Atlas Stream Processing-Funktionen

Wie bei der Datenbank selbst sind auch beim Streaming von Daten Flexibilität, Anpassung und Weiterentwicklung erforderlich. Das Dokumentmodell ist hierfür die beste Lösung.

Stellen Sie einfach eine Verbindung zu Ihren wichtigsten Streaming-Quellen und -Senken in Kafka und Atlas her und führen Sie Daten kontinuierlich zusammen.

Die Query API und das Aggregationsframework bieten erweiterte Funktionen zur Verarbeitung komplexer, kontinuierlicher Datenströme.

Erstellen Sie zeitbasierte Fenster, Nachschlagevorgänge in Sammlungen und komplexe Validierungen für eine umfassende Verarbeitung mehrerer Ereignisse.

Führen Sie eine kontinuierliche Schemavalidierung durch und erkennen Sie Nachrichtenbeschädigungen oder spät eintreffende Daten, die ein Verarbeitungsfenster verpasst haben.

Materialisieren Sie Ansichten kontinuierlich in Atlas-Sammlungen oder Streaming-Systemen wie Apache Kafka, um aktuelle Analyseansichten zu erhalten.

Checkpoints erfassen den Status von Vorgängen nach deren Abschluss. Stream-Prozessoren können nach einer Unterbrechung problemlos neu gestartet werden.

Die Verarbeitung von Streaming-Daten kann undurchsichtig sein. Verwenden Sie .process(), um iterativ neue Stream-Verarbeitungspipelines zu erkunden und schnell zu erstellen.

Erweitern Sie Ihre Stream-Verarbeitungsinfrastruktur über die MongoDB-Shell oder automatisieren Sie Ihre Stream-Prozessoren mit Terraform.