MongoDB Atlas 为数据库掩护供应了用户友好的图形用户界面 (GUI)，自动备份和点对点数据快照。它供应了各种功能，如自动扩展、监控、警报、向量搜索、全文搜索、触发器和函数、设备同步以及用于诊断布局不良查询的性能优化工具。
这些功能旨在将各种事情负载整合到企业中单一的开拓者数据平台。无论是初创企业还是成熟的企业，MongoDB Atlas 都能知足所有基于云的数据库需求。当您进一步深入本章时，您将深入探索 MongoDB Atlas 的能力和广度。
本章将涵盖以下主题：
MongoDB Atlas 作为数据库即做事 (DBaaS) 供应的广泛功能 将 MongoDB Atlas 资源与 Kubernetes 集群集成 包括 Atlas 向量搜索、Atlas 流处理、Atlas 数据联合和 Atlas SQL 接口等功能 将 MongoDB Atlas 理解为数据库即做事 MongoDB Atlas 可以管理组织内广泛的数据类型——从实时更新到存储在数据湖中的非构造化数据。其多云兼容性进一步扩展了其实用性，为各种数据和运用做事供应了统一的环境。这种整合授予了开拓团队快速构建的能力，以知足当代运用程序所需的性能、可扩展性和功能。
MongoDB Atlas 开拓者数据平台建立在 Amazon Web Services (AWS)、Google Cloud Platform (GCP) 和 Azure 的根本举动步伐之上，支持数据库扩展到 95+ 个云区域。这为数据管理供应了高度的灵巧性和掌握。用户可以选择在单个云供应商上利用 MongoDB Atlas，或者利用其多云能力以增强灵巧性和弹性。
其全面的平台用于管理 MongoDB 集群，自动化了数据库管理的几个方面，包括支配和扩展，从而简化了开拓职员和 DevOps 工程师的过程。这使得可以通过 Web 界面、Atlas CLI、Terraform MongoDB Atlas 供应商或 MongoDB Kubernetes 操作符快速设置 MongoDB 集群。
作为数据库即做事 (DaaS) 的供应，MongoDB Atlas 还处理掩护任务，如软件补丁、硬件配置、设置配置和故障规复。MongoDB Atlas 有一个更新的升级过程，个中它在常规掩护窗口期间安排和实行小的升级。这些升级由 MongoDB 完成，不须要用户干预，也不须要停机韶光。因此，利用 MongoDB Atlas 确保您的数据库始终运行 MongoDB 的最新和最安全版本。
MongoDB Atlas 的其他一些功能包括：
自动安全方法，包括利用虚拟私有云 (VPC) 进行网络隔离、静态和传输中的加密，以及基于角色的访问掌握 (RBAC) 自动备份办理方案，定期拍摄数据快照并许可点对点规复 跨区域可用性，根据配置自动跨区域复制数据
图 11.1 显示了 MongoDB Atlas 的一些关键功能：
图 11.1：MongoDB Atlas 的关键功能
MongoDB Atlas 供应大数据处理、无做事器打算和存储。下一节将深入磋商 MongoDB Atlas 作为一个托管数据库，为运用程序的支配供应不同的选项。
托管数据库 从根本上说，MongoDB Atlas 是一个托管的 DaaS 办理方案，您将得到一个完备由 MongoDB Inc. 管理的现成数据库。每个托管数据库都针对您的特定需求，但在大多数情形下，您只是探求一个带有连接字符串的安全可靠的支配。
默认支配是在您选择的区域、区域和云供应商上的三节点副本集。有永久免费层、共享根本举动步伐层和用户选择的专用硬件选项。
如果您有更详细的需求，MongoDB Atlas 供应了许多不同的支配变体，详细如下。
环球集群 Atlas 环球集群许可通过定义单个或多区域区域来实现地理上确当地读写操作。每个环球集群可以有多达九个不同的区域，每个区域都有一个最高优先级区域和一个或多个可选举的、只读的或剖析节点：
最高优先级区域：托管干系分片的主副本集成员，辅导写操作 可选举区域：托管可选举的赞助副本集成员，在区域性故障期间供应容错能力 只读区域：托管非可选举的赞助副本集成员，支持赞助读取操作 剖析区域：托管剖析节点，隔离报告查询并减少本地读取的延迟 MongoDB Atlas 将分片节点分布在每个区域配置的区域中，每个分片集群最多支持 50 个分片，无论区域数量如何。
