MongoDB产品布局、营销策略及优势分析

开源社区为基，云平台驱动增长。

1、产品布局渐趋完善，助力客户规模快速增长

产品体系部署完善，匹配不同场景需求。MongoDB 核心产品包括 MongoDB Community Server、MongoDB Enterprise Advanced、MongoDB Realm、MongoDB Atlas。MongoDB Community Server 是 MongoDB 数据库的免费开源版本，提供核 心功能满足开发者需求，旨在扩大使用基础和知名度；MongoDB Enterprise Advanced 是付费企业版数据库平台，有云端部署、本地部署、混合部署三种模 式，功能强大，包括商业数据库服务器、企业级管理工具、分析工具及高度安全 的关键业务型永续部署；MongoDB Realm 是面向移动市场的数据库，适用于为 网页和移动应用程序构建数据库。开发者可以通过 Realm 将边缘设备的数据同步 到后端云数据库。此外，Realm 支持托管单页应用程序或静态站点,运行 Serverless 功能；MongoDB Atlas 是全托管的 DBaaS（数据库即服务）平台，专为 以 MongoDB 为核心的各种应用程序构建，包括自动资源调配、托管备份等功能。 以美洲为优势地区，向欧洲、亚太积极布局。MongoDB 积极布局全球化业务， 自 2019 财年以来国际市场占比持续提升，由 2016 财年的 30.7%提升到 2023 财年 的 39.2%，增速远高于国内市场。2023 财年北美地区收入营收占比为 71.4%，同 比减少 1.9pcts，降幅较为明显；欧洲、中东和非洲地区收入营收占比为 17.3%； 亚太地区收入为 4.7 亿美元，营收占比为 10.1%，同比增长 60%，增速为所有地 区中最快，主要系 MongoDB 与亚太地区云厂商阿里云及腾讯云达成合作关系。

以开源社区版吸引客户，企业版与 Atlas订阅是主要收入来源。MongoDB商业模 式为通过免费的 MongoDB 社区版吸引客户，开办 MongoDB 大学等培训与咨询 服务，与用户建立良好互动关系；随后推出 MongoDB Atlas 云服务、MongoDB 企业版等收费产品或服务，将开源社区用户转化为付费订阅用户，开辟商业化路 径。从业务板块来看，MongoDB 分为订阅业务与服务业务两类，订阅收入主要 包括 MongoDB 企业版、MongoDB Atlas 多云端 DBaaS（数据库即服务）、 MongoDB Realm 移动数据库三项主要订阅服务，其中 MongoDB Enterprise Advanced 按服务器性能与节点数量收取费用；Atlas 云服务面向小型团队提供共 享集群，根据存储空间按使用时长计费，面向大型团队提供专属集群，根据算力、 RAM（运行内存）、存储空间按照使用时长计费；Realm 按照功能的使用量计费。 服务收入包括咨询和培训服务，旨在提高用户留存率并吸引客户付费，不创造利 润。服务成本主要由培训咨询服务成本与人事费用构成，包括工资、奖金、员工 福利和股权激励费用。2017 年以来，MongoDB 超过 90%的收入来源为订阅业务， 2023 财年订阅业务收入为 12.35 亿美元，占总收入比重为 96.2%；服务业务收入 为0.49亿美元，占总收入比重为3.8%。从利润端来看，订阅业务实现毛利润9.51 亿美元，毛利率为 77%；服务业务实现毛利润-0.16 亿美元，毛利率为-32.3%。

用户规模迅速扩张，客户 ARPU 持续提升。2016 年以来，MongoDB 客户数实现 快速增长，2023 财年 MongoDB 用户数为 40800，同比增长 23.6%；其中 ARR （年均经常性收入）超过 10 万美元的客户数为 1651，占比 4%，同比增长 26.3%， 主要得益于 MongoDB 的高性能与丰富产品体系可满足客户多样化需求。2022 财 年以来 ARPU 亦呈上升趋势，2023 财年 ARPU 为 3.1 万美元，同比增长 18.9%， 客户贡献度持续提升。净收入留存率连续 7 年超过 120%，收入留存率较高， MongoDB 产品不断完善，能够满足客户不断增长的需求。

