Página inicial do Docs → Iniciar e gerenciar o MongoDB → MongoDB Atlas
Conjunto de dados do Data Lake ou Atlas Online Archive
Nesta página
Observação
Você só pode utilizar novos Arquivos Online como fonte de dados no Atlas Data Federation. Leia a publicação no blog do MongoDB Novo arquivo on-line com melhorias de desempenho e métricas aprimoradas para obter mais informações.
O Atlas Data Federation oferece suporte a conjuntos de dados do ingestão de dados e arquivos online do Atlas como armazenamentos de instância do banco de dados federado. Você deve definir mapeamentos na configuração de armazenamento da instância do reconhecimento de data center para o conjunto de dados de ingestão de dados ou Atlas Online Archive para executar query nos seus dados.
Importante
As informações na sua configuração de armazenamento são visíveis internamente no MongoDB e armazenadas como dados operacionais para monitorar e melhorar o desempenho do Atlas Data Federation. Portanto, recomendamos que você não use PII em suas configurações.
Exemplo de Configuração para Armazenamento de Dados do ingestão de dados Atlas
Exemplo
Considere um pipeline do Atlas Data Lake denominado myDataCenter
contendo dados de snapshot da collection metrics.hardware
. A collection metrics.hardware
contém documento JSON com métricas derivadas do hardware em um datacenter. A configuração a seguir:
Especifica o fornecedor de cloud
dls:aws
e a região do fornecedorus-east-1
como um reconhecimento de data center de instância do banco de dados federado.Mapeia documento dos snapshots da collection
metrics.hardware
no cluster do AtlasdlsTest
para a collectiondataCenter.inventory
na configuração de armazenamento. Por exemplo, quando o pipeline do Atlas Data Lake é executado em 5 de maio de 2022 às 02:00:10 UTC, o Atlas Data Lake cria um conjunto de dados com o nome do conjunto de dadosv1$atlas$snapshot$dlsTest$metrics$hardware$20220510T020010Z
.
{ "stores": [ { "name": "adlStore", "provider": "dls:aws", "region": "us-east-1" } ], "databases": [ { "name": "dataCenter", "collections": [ { "name": "inventory", "dataSources": [ { "storeName": "adlStore", "datasetName": "v1$atlas$snapshot$dlsTest$metrics$hardware$20220510T020010Z" } ] } ], "views": [] } ] }
O Atlas Data Federation mapeia todos os documento nos snapshots para a collection dataCenter.inventory
na configuração de armazenamento.
Os usuários conectados à instância do banco de dados federado podem usar a MongoDB Query Language e agregações compatíveis para consultar dados históricos no snapshot por meio da collection dataCenter.inventory
. Quando você executa queries, a query primeiro vai para o Atlas Data Federation. Portanto, se você executar query de agregação que são suportadas pelo seu cluster do Atlas, mas não pelo Atlas Data Federation, a query falharão. Para saber mais sobre comandos com e sem suporte no Data Federation, consulte Comandos do MongoDB com suporte.
Exemplo de Configuração para Armazenamento de Dados do Atlas Online Archive
Exemplo
Considere um Atlas Online Archive suportado pela Amazon Web Services com o seguinte ID:
v1$atlas$archive$V3metrics$hardware$69437250-b9da-4ae9-a1cd-8811462c38a4$64679f7c09f07374b4dcc914
O Atlas Online Archive contém os dados arquivados do metrics.hardware
em um cluster do Atlas. A configuração a seguir:
Especifica o Atlas Online Archive na região
us-east-1
da Amazon Web Services como um armazenamento de instância do banco de dados federado.Mapeia documento do Atlas Online Archive para a collection
dataCenter.inventory
na configuração de armazenamento.
{ "stores" : [ { "name" : "atlasOnlineArchiveStore", "provider" : "dls:aws", "region" : "us-east-1" } ], "databases" : [ { "name" : "dataCenter", "collections" : [ { "name" : "inventory", "dataSources" : [ { "storeName" : "atlasOnlineArchiveStore", "datasetName" : "v1$atlas$archive$V3metrics$hardware$69437250-b9da-4ae9-a1cd-8811462c38a4$64679f7c09f07374b4dcc914", "provider" : "dls:aws" } ] } ] } ] }
Observação
Como a Amazon Web Services faz o backup do Atlas Online Archive, o provider
é configurado para dls:aws
no exemplo. Se o Azure apoiasse o arquivo online, o provider
seria dls:azure
.
O Atlas Data Federation mapeia todos os documento no Atlas Online Archive para a collection dataCenter.inventory
na configuração de armazenamento.
Os usuários conectados à instância do reconhecimento de data center federado podem usar a query de MongoDB e agregações compatíveis para analisar dados no cluster do Atlas por meio da collection dataCenter.inventory
.
