichster Struktur ohne irgendeine Vorbereitung abzulegen.

Die ZF in Friedrichshafen AG ist ein weltweit aktiver Technologiekonzern aus der Automotivebranche und einer der größten Automobilzulieferer der Welt. Lag der Schwerpunkt vor allem auf Motoren, Lenkungssysteme und Getriebe für die Straßen- und Luftfahrzeuge sowie Schiffe ist ihr Portfolio um das Thema Autonomes-Fahren erweitert worden. Datenmanagement für die ComputerVision Für das Autonome Fahren sind kamerabasierte Fahrassistenzsysteme (Advanced Driver Assistance Systems - ADAS) sehr wichtig. YOTRON unterstützte das Entwicklerteam für kamerabasierte Assistenzsysteme mit ihrem KnowHow beim Datenmanagement.