2、开发者需求导向，积极营销策略沉淀开源社区

存储引擎性能优异，主要组件架构完善。从组成结构来看，MongoDB Native Driver是数据库的驱动程序，将客户端连接到服务器端；MongoDB服务器由查询 引擎、存储引擎、安全组件、管理组件共同构成，服务器上层是 MongoDB 的数 据模型和查询语言。MongoDB 数据模型采用文档型数据结构，将数据以 JSON （JavaScript Object Notation JS 对象简谱）和 BSON（二进制 JSON）的方式存储 在磁盘中。由于 MongoDB 采取文档数据结构存储数据，与关系型数据库的二维 表结构有较大的差异，所以它创建了一套不同的查询语言，几乎可以实现类似关 系型数据库单表查询的所有功能，还支持对数据建立索引。服务器底层使用可插 拔的存储引擎以满足用户的不同需要，提供了不同粒度的并发控制和压缩机制， 能够为不同种类的应用提供了最好的性能和存储率。此外服务器使用安全组件以 保证数据安全，包括用户身份验证机制与访问授权机制等；使用管理组件处理所 有的数据请求、管理数据的增删改查操作。

分片技术动态扩展，数据读写效率加快。传统关系型数据库查询性能随着表的扩 大急剧下降，且插入数据时创建索引可能会引起索引树的调整与页分裂。 MongoDB采用分而治之策略，将大表拆成小表：通过将同一个集合（Collection1） 的数据按片键（shard keys）分到不同的分片（shard）上面，减少同一个数据文 件上的数据量，形成分片集群。分片集群随着数据量的增长，各个分片也会越来 越大。MongoDB 采取负载均衡器（Balancer）自动将大分片中的数据迁往小分片, 实现动态收缩扩容。

复制集技术实现读写分离，保证高安全性与高性能。MongoDB 高安全性与读写 分离的基础是复制集，即一份数据存多份，保证机器故障后数据不会丢失。复制 集（Replica Set）是 MongoDB 的数据复制架构，由一组 MongoDB 实例（进程） 组成，包含一个 Primary 节点和多个 Secondary 节点，其中 Primary 负责读写请求， Secondary 负责读请求。Primary 和 Secondary 节点之间在数据写入过程当中实现 数据的异步复制，当发生故障时，数据可以从其他节点恢复，有效解决了数据保 护的问题。此外，在 MongoDB 复制集中 Secondary 节点可以承担读取数据的任 务，减轻 Primary 节点的压力，提高系统的并发读取能力；Secondary 节点也可以 用来支持查询操作，从而实现数据读写分离，进一步提高系统的性能和可用性。

插入查询速度加快，性能优于关系型数据库。关系型数据库 MySQL 的插入数据 总行数在 50-5000之间时，Ops（每秒操作数）稳定在 550左右，当数据总行数到 25000 时，Ops 下降到 312，当数据总行数到 50000 时，与峰值相比，Ops 下降了 一半，只有 277。MongoDB 插入速度在 500 行时达到峰值，Ops 为 50000，之后 Ops 一直保持在 12500-15000。综合分析可知，MongoDB 的插入速度是 MySQL 的 20-50 倍。当查询数据总行数到 500 时，MongoDB Ops 稳定在 4000-6500， MySQL Ops 稳定在 1300-1800。MongoDB 的查询速度是 MySQL 的 3 倍左右。

