Surfline 案例研究
在 MongoDB Atlas 上与 Surfline 一起驾驭波浪
自 1985 年以来，Surfline 一直将人们与海洋连接起来。冲浪者依靠公司的预报、地图和全球 500 个摄像头的实时数据来了解去哪里以及可以期待什么。Surfline 的专业知识来源于他们 30 年的数据集和专有数据建模。为了管理和处理这些数据，他们使用 MongoDB。
借助 Surfline 的交互式地图，用户可以探索海岸线并发现最佳的冲浪地点。为了使它栩栩如生，团队使用 MongoDB 的地理空间索引，使用户能够快速查询用户指定的边界框内的地点。$near 操作符，它指定一个用于地理空间查询的点，从最近到最远返回条目，帮助用户轻松找到离他们当前位置最近的冲浪地点。最后，MongoDB 的原生图功能有助于建模不同冲浪地点之间的关系。
当 Surfline 在物理数据中心运行时，就开始使用 MongoDB。几年前，他们迁移到 Amazon Web Services，但继续自行管理 MongoDB 部署。Surfline 高级工程经理 Matt Walker 回忆说：“当自行运行 MongoDB 时，我们建立了很多工具来支持备份、管理用户和监控 MongoDB 集群。”
例如，使用 mongodump 进行备份，通过一系列 Python 脚本进行管理，并推送到 Amazon S3。这个过程不仅容易出错，还影响了生产数据库的性能。
随着公司的发展，工程团队感受到了自行管理工具的负担和低效率，产品工程高级总监 Gavin Cooper 知道是时候做出改变了。“随着时间的推移，我们也意识到我们最初配置的资源可能比我们需要的多得多。在那个阶段，我们可以选择重新配置集群再次自行管理，或者将数据迁移到 MongoDB Atlas，永远不再担心这个问题。”迁移后，团队的负担减轻了。
“在 Atlas 上，我们不必担心这些问题，因为我们知道它是按照应有的方式配置的，MongoDB 正在为我们处理数据库的运行。” Cooper 补充道。
除了消除运营负担外，迁移到 MongoDB Atlas 还使团队为与波浪的扩展做好了准备。Surfline 的流量基于快速变化的天气事件，如飓风，因此，团队有一种独特的方法来预测扩展需求，“我们实际上使用自己的冲浪预报产品来决定何时需要扩展集群或缩减集群。在 MongoDB Atlas 内部实现这一点简直是一个梦想。你只需登录，更改数字，然后按“开始”，它就会为你完成。”