Formato de configuração
A configuração da instância do banco de dados federado para um conjunto de dados do Data Lake ou um Atlas Online Archive tem o seguinte formato:
1 { 2 "stores" : [ 3 { 4 "name" : "<string>", 5 "provider": "<string>", 6 "region": "<string>" 7 } 8 ], 9 "databases" : [ 10 { 11 "name" : "<string>", 12 "collections" : [ 13 { 14 "name" : "<string>", 15 "dataSources" : [ 16 { 17 "storeName" : "<string>", 18 "datasetName" : "<string>", 19 "datasetPrefix": "<string>", 20 "trimLevel": <int>, 21 "provenanceFieldName": "<string>", 22 "maxDatasets": <int> 23 } 24 ] 25 } 26 ], 27 "views" : [ 28 { 29 "name" : "<string>", 30 "source" : "<string>", 31 "pipeline" : "<string>" 32 } 33 ] 34 } 35 ] 36 } 37
stores
1 "stores" : [ 2 { 3 "name" : "<string>", 4 "provider": "<string>", 5 "region": "<string>" 6 } 7 ]
stores
Matriz de objeto em que cada objeto representa um reconhecimento de data center a ser associado à instância do banco de dados federado. O armazenamento de instâncias da instância do banco de dados federado referencia arquivos em um bucket S3, documento em um cluster do Atlas, arquivos armazenados em URLs acessíveis publicamente, conjuntos de dados do ingestão de dados ou arquivos online do Atlas. O Atlas Data Federation só pode acessar armazenamentos de dados definidos no objeto
stores
.
stores.[n].name
Nome de armazenamento da instância do banco de dados federado. O campo
databases.[n].collections.[n].dataSources.[n].storeName
referencia este valor como parte da configuração de mapeamento.
stores.[n].provider
fornecedor de nuvem onde os dados do snapshot são armazenados. O valor deve ser
dls:<subtype>
para um snapshot. O Atlas Data Federation aceita os seguintes subtipos:aws
, para o qual o valor deve serdls:aws
stores.[n].region
Nome da região do seu ingestão de dados ou Atlas Online Archive. Cada armazenamento está associado a uma única região, onde os metadados e os dados de snapshot são armazenados. Se você tiver vários conjuntos de dados ou arquivos online em regiões diferentes, deverá adicionar um armazenamento para cada região para mapear os dados dessa região para reconhecimento de data center virtuais e collection na instância do banco de dados federado.
Para saber mais sobre as regiões suportadas para Amazon Web Services, consulte Regiões do Atlas Data Federation.
databases
1 "databases" : [ 2 { 3 "name" : "<string>", 4 "collections" : [ 5 { 6 "name" : "<string>", 7 "dataSources" : [ 8 { 9 "storeName" : "<string>", 10 "datasetName" : "<string>", 11 "datasetPrefix": "<string>", 12 "trimLevel": <int>, 13 "provenanceFieldName": "<string>", 14 "maxDatasets": <int> 15 } 16 ] 17 } 18 ], 19 "views" : [ 20 { 21 "name" : "<string>", 22 "source" : "<string>", 23 "pipeline" : "<string>" 24 } 25 ] 26 } 27 ]
databases
Array de objetos que definem o mapeamento entre cada instância do banco de dados federado definido em
stores
e conjuntos de dados ou arquivos online do Atlas Data Lake. Cada objeto representa um banco de dados, suas coleções e, opcionalmente, quaisquer visualizações das coleções. Cada banco de dados pode ter vários objetoscollections
eviews
.
databases.[n].name
Nome do banco de dados para o qual o Atlas Data Federation mapeia os dados contidos no armazém de dados.
databases.[n].collections
Array de objetos em que cada objeto representa uma coleção e fontes de dados que mapeiam para um armazenamento de instância de banco de dados federado
stores
.
databases.[n].collections.[n].name
Nome da collection para a qual a Atlas Data Federation mapeia os dados contidos em cada
databases.[n].collections.[n].dataSources.[n].storeName
. Cada objeto na array representa o mapeamento entre a collection e um objeto na matrizstores
.Você pode gerar nomes de collection dinamicamente, especificando
*
para o nome da collection. Para gerar nomes de collection dinamicamente, você também deve especificar o seguinte:Para coleções curinga, o Atlas Data Federation mapeia um nome de conjunto de dados para um nome de coleção primeiro dividindo o namespace em uma lista de campos no delimitador
$
, depois cortando vários campos da esquerda da lista e, finalmente, combinando os campos restantes usando_
.
databases.[n].collections.[n].dataSources
Array de objetos em que cada objeto representa um armazenamento de instância do banco de dados federado na array
stores
para mapear com a collection. Você pode especificar váriosdataSources
para uma coleção curinga somente se todos osdataSources
para a coleção mapearem para o conjunto de dadosstores
do Atlas Data Lake .
databases.[n].collections.[n].dataSources.[n].storeName
Nome de um armazém de instância do banco de dados federado para mapear para o
<collection>
. Deve corresponder aoname
de um objeto na arraystores
.
databases.[n].collections.[n].dataSources.[n].datasetName
Nome do conjunto de dados do Atlas ou conjunto de dados do Atlas Online Archive para mapear com a collection. O Atlas ingestão de dados
datasetName
está no seguinte formato:<version>$<type>$<subtype>$<clusterName>$<dbName>$<collectionName>$<snapshotId> Exemplo
Considere o seguinte nome de conjunto de dados do Atlas ingestão de dados.