约束较少结构灵活，满足开发者迭代运维需求。MongoDB 主打文档数据库，是 非关系型数据库中与关系型数据库最相似的。相比传统关系型数据库的二维表数 据结构及完整性数据约束，MongoDB 采取类似 JSON（JavaScript Object Notation JS 对象简谱）的 BSON（二进制形式的 JSON）作为其数据模型结构，没有固定 的 schema（模式）作为约束条件，支持动态的添加字段、支持内嵌对象和数组 对象。因此数据存储结构更加灵活。No schema 模式的灵活性带来以下优势：强 大的表现能力，对象嵌套和数组结构可以让数据库中的对象具备更高的表现能力， 能够用更少的数据对象表现复杂的领域模型对象；便于开发和快速迭代，灵活的 字段管理，使得项目迭代新增字段变得容易；降低运维成本，数据对象结构变更 不需要执行 DDL（Data Definition Langauge 数据定义语言），降低在线环境的数 据库操作风险，特别是在海量数据分库分表场景。MongoDB 简单灵活的数据模 型使得开发者得以自由地按照业务需求实现业务逻辑，建立了庞大的用户和开发 者社区。

营销策略开发者导向，用户规模显著扩大。MongoDB 采取开发者导向的市场营 销策略，向开发者宣传 MongoDB 的性能与灵活性优势，即不用关心关系型数据 库繁复的范式关系和设计模式，自由按照业务需求实现业务逻辑。此外， MongoDB 提出了更适合于移动互联网的 MEAN 架构（MongoDB、Express、 Angular 和 Node.js），该架构弥补了原先网页开发的 LAMP 架构（Linux、Apache、 MySQL 和 PHP）对高并发大型互联网应用开发的缺陷。MongoDB 的市场营销策 略旨在强调 MEAN 架构能够帮助互联网企业解决移动互联网时代的特定业务问 题，这使得 Web应用开发者与企业广泛采用 MEAN架构，成为 MongoDB数据库 的用户。公司 2016-2018 财年实施积极营销策略，营销费用率达 60%+，加上灵 活高效的产品性能，开发者用户规模由 2016财年的1700增长至 2018财年的 5700。 社区生态成熟，逐步培养用户付费习惯。MongoDB 社区版与企业版底层存储引 擎相同，提供完善的功能：单机实例，满足大多数小型应用程序的需求；多机实 例，为大多数商业应用程序提供持久性/高可用性；具有水平伸缩能力的分片集群，能够处理大数据集和大量的查询，实现分布式的数据分布和处理。社区版的 免费开源及营销策略吸引大量开发者用户，繁荣的社区生态使得开发者用户不断 提出反馈后，MongoDB 对此进行性能改进，并与用户建立良好的互动关系。同 时，MongoDB 数据库的良好性能与结构灵活性满足开发者需求，开发者用户群 体不断被巩固，并通过社区自发形成产品推广生态，产品使用量激增，实现开源 社区用户向付费订阅用户转化。

3、数据库云化转型，云中立策略巩固优势地位

顺应云转型趋势，云中立战略优势明显。数据库作为企业业务支撑体系的重要部 分，受到云提供商与业务应用服务器的共同制约。数据库与业务应用云端部署厂 商的不统一使得延迟增加，业务体验较差，因此数据库底层技术的易迁移性与多 云部署变得尤为重要，保证其随着业务应用的迁移而迁移。MongoDB 采取云中 立战略，支持所有的主流云环境，包括 AWS、GCP、Azure 平台，目前可在超过 100 个地区的所有云提供商上使用，帮助客户实现多云部署，这使得 MongoDB 面对公有云厂商竞争优势明显。2022 年，MongoDB 宣布 Atlas 支持 Serverless， Serverless 存储与计算解耦的特性使得用户可以借助 Atlas 在多云间迁移数据，可 进行跨平台分布式部署。

