若要构建更智能的应用，首先就需要将分析整合到应用中。我们通过三个部分演示了火箭发射这一终极边缘场景。欢迎了解详情。
火箭发射历时 30 分钟，每秒产生一百万个数据指标。没有时间将数据从一个系统发送到另一个系统进行批量分析。正是因此，将实时分析技术引入航空航天应用至关重要。
随着流媒体、联网设备和大数据的兴起，将分析整合到应用中已成为一种日益增长的趋势。对于在应用中实时分析海量数据的过程，我们将其称为“应用驱动分析”。
使用原生功能提取、存储和分析海量时间序列数据。
通过数据库内转换简化分析并减少 ETL。全部使用您的首选语言。
跨多个 MongoDB 集群和云对象存储查询数据，以便将不同来源的数据整合到统一视图中。
使用原生数据可视化功能，快速创建交互式图表和仪表盘。
了解如何使用 Atlas 构建 Spotify 推荐引擎，该引擎可扩展以搜索 Spotify 上超过 40 亿个且仍在不断增长的用户精选播放列表。
了解如何使用 Atlas GraphQL API 的自定义解析器创建整合仪表板，以便运行高级数据分析。
了解 MongoDB 上的单个查询如何为在线零售商提供最畅销产品和最畅销地区的实时视图。
使用您喜欢的语言和工具查看我们的教程、视频和代码示例。
访问使用应用驱动型分析进行构建所需的所有文档。
在我们关于 Atlas Data Lake 和 PyMongoArrow 的免费 MongoDB University 课程中，获得更多应用驱动型分析的实战培训。
.svg)
_Thumbnail.svg)
