"Mongodb"
- NoSQL Vendor Selection：document / KV / multi-model 三方選型 + workload shape 前置判讀
MongoDB / DynamoDB / Cosmos DB 三家 NoSQL 選型 entry point：資料形狀、access pattern 穩定度、consistency 三個前置判讀，保留原 DB、同 DB 換託管、換 vendor 保留 model 三種 migration path，federated DB 視角，以及三家在資料模型、部署 topology、capacity 抽象、partition key 可逆性、consistency 等面向的對比
- MongoDB → Atlas：Atlas 不是 MongoDB + managed、是另一個 product
Self-managed MongoDB 遷到 Atlas：資料層 drop-in 相容，要重建的是 auto-scaling、VPC peering / private endpoint、IAM-driven access、內建 backup 與 billing 模型這套 operational stack；涵蓋分階段準備與 cutover，以及連線數限制、IP access list、backup retention、IAM token 過期、billing 暴漲這些 production 踩雷
- MongoDB Shard Expansion + Multi-DC：加 shard 與加 DC 同時進行時的 parallel run 與流量切換
MongoDB sharded cluster 同時加 shard 與加 DC 的操作：chunk migration、replica set 加跨 DC member、cross-DC routing 的機制，加 DC 為什麼要兩個 DC 並行服務再切流量，balancer、initial sync、跨 DC 讀取、zone sharding 與跨 DC failover 的故障演練，以及 multi-DC 的容量與成本
- MongoDB Schema Design Pattern：contract layer 在哪 vs embedded / reference
MongoDB document schema 真正的 production 議題不是 embedded vs reference 二選一、是 schema contract 該放 DB 層 validator 還是 app 層 abstraction；含 Toyota polymorphic governance、Forbes abstraction layer、time-series collection 邊界
- MongoDB Shard Key Selection：hashed vs ranged、單 cluster 切 shard vs 多 cluster 切 blast radius
MongoDB sharded cluster shard key 選型（hashed / ranged / compound）、單 cluster 分 shard vs 多 cluster 分 blast radius 對照、跟 DynamoDB / Cosmos DB partition key 可逆性的跨 vendor 紀律
- MongoDB Replica Set Read Preference：DB 層 causal session vs cache 層 freshness token
MongoDB read preference 五擇一 + read concern + causal consistency session 機制；DB 層機制解 cluster 內 read-your-own-write、cache 層 freshness token 解跨層 read-after-write、大規模 OLTP 必須兩層合用
- MongoDB Connection Management and Cache Layer：driver × 部署模型 × cache × predictive scaling
MongoDB 大規模 OLTP 的連線與讀取擴展：driver / proxy 層、cache + freshness token 層、scaling trigger 層各自解什麼上限、怎麼一起設計，以 Coinbase 的 mongobetween、freshness token 與 ML 預測擴容為例，並交代各層只在哪些部署模型與流量下才需要
- MongoDB Aggregation Pipeline Optimization：stage 順序、index 配合與 memory 邊界
MongoDB aggregation pipeline stage 順序、index 配合、100MB memory 邊界、cross-shard `$lookup` 限制；report dashboard 跑爆 primary 的 anti-pattern 治理路徑
- MongoDB Change Streams + Kafka 整合：resume token、scope 選擇與 connector 治理
MongoDB change streams 機制（resume token、oplog 容量、cluster-wide vs collection-level scope）跟 Kafka Connector 整合；at-least-once 語義 + idempotency 治理 + resume token 過期防護
- 從 MongoDB / Cassandra 遷入 Cosmos DB：protocol-compat API drop-in vs native API paradigm shift、相容性邊界與 dual-write cutover
MongoDB / Cassandra 遷入 Azure Cosmos DB 的 migration playbook：用 Cosmos 的 MongoDB API / Cassandra API 做 wire-protocol drop-in（Type B）vs 換 native SQL API 的 paradigm shift（Type E）兩條路徑的取捨、6 維 diff audit、相容性邊界、dual-write 與 cutover — 從 Microsoft 365 / Forbes 遷移對照切入