布局云数据库，推出云平台 Atlas。作为云战略核心产品布局，MongoDB于 2016 年推出 MongoDB Atlas 全托管数据库服务，去除配置、运营和扩展 MongoDB 数 据库的复杂性，为开发人员聚焦于自身核心应用的开发工作提供帮助。Atlas 专 为以 MongoDB 为核心的各种应用程序构建，用户通过部署集群（存储数据的服 务器组）即可将服务器配置在副本集（一组存储相同数据的几个连接的 MongoDB 实例（在本地或云中运行特定软件的单台机器），MongoDB 数据库得 以在云中运行。Atlas 为企业用户提供统一的数据库管理技术：创建一个组织（organizations），组织可包含多个项目（projects），Projects 可包含多个不同区域 中的集群。企业客户可以把用户分成组，每个组设定访问的权限，简化数据库管 理。MongoDB Atlas 除了提供基础的数据库能力之外，还提供数据分析工具和无 服务 API 技术，为用户提供实时洞察力，随时随地分析数据信息，确保业务轻型 化。Atlas 具有以下优势：可移植性强，即使集群已经部署而且业务已在运行， 仅通过点击鼠标即可将业务切换到另一个地区，不需要任何额外的工作， MongoDB Atlas 可自动化完成迁移；自动容量管理，选择存储自动缩放功能，当 存储利用率达到 90%时，Atlas 会自动扩展额外的存储空间；高可用性，每个复 制集均采用默认 3 节点配置，如果主节点发生问题，通常可以在 2 秒内开始切换； 支持多云部署，在 AWS/Azure/GCP 的 60 多个区域提供服务。

定价灵活性高，满足不同用户需求。Atlas 在合作云厂商平台上提供全托管云数 据库服务，客户付费订阅，根据使用时长与使用场景收费，具有高灵活性。 Atlas 云服务面向小型团队提供共享集群，根据存储空间按使用时长计费；面向 大型团队提供专属集群，根据算力、RAM（运行内存）、存储空间按照使用时长 计费。借助云服务的形式，公司开源软件实现了产品商业化，合理的收费模式与 全托管服务保证了用户粘性，日益增长的云转型需求与 Atlas 的部署简便性反而 将其积累的庞大开发者用户群体转化为 Atlas 付费用户，释放了开源社区的用户 价值。

转型多功能开发者数据平台，布局多领域功能丰富性。MongoDB Atlas 不断完善 云平台功能，旨在从 DBaaS（数据库即服务）平台转变成为多功能的 Developer Data Platform（开发者数据平台）。在扩展云数据库服务的同时，MongoDB 尝试 拓展其他数据行业领域，比如 MongoDB search 拥有多种用途的搜索语句和丰富 的索引类型，且有模糊搜索、自动补全等常见搜索辅助功能，积极布局分布式搜 索引擎产品；Altas Charts 功能支持在现有的 MongoDB 数据库进行数据可视化； MongoDB6.0 更新时间序列功能，支持调整时间序列数据，可更轻松地处理企业 级时间序列工作负载，并支持修改已输入数据。MongoDB Atlas 已从单一的云数 据库服务平台转型逐步向以数据为基础的多功能数据分析与管理云平台转型。 用户转化成效显著，Atlas成为公司营收核心驱动。2017财年以来 Atlas占总营收 比重显著提升，从 2017 财年的 0.6%增加到 2023 财年的 62.9%。得益于云战略的 前瞻性布局与 Atlas 云数据平台的丰富功能，Atlas 云服务收入成为营收增长的核 心驱动力，2023 财年 Atlas 业务收入为 8.08 亿美元，同比增长 64.2%，远超营收 增速。收入的强劲增速背后反映了客户对 Atlas的认可：2023财年 Atlas客户数量 为 39300，占用户数比重 96.3%。

租用第三方云架构利润承压，有望深入合作提升产品竞争力。MongoDB Atlas 与 公有云服务厂商合作，租用第三方云厂商（AWS、Microsoft Azure、Google Cloud、阿里云等）的服务器，通过自身团队在租用的服务器上为客户部署云数 据库。2019 财年以来，MongoDB 租用第三方云基础设施的费用增加占订阅成本 增加的 70%+。为保证 MongoDB 开源产品的可持续性，2018 年 MongoDB 发布 SSPL（Server Side Public License）协议，明确要求托管 MongoDB 实例的云计算 公司需要从 MongoDB 获取商业许可证，或者向社区开源其服务代码，防止非合 作云服务厂商通过修改 MongoDB 开源数据库代码获取增量收入，这使得 MongoDB 与公有云厂商的合作变得规范化与稳固。未来 MongoDB 与云服务商 AWS、Azure 有望采用更加深入的合作方式，即 Co-sell（联合共同销售）计划， 打造智能云产品生态，而 MongoDB 有望借助合作厂商繁荣的云生态提升云数据 库产品竞争力。