跨区域和跨云复制 跨区域和跨云复制供应数据冗余和低延迟读取访问。在设置期间，MongoDB Atlas 做事自动将您的副本集中的节点分布到所选区域的可用区域中，以便在影响单个云数据中央的事宜期间实现故障转移。跨区域复制支持在影响全体区域的事宜期间故障转移到另一个区域。它还许可将数据副本分散到各个区域，以便分布式数据用户的低延迟读取访问。
多云集群 MongoDB Atlas 促进在多个云平台上支配单个数据库集群，包括 AWS、GCP 和 Azure。多云集群使运用程序能够无缝地同时利用不同云供应商的做事，同时也促进了云供应商之间的迁移。这减少了管理跨云数据复制和迁移的操作繁芜性。
如果一个云供应商涌现问题，可以自动故障转移到做事同一地理位置的另一个云供应商。此外，它支持单个数据库超过任何组合的 95+ 个支持区域，以知足特定区域或云偏好。
无做事器实例 Atlas 无做事器实例为支配数据库供应了灵巧、可扩展且本钱效益高的办理方案。它们旨在自动适应运用程序需求的变革，肃清了手动容量方案的需求。
Atlas 无做事器实例的关键特性是它们根据事情负载动态扩展的能力。与须要预先分配资源的传统数据库不同，Atlas 无做事器实例根据传入流量自动调度其容量。这意味着在需求高峰期间，无做事器实例将自动扩展以确保同等的性能。相反，在需求低的期间，它会缩小规模以节省本钱。这种动态扩展是实时进行的，并且可以支持多达 1 TB 的存储。
Atlas 无做事器实例遵照按利用量付费的定价模型。您不必为预先分配的资源付费，只需支付运用程序实际利用的读取、写入和存储。这种模型确保您不为闲置资源付费，使其成为具有不可预测流量模式的运用程序的本钱效益办理方案。
所有这些支配变体还供应内置的安全功能并遵守合纪律例。
默认安全 MongoDB Atlas 经历了严格的审计流程，以得到 HIPAA 和 GDPR 合规性、ISO、PCI 和 FedRAMP 中等认证等认证。这些认证证明了 MongoDB Atlas 致力于掩护高水平的数据保护、隐私和合规性：
HIPAA 合规性确保 MongoDB Atlas 适宜处理敏感的康健信息。 GDPR 合规性担保平台遵守处理欧洲同盟公民数据的数据保护和隐私标准。 ISO 认证表明 MongoDB Atlas 符合国际数据安全标准。 PCI 合规性确保平台可以安全地处理持卡人数据，使其适宜电子商务运用程序。 FedRAMP 中等认证表明 MongoDB Atlas 符合处理联邦政府数据所需的安全哀求。 MongoDB Atlas 供应强大的安全默认值。它为所有数据供应内置的安全掌握，无论是在客户环境中管理还是通过 MongoDB Atlas 管理。它启用了企业级安全功能，并简化了数据库的支配和管理。图 11.2 显示了个中的一些安全特性：
图 11.2：MongoDB Atlas 的安全特性
认证：用户可以利用他们的 Atlas 凭据或通过他们的 GitHub 或 Google 帐户利用单点登录来认证 Atlas UI。MongoDB Atlas 还支持多种选项的多成分认证 (MFA)，包括 OTP 认证器、推送关照、FIDO2（硬件安全密钥或生物识别）、SMS 和电子邮件。用户还可以利用包括 SCRAM、x.509 证书、LDAP、无密码认证与 AWS 身份和访问管理 (IAM) 以及 OpenID Connect 支持的机制来认证 MongoDB 数据库。
授权：RBAC 可用于管理所有云资源，包括 MongoDB 支配。可以付与用户一个或多个角色，这些角色确定他们对组织和项目的访问权限。还可以付与细粒度的数据库角色以进行数据库操作。通过身份联合，可以通过身份供应者组和 Atlas 角色利用组-角色映射来管理对 MongoDB Atlas 的访问。
审计：细粒度的审计功能监控 MongoDB 环境中的操作，以防止和检测对数据的任何未授权访问。这包括创建、读取、更新和删除 (CRUD) 操作、加密密钥管理、认证、RBAC、复制和分片集群操作。