v1$atlas$snapshot$clusterName$dbName$collectionName$snapshotId Aqui:
v1
é a versãoatlas
é o tipo de conjunto de dadossnapshot
é o subtipoclusterName
é o nome do cluster do AtlasdbName
é o nome do reconhecimento de data center no cluster do AtlascollectionName
é a collection no reconhecimento de data centersnapshotId
é o identificador exclusivo do snapshot dos dados na collection
Observação
Para uma collection não curinga, você não pode especificar essa opção se especificar a opção
databases.[n].collections.[n].dataSources.[n].datasetPrefix
porque o Atlas Data Federation gera automaticamente as collections para o conjunto de dados mais recente usando o nome especificado na opçãodatabases.[n].collections.[n].dataSources.[n].datasetPrefix
.
databases.[n].collections.[n].dataSources.[n].datasetPrefix
Necessário para collection de curingas.
Prefixo do nome do conjunto de dados para corresponder ao nome do conjunto de dados do Atlas ingestão de dados ou ao nome do conjunto de dados do Atlas Online Archive. Quando você define isso para collection curinga, o Atlas Data Federation mapeia as collection para apenas os nomes de conjuntos de dados do Data Lake ou nomes de conjuntos de dados do Atlas Online Archive cujo prefixo corresponda ao valor especificado aqui.
Exemplo
{ ..., "name": "*", "dataSources": [ { "storeName": "aws-dl-store", "datasetPrefix": "v1$atlas$snapshot$MyCluster$MyDB$MyCollection", "trimLevel": 3 } ] } Se você especificar essa configuração para uma coleção não curinga, o Atlas Data Federation mapeará somente o conjunto de dados mais recente (para o snapshot capturado mais recentemente) para a coleção. Você também não pode especificar o
databases.[n].collections.[n].dataSources.[n].datasetName
se especificar essa opção para uma collection não curinga.Exemplo
{ ..., "name": "myFederatedDbCollection", "dataSources": [ { "storeName": "aws-dl-store", "datasetPrefix": "v1$atlas$snapshot$MyCluster$MyDB$MyCollection" } ] }
databases.[n].collections.[n].dataSources.[n].trimLevel
Inteiro não assinado que especifica quantos campo do nome do conjunto de dados devem ser cortados da esquerda do nome do conjunto de dados antes de mapear os campo restantes para um nome de collection curinga. O valor deve ser maior que
0
e menor que7
. Você pode definir essa configuração apenas para collection de curingas.Exemplo
Considere o seguinte nome de conjunto de dados do Atlas Data Lake:
atlas$snapshot$MyCluster$MyDB$MyCollection$snapshotDate O Atlas Data Federation gera dinamicamente os seguintes collection para diferentes níveis de limpeza:
Nível de caimentoNome da collection5
MyCollection_snapshotDate
4
MyDB_MyCollection_snapshotDate
3
MyCluster_MyDB_MyCollection_snapshotDate
2
snapshot_MyCluster_MyDB_MyCollection_snapshotDate
1
atlas_snapshot_atlas_MyCluster_MyDB_MyCollection_snapshotDate
0
v1_atlas_snapshot_atlas_MyCluster_MyDB_MyCollection_snapshotDate
Você não pode definir esta configuração utilizando o Editor Visual na UI do Atlas. Portanto, essa configuração tem como padrão o nível de ajuste
5
para configurações usando o Editor Visual.
databases.[n].collections.[n].dataSources.[n].provenanceFieldName
Nome do campo que inclui a procedência dos documentos nos resultados. Se você especificar esta configuração na configuração de armazenamento, o Atlas Data Federation retornará os seguintes campos para cada documento no resultado:
Nome do campoDescriçãoprovider
Provedor (stores.[n].provider
) na configuração de armazenamento da instância do banco de dados federadoclusterName
Nome do cluster do AtlasdatabaseName
Nome do reconhecimento de data center no cluster do AtlascollectionName
Nome da collectionsnapshotID
String exclusiva de 24 caracteres hexadecimais que identifica o snapshotdataSetName
Nome do conjunto de dados do Data Lake ou conjunto de dados do Online Archive (databases.[n].collections.[n].dataSources.[n].datasetName
)Você não pode definir esta configuração utilizando o Editor Visual na UI do Atlas.
databases.[n].collections.[n].dataSources.[n].maxDatasets
Inteiro não assinado que especifica o número máximo de conjuntos de dados a partir dos quais gerar collection dinamicamente para o conjunto de dados. Você deve fornecer um valor maior que
0
. Você pode definir essa configuração apenas para collection de curingas. O Atlas Data Federation retorna conjuntos de dados em ordem lexicográfica inversa.Observação
Você não pode definir esta configuração utilizando o Editor Visual na UI do Atlas. Portanto, a configuração do Atlas Data Federation não inclui um limite no número de conjuntos de dados para configurações utilizando o Editor Visual.