ATLAS
Atlas Stream Processing. Unifique dados em movimento e dados em repouso.
_Spot_BS_Lavender.svg?auto=format%252Ccompress)
Processamento de streaming como nunca antes
No trabalho com dados de streaming, o gerenciamento de esquemas é fundamental para a correção dos dados e a produtividade do desenvolvedor. O modelo de documento do MongoDB e a estrutura de agregação oferecem aos desenvolvedores recursos poderosos e ganhos de produtividade que você não encontrará em nenhum outro lugar no processamento de fluxo.
Processe e managed todos os seus dados em uma única plataforma
Pela primeira vez, os desenvolvedores podem usar uma plataforma — entre API, linguagem de consulta e modelo de dados — para processar continuamente dados de streaming junto com os dados críticos de aplicativos armazenados em seu banco de dados.
Totalmente gerenciado no Atlas
O Atlas Stream Processing baseia-se em nossa plataforma robusta e integrada de dados de desenvolvedores. Com apenas algumas chamadas de API e linhas de código, um desenvolvedor pode criar um processador de fluxo, um banco de dados e uma camada de serviço de API, tudo totalmente gerenciado no Atlas.Atlas Stream Processing
características
Integrado ao Atlas
Um serviço Atlas totalmente gerenciado com flexibilidade de modelo de documento.
Criado com base na API de consulta
Use a API de consulta e a estrutura de agregação - uma interface familiar e avançada - para lidar com o processamento de fluxo.
Disponível globalmente
Disponível em 11 regiões de AWS nos EUA, Europa e APAC, com mais fornecedores e regiões em breve.
Processamento com estado
Crie janelas baseadas em tempo e outras operações para processamento complexo de múltiplos eventos.
Oferece suporte para Kafka e MongoDB
Conecte-se facilmente às suas principais fontes/difusores de streaming no Kafka e no Atlas e mescle dados continuamente.
Valide continuamente
Suporte integrado à validação para garantir a exatidão dos dados e o tratamento intuitivo de erros. Use coleções do Atlas como uma fila de mensagens não entregues (DLQ) de mensagens não entregues (DLQ).
Ponto de verificação
Em caso de falha, os pontos de verificação reiniciam automaticamente os processadores de stream, evitando o reprocessamento desnecessário de dados.
Desenvolva de forma interativa
O processamento de dados de streaming pode ser opaco. Use .process() para explorar iterativamente à medida que você cria.
" Na Acoustic, nosso foco principal é capacitar as marcas com insights comportamentais que lhes permitam criar experiências envolventes e personalizadas para os clientes. Com o Atlas Stream Processing, nossos engenheiros podem aproveitar as habilidades que já possuem ao trabalhar com dados no Atlas para processar novos dados continuamente, garantindo que nossos clientes tenham acesso a percepções do cliente em tempo real."
"O Atlas Stream Processing nos permite processar, validar e transformar dados antes de enviá-los para nossa arquitetura de mensagens no AWS, fornecendo atualizações orientadas por eventos em toda a plataforma. A confiabilidade e o desempenho do Atlas Stream Processing aumentaram nossa produtividade, melhoraram a experiência do desenvolvedor e reduziram os custos de infraestrutura.
Aplicativos orientados a eventos
Preparando o caminho para um negócio responsivo e reativo em tempo real.Baixe o artigoProcessamento nativo de stream no MongoDB Atlas
Consultando fluxos de dados do Apache Kafka
Análise avançada com funções de janelas
Validação de esquema de eventos complexos
Consultando fluxos de dados do Apache Kafka
Análise avançada com funções de janelas
Validação de esquema de eventos complexos
Aproveite ao máximo o Atlas
Banco de dados
Comece com o serviço de banco de dados multinuvem criado para resiliência, escala e os mais altos níveis de privacidade e segurança de dados.
Triggers
Execute código automaticamente para atender às alterações feitas no banco de dados, eventos do usuário ou intervalos predefinidos.
Conector Kafka
Integre de forma nativa os dados do MongoDB ao ecossistema do Kafka.
O que é streaming de dados?
O que é processamento de fluxo?
Qual a diferença entre o streaming de eventos e o processamento de stream?
O streaming de dados reside dentro de plataformas de streaming de eventos (como Apache Kafka) e esses sistemas são essencialmente log distribuído imutável. Os dados de eventos são publicados e consumidos em plataformas de streaming de eventos por meio de API.
Os desenvolvedores precisam usar um processador de fluxo para realizar processamentos mais avançados, como agregações com estado, operações de janela, mutações e criação de visualizações materializadas. Elas são semelhantes às operações realizadas ao executar consultas em um banco de dados, exceto que o processamento de fluxo consulta constantemente um fluxo infinito de dados. Essa área de streaming é mais incipiente; no entanto, tecnologias como Apache Flink e Spark Streaming estão ganhando força rapidamente.
Com o Atlas Stream Processing, o MongoDB oferece aos desenvolvedores uma maneira melhor de processar fluxos para uso em seus aplicativos, alavancando a estrutura de agregação.
Por que o MongoDB construiu o Atlas Stream Processing?
Como posso começar a utilizar o Atlas Stream Processing?
Como o processamento de fluxo difere do processamento em lote?
O processamento do fluxo é contínuo. No contexto da criação de aplicativos baseados em eventos, o processamento de fluxo permite experiências reativas e atraentes, como notificações em tempo real, personalização, planejamento de rotas ou manutenção preditiva.
O processamento em lote não funciona em dados produzidos continuamente. Em vez disso, o processamento em lote funciona coletando dados durante um período de tempo especificado e, em seguida, processando esses dados estáticos conforme o necessário. Um exemplo de processamento em lote é uma empresa de varejo que coleta vendas no fechamento do negócio todos os dias para fins de relatório e/ou atualização dos níveis de estoque.
Há algum custo associado ao Atlas Stream Processing?
Qual é a diferença entre um pipeline de processamento de fluxo e um aggregation pipeline?
Pronto para começar?
_Spot_BS_Mist_EndCap.svg?auto=format%252Ccompress)