4、拥抱生成式 AI 浪潮，加码向量搜索+数据湖

引入向量搜索功能，简化 AI 驱动型应用程序开发。MongoDB Atlas Vector Search 基于语义搜索，通过向量快速识别和检索相似或相关数据来执行相似性搜索。 MongoDB Atlas向量搜索的生成式 AI功能可实现精确的信息检索和个性化，帮助 企业用 MongoDB 中存储的数据构建基于生成式 AI 的应用。这种新的搜索功能有 助于支持一系列新的工作负载，包括带有文本的语义搜索、图像搜索和高度个性 化的产品推荐等。MongoDB Atlas Vector Search与开源的LangChain和LlamaIndex 框架集成，提供了具有用于访问和管理各种应用程序的 LLM 工具。客户从 MongoDB 合作伙伴（如 AWS，Databricks，Google Cloud，Microsoft Azure， MindsDB）和模型提供商（例如 Anthropic，Hugging Face 和 OpenAI）处访问 LLM，生成向量嵌入并在 MongoDB Atlas 上构建由 AI 驱动的应用程序。

云端 Atlas 添加 Stream Processing 功能，处理高速复杂数据流。为了帮助企业在 一个界面中管理来自多个来源的实时流数据，MongoDB 在 Atlas 中添加了一个流 处理接口。MongoDB Atlas Stream Processing 可以处理多种类型的数据，并具有 灵活的数据模型，将允许企业实时分析数据，并调整应用行为，以满足最终客户 的需求。此外，Atlas Stream Processing 还可帮助开发人员使用文档模型处理流数 据和历史数据，使开发人员无需使用多种专用编程语言、库、API 和驱动程序。 它还支持在添加新数据时连续查询数据，从而提供由摄取新数据触发的不断更新 的实时视图。Stream Processing 功能简化大规模数据处理效率，为 AI 模型使用数 据进行训练提供便利。

云端 Atlas推出数据湖服务，为 AI模型训练打下基础。由于传统数据仓库无法支 持非结构化数据的处理，从云中存储的数据中提取价值和洞见变得日益困难和昂 贵。2021年 MongoDB推出数据湖服务 MongoDB Altas Data Lake，目前支持 AWS、 GCP、Azure 平台。借助 MongoDB Atlas 数据湖，用户在 MongoDB Atlas 控制台 即可使用 MongoDB 查询语言的强大功能来运行查询和探索半结构化与非结构化 数据，为生成式 AI 大模型对非结构化数据的处理与训练打下基础。此外，Atlas 数据湖为 Serverless 架构，因此客户无需设置、管理或优化任何基础架构，只需 为实际处理数据时运行的查询付费。

Atlas 嵌入谷歌大模型，加速生成式 AI 应用开发。MongoDB 与 Google Cloud 合 作整合 Vertex AI 功能，旨在加速基于生成式 AI 的应用的开发，并促进创新应用 的创建。Vertex AI 将提供从 MongoDB Atlas 中存储的企业数据生成嵌入所需的文 本的 API。这些嵌入可以与 PaLM 模型（谷歌大模型）结合使用，以创建高级功 能，如语义搜索、分类、异常值检测、AI 驱动的聊天机器人和文本摘要。 MongoDB 此次还推出了“AI 创新者计划”，为正在致力于开发 AI 技术的组织提 供 MongoDB Atlas 使用积分，借助 MongoDB 合作伙伴生态系统的合作机会及丰富的产品上市推广活动，助力组织机构加快创新步伐并缩短产品进入市场时间。