Siamo entusiasti di annunciare che Atlas Stream Processing, il metodo nativo di MongoDB per elaborare i dati in streaming, è ora disponibile a livello generale, consentendo agli sviluppatori di creare rapidamente applicazioni reattive e basate sugli eventi.
Il nostro team ha dedicato gli ultimi due anni a definire una visione e a creare un prodotto che si basi sui punti di forza di MongoDB per superare le difficili sfide dello stream processing. Dopo un decennio di creazione di prodotti di stream processing al di fuori di MongoDB, stiamo utilizzando tutto ciò che rende MongoDB unico e differenziato, ovvero l’API query e il potente framework di aggregazione, nonché il document model e la flessibilità dello schema, per creare un’esperienza straordinaria per gli sviluppatori.
È un nuovo approccio allo stream processing e, in base al feedback di molti dei membri della nostra community, è il modo migliore per farlo per la maggior parte degli sviluppatori.
Diamo un’occhiata alle novità .
Novità generalmente disponibili
Prontezza per la produzione:
pronto a supportare i carichi di lavoro di produzione, garantendo uno stream processing affidabile e scalabile per applicazioni mission-critical.
Supporto per le collection di Time Series:
emetti i risultati del processore nelle collection di Time Series. Pre-elabora i dati in modo continuo salvandoli per l’accesso cronologico in un secondo momento in un tipo di collection disponibile in MongoDB Atlas creato appositamente per archiviare in modo efficiente ed eseguire query sui dati delle time-series.
Livelli di sviluppo e produzione:
oltre al livello cluster SP30 disponibile durante la public preview, stiamo introducendo un livello SP10 per offrire flessibilità e un’opzione conveniente per casi d’uso esplorativi e carichi di lavoro di Atlas Stream Processing a basso traffico.
Supporto Kafka migliorato:
il supporto aggiunto per le intestazioni Kafka consente alle applicazioni di fornire metadati aggiuntivi insieme ai dati degli eventi. Sono utili per diversi casi d’uso di stream processing (ad esempio, instradamento di messaggi, elaborazione condizionale e altro).
Accesso con privilegio minimo:
gli utenti del database Atlas possono concedere l’accesso alle istanze di stream processing e abilitare l’accesso solo a chi ne ha bisogno.
Avvisi del processore dello stream:
ottieni insight e visibilità sull’integrità dei processori di stream creando avvisi per quando si verifica un errore. I metodi supportati per gli avvisi includono e-mail, SMS, piattaforme di monitoraggio come Datadog e altro ancora.
Perché Atlas Stream Processing?
Atlas Stream Processing porta la potenza e la flessibilità del modello di documenti e dell’API Query di MongoDB nell’impegnativo spazio di stream processing. Con Atlas Stream Processing, gli sviluppatori possono:
Gestire facilmente strutture di dati complesse e in rapida evoluzione
Utilizzare la familiare MongoDB Query API per elaborare i dati in streaming
Si integra perfettamente con MongoDB Atlas
Approfitta di un servizio completamente gestito che elimina i costi generali
Punti salienti per il cliente
Leggi cosa dicono gli sviluppatori di Atlas Stream Processing:
At Acoustic, our key focus is to empower brands with behavioral insights that enable them to create engaging, personalized customer experiences. To do so, our Acoustic Connect platform must be able to efficiently process and manage millions of marketing, behavioral, and customer signals as they occur. With Atlas Stream Processing, our engineers can leverage the skills they already have from working with data in Atlas to process new data continuously, ensuring our customers have access to real-time customer insights.
John Riewerts, EVP, Engineering at Acoustic
Atlas Stream Processing enables us to process, validate, and transform data before sending it to our messaging architecture in AWS powering event-driven updates throughout our platform. The reliability and performance of Atlas Stream Processing has increased our productivity, improved developer experience, and reduced infrastructure cost.
Cody Perry, Software Engineer, Meltwater
Cosa riserva il futuro per Atlas Stream Processing?
Stiamo introducendo rapidamente nuove caratteristiche e funzionalità per garantire che MongoDB offra un’esperienza di stream processing di livello mondiale per tutti i team di sviluppo. Ecco le novità previste nei prossimi mesi:
Supporto di rete avanzato:
supporto per VPC Peering su cluster Kafka per i team che richiedono ulteriori funzionalità di rete
Supporto ampliato per le regioni cloud:
supporto per tutte le regioni cloud disponibili in Atlas Data Federation
Supporto esteso per i provider cloud:
supporto per Microsoft Azure
Supporto esteso per origini dati e sink:
non stiamo ancora annunciando dettagli su origini e sink aggiuntivi, ma abbiamo in programma di espanderci oltre i database Kafka e Atlas nei prossimi mesi. Comunicaci quali fonti e sink sono necessari e li terremo in considerazione nella nostra pianificazione
Parametri e osservabilità più ricchi:
supporto per una maggiore visibilità negli stream processor per semplificare il monitoraggio e la risoluzione dei problemi
Flessibilità di implementazione con Terraform:
supporto per la gestione delle istanze di Atlas Stream Processing e delle connessioni Atlas Stream Registry con Terraform. Questa integrazione consente di abilitare una pipeline CI/CD senza soluzione di continuità , migliorando l’efficienza operativa con l’infrastruttura come codice. Inoltre, nel prossimo futuro troverai un blog dedicato su come iniziare con Atlas Stream Processing e Terraform.
Quindi, se vuoi elaborare dati provenienti da sensori ad alta velocità , analizzare costantemente i dati dei clienti per offrire esperienze personalizzate o eseguire manutenzione predittiva per aumentare i rendimenti e ridurre i costi, Atlas Stream Processing è la soluzione che fa per te. Unisciti alle centinaia di team di sviluppo che già creano con Atlas Stream Processing. Continua a seguirci per scoprire di più a breve e buon sviluppo.
Accedi subito o dai un’occhiata al nostro tutorial introduttivo per iniziare.
Source: Read More
