ATLAS (VISTA PREVIA)
Atlas Stream Processing. Unifique datos en movimiento y datos en reposo.
_Spot_BS_Lavender.svg?auto=format%252Ccompress)
Procesamiento Atlas transmitir explicado en 3 minutos
Descubra cómo Atlas Stream Processing combina el modelo de documento, los esquemas flexibles y el rico marco de agregación para proporcionar potencia y conveniencia al crear aplicaciones que requieren procesar datos de eventos complejos en escala.
Transmitir procesamiento como nunca antes
Cuando se trabaja con datos en streaming, la gestión de esquemas es fundamental para la corrección de los datos y la productividad del desarrollador. El modelo de documento de MongoDB y el marco de agregación brindan a los desarrolladores capacidades poderosas y ganancias de productividad que no encontrará en ningún otro lugar del procesamiento de transmisión.
Unificar datos en movimiento y datos en reposo
Por primera vez, los desarrolladores pueden utilizar una plataforma (a través de API, lenguaje de consulta y modelo de datos) para procesar continuamente datos en streaming junto con los datos críticos de las aplicaciones almacenados en su base de datos.
Totalmente gestionado en Atlas
Atlas Stream Processing se basa en nuestra sólida e integrada plataforma de datos para desarrolladores. Con sólo unas pocas llamadas a la API y líneas de código, un desarrollador puede montar un procesador de flujos, una base de datos y una capa de servicio de API, todo ello totalmente gestionado en Atlas.Atlas Stream Processing
Capacidades
Procesamiento continuo
Cree aggregation pipeline para consultar, analizar y React continuamente a la transmisión de datos sin los retrasos inherentes al procesamiento por lotes.
Validación continua
Realice una validación continua del esquema para verificar que los eventos se formen correctamente antes del procesamiento, detectar daños en los mensajes y detectar datos que llegan tarde y que han perdido una ventana de procesamiento.
Fusionamiento continuo
Materialice continuamente vistas en sistemas de transmisión o collection de bases de datos Atlas como Apache Kafka para mantener vistas analíticas frescas de los datos que respaldan la toma de decisiones y la acción.
“En Acoustic, nuestro enfoque clave es empoderar a las marcas con información conductual que les permita crear experiencias atractivas y personalizadas para los clientes. Con Atlas Stream Processing, nuestros ingenieros pueden aprovechar las habilidades que ya tienen, desde trabajar con datos en Atlas para procesar nuevos datos de forma continua, asegurando así que nuestros clientes tengan acceso a información sobre los clientes en tiempo real”.
Aplicaciones basadas en eventos
Pavimentando el camino hacia un negocio en tiempo real reactivo y receptivoDownload del Documento TécnicoExperimente la simplicidad y el poder del procesamiento Atlas Stream
Cómo consultar los flujos de datos de Apache Kafka
Analíticas avanzadas con funciones de ventana
Validación de esquemas de eventos complejos
Cómo consultar los flujos de datos de Apache Kafka
Analíticas avanzadas con funciones de ventana
Validación de esquemas de eventos complejos
Aproveche al máximo el Atlas
Base de Datos
Empiece con el servicio de base de datos multicloud construido para la resiliencia, la escala y los más altos niveles de privacidad y seguridad de los datos.
Triggers
Ejecute código automáticamente en respuesta a cambios en la base de datos o a eventos del usuario, o en intervalos preestablecidos.
Conector Kafka
Integre de forma nativa los datos de MongoDB dentro del ecosistema de Kafka.
¿Qué son los datos de streaming?
¿Qué es el procesamiento de transmisión?
¿En qué se diferencia la transmisión de eventos del procesamiento de transmisión?
Los datos de transmisión se encuentran dentro de plataformas de transmisión de eventos (como Apache Kafka), y estos sistemas son esencialmente un registro distributed inmutable. Los datos de eventos se publican y consumen desde plataformas de transmisión de eventos mediante API.
Los desarrolladores necesitan utilizar un procesador de transmisión para realizar procesamientos más avanzados, como agregaciones con estado, operaciones de ventanas, mutaciones y creación de vistas materializadas. Son similares a las operaciones que se realizan cuando se ejecutan consultas en una base de datos, excepto que el procesamiento de transmisión consulta continuamente una transmisión interminable de datos. Esta área del streaming es más incipiente; sin embargo, tecnologías como Apache Flink y Spark Streaming están ganando terreno rápidamente.
Con Atlas Stream Processing, MongoDB ofrece a los desarrolladores una mejor manera de procesar flujos para usar en sus aplicaciones, aprovechando el marco de agregación.
¿Por qué MongoDB creó Atlas Stream Processing?
¿Cómo puedo comenzar con la vista previa pública de Atlas Stream Processing?
¿En qué se diferencia el procesamiento de transmisión del procesamiento por lotes?
El procesamiento de flujo ocurre continuamente. En el contexto de la creación de aplicaciones basadas en eventos, el procesamiento de flujos permite experiencias reactivas y convincentes como notificaciones en tiempo real, personalización, planificación de rutas o mantenimiento predictivo.
El procesamiento por lotes no funciona con datos que se producen continuamente. En cambio, el procesamiento por lotes funciona recopilando datos durante un período de tiempo específico y luego procesando esos datos estáticos según sea necesario. Un ejemplo de procesamiento por lotes es un negocio minorista que recopila ventas al cierre del negocio cada día con fines de presentar informes y/o actualiza los niveles de inventario.
¿Hay algún costo asociado a Atlas Stream Processing durante la vista previa pública?
Empiece a usar Atlas hoy mismo
_Spot_BS_Mist_EndCap.svg?auto=format%252Ccompress)