部署指南
MongoDB Atlas 是一个全托管的云数据库服务。本指南介绍如何设置 MongoDB Atlas、设计数据模型，以及扩展数据库以满足生产环境的使用需求。
a) 通过 Atlas 门户网站注册，或访问主要云提供商市场（AWS、Google Cloud、Azure）。
b) 按应用程序或团队组织您的项目。
a) 选择您的集群层（存储/RAM/IOPS 需求）。
c) 定义 IP 访问列表（一种安全设置，用于控制哪些 IP 地址可以连接到集群）。
a) 创建数据库用户并分配角色，同时保存连接字符串所需的凭证。
b) 通过 Atlas 控制台启用 MFA（多重身份验证）和 SSO（单点登录）。
a) 使用私有端点或VPC 对等互连（应用和数据库网络之间的安全连接）。
b) 尽可能禁用公共访问权限。
a) 检索连接字符串（用于将您的应用或工具连接到数据库）。
b) 在您偏好的编程语言中安装驱动程序（Node.js、Python、Java 等）
c) 配置连接池，以确保可靠性并防止数据库过载。
a) 创建您的第一批文档。通过 模式设计 MongoDB Agent 技能获取专家级 AI 指导，或通过获得 数据建模技能徽章来提升技能。
b) 通过将相关数据嵌入到单个文档中，或跨不同集合引用文档，来设计您的数据模型策略。查看有关嵌入与引用的说明。
c) 通过模式验证验证数据类型、查询模式和值范围。
a) 精通创建 (插入)/读取/更新/删除任务的 CRUD 操作。
b) 优化插入和聚合管道的查询，以大规模处理数据。通过短期课程提升技能，赢取数据转换技能徽章。
c) 利用 查询优化器 MongoDB Agent 技能获取专家级 AI 支持，或通过获得查询优化技能徽章来提升您的个人资料。
a) 迁移/导入现有数据集。
b) 验证迁移后完整性。
a) 通过开发工具、命令行实用程序和 Compass，加快您的开发。利用这些工具自动进行环境设置、可视化数据模式并精简您的日常工作流程。
a) 根据查询必须处理的数据量，降低查询处理负载。
b) 实现复合索引以优化相等、排序和范围操作。
c) 优化 聚合管道以提高性能。
a) 部署 MongoDB Search 进行全文搜索，并部署 MongoDB Vector Search 进行语义查询。
c) 为带有 AI 应用的嵌入实现向量索引。
d) 集成 Atlas Stream Processing 以进行实时数据接收和转换。
e) 使用 MongoDB 的 Search Playground 来构建一个简单的问答聊天机器人。
f) 获取 MongoDB Search 技能徽章以学习 MongoDB Search 的基础知识，或获取 MongoDB Vector Search 技能徽章以学习 MongoDB Vector Search 的基础知识。
a) 仅适用于专用集群（M10 及更高版本）：启用层级和存储自动扩展。
b) 监控实时指标（如 CPU、磁盘 I/O 和操作延迟），以便在瓶颈影响用户之前识别和解决这些瓶颈。
a) 配置备份和快照。
b) 启用持续云备份以进行时间点恢复。
c) 测试恢复工作流程。
a) 实现 Atlas Terraform 提供商，以进行自动化基础设施预配和管理。
b) 使用 Kubernetes Operator 进行部署自动化。
c) 将 Atlas CLI 集成到您用于自动化部署的 CI/CD 管道中。
a) 使用专用集群实现生产就绪。
b) 仅在专用集群中启用高级功能，例如实时监控、Performance Advisor 和云备份。
c) 在专用集群中利用企业级安全功能：私有端点/VPC 对等互连、可查询备份和多区域支持。
d) 查看专用集群的定价。
通过根据特定的应用程序工作负载、数据大小和性能需求调整资源来选择 MongoDB Atlas 集群层级，从而区分用于开发目的的免费/Flex 层级以及用于生产和高流量性能的专用 M30+ 集群。
主要考虑因素包括：
当需求扩展时，集群始终可以从任何层级扩展。 如果不确定，MongoDB 建议先从较低的层级开始，监控性能后再进行调整。 对于所有专用层级，随着工作负载的发展，使用自动伸缩来调整集群层和存储。
要有效管理和降低 MongoDB Atlas 成本，可以使用自动伸缩调整集群大小，利用 Online Archive 对冷数据进行数据管理，使用查询投影和共置集群最大限度地减少数据传输，并使用计费 Cost Explorer 和警报持续监控支出。
集群调整大小： 不使用时，暂停开发或测试集群。或者，如果不再需要，请将其终止。对于专用集群，使用自动伸缩来调整集群存储和/或使用基于层级的方法进行实时 CPU 和内存利用。
优化数据管理：设计高效的模式，并使用策略性的索引来改善查询性能，同时最大限度地减少资源消耗。定期检查集群、数据库和集合，消除重复、过期数据和未使用的示例数据集。对于专用集群，可以使用 Atlas Online Archive 对不常访问的数据进行分层，从而降低主要存储成本。
尽量减少数据传输：遵循以下最佳实践，减少数据传输费用：
监控和警报：使用 Atlas 中的计费 Cost Explorer 工具定期查看支出模式。此外，设置计费警报以获取有关意外成本激增或使用量接近预设阈值的通知。