数据加密：供应的数据显示加密功能强大而全面，确保在不同状态下保护数据： 静态加密：在 MongoDB Atlas 中，默认利用 AES-256 加密存储在磁盘上的数据，保护所有卷（磁盘）数据。此过程与所选云供应商的透明磁盘加密做事集成，该做事管理所有加密密钥。您还可以启用 MongoDB WiredTiger 存储引擎确当地静态加密功能。该功能加密磁盘上的数据文件，除了云供应商的存储加密外，还供应了额外的安全层。它还支持利用用户管理的加密密钥。利用的加密算法是高等加密标准 - 256 位 - 密码块链 (AES-256-CBC)。加密密钥每 90 天旋转一次，或根据用户的自定义操持旋转。 传输中的加密：在您的运用程序和 MongoDB Atlas 之间传输的所有数据都自动利用传输层安全 (TLS) 加密。MongoDB Atlas 哀求所有传入连接利用 TLS，并具有 TLS 1.2 的最低版本哀求。 字段级加密：MongoDB Atlas 还支持字段级加密。在将文档发送到做事器之前，可以在客户端对文档中的特定字段进行加密。这增加了一个额外的安全层，由于只有拥有精确加密密钥的人才能解密并读取敏感数据。 密钥管理：MongoDB Atlas 与紧张云供应商的密钥管理做事 (KMS) 集成，包括 AWS KMS、Azure Key Vault 和 Google Cloud KMS。这些做事管理数据加密的加密密钥，许可安全密钥存储、密钥轮换和审计。此外，MongoDB Atlas 供应了利用客户管理的加密密钥 (CMK) 进行数据库级加密的选项，为用户供应了对数据加密和安全的更大掌握权。
图 11.3 显示了在 MongoDB Atlas 中实现静态加密的各种选项：
图 11.3：利用您的密钥管理实现静态加密
网络安全：MongoDB Atlas 供应多种安全的数据访问方法，用于网络安全。这些方法涉及在独特的 VPC 内利用专用集群来隔离和保护数据，有效防止任何来自互联网的入站网络访问。许可通过 AWS、Azure 或 Google Cloud 的 VPC 或虚拟网络 (VNet) 到集群的单向连接，通过私有端点。
加密备份：MongoDB Atlas 利用云供应商的标准存储加密方法来加密所有快照，保护静态时的集群数据。此过程的加密密钥管理由您的云供应商处理。 在激活 WiredTiger 静态加密和客户密钥管理的项目和集群中，MongoDB Atlas 不仅加密您的快照，还为您的数据文件增加了额外的加密层。
对付任何安全环境或系统，尽早检测威胁并发出可以采纳适当安全方法相应的警报至关主要。下一节磋商了 MongoDB Atlas 内可用的监控和警报功能。
监控和警报 MongoDB Atlas 供应了一套广泛的工具和功能，旨在帮忙监控数据库支配，目标是许可性能审查并确保可靠性。除了这些监控功能外，还供应了内置的警报功能，供应了额外的监督和掌握层。这种监控和警报的结合为管理数据库性能供应了详细而全面的方法。
以下是在 MongoDB Atlas 中利用的各种监控技能的示例，以及您如何利用每个功能的用例：
用例：识别慢查询 性能顾问：帮助您监控和改进慢查询，建议新索引并供应优化的洞察和建议 查询剖析器：监控查询性能，供应查询实行办法和潜在瓶颈可能发生的详细视图 实时性能面板：供应数据库性能的实时洞察，使慢查询能够快速识别和解决
用例：通过支配指标诊断性能问题 磁盘空间利用率：包括用户数据和 MongoDB 的操作数据，对评估存储容量至关主要 操作数据指标：包括缓冲文件（临时存储）、日志文件（数据完全性）和日志文件（事宜记录），每个在数据管理和规复中都发挥浸染 性能指标：吞吐量和延迟等指标供应数据库性能的实时视图 可扩展性和稳定性指标：这些指标有助于理解系统在不同负载下的可扩展性以及整体稳定性，包括正常运行韶光和规复韶光
这些只是 MongoDB Atlas 为开拓职员、数据库管理员和运维管理员供应的强大的指标集的一小部分。
所有上述指标都可以在 MongoDB Atlas 中用于警报。警报可以在各种级别、间隔和情形下设置，并可以根据特定条件触发，以掩护最佳的数据库支配性能。这些条件可以针对各个方面进行定制，例如特定的数据库指标、用户行为或操作、帐户活动等。
当触发警报时，可以通过 SMS 或电子邮件（包括电子邮件别名）发送。所有这些都可以完备在 Atlas UI 或通过管理 API 配置。
此外，MongoDB Atlas 具有多种盛行的第三方集成，许可连接外部监控做事，如 Datadog、Opsgenie、Prometheus 或 PagerDuty。
安全的另一个关键方面是创建定期备份并规复数据，以避免任何数据丢失或不利情形。
备份、规复和归档 MongoDB Atlas 供应了许多备份、规复和归档数据的功能，确保数据保护和合规性。备份封装了特定时间点的集群状态，作为防止数据丢失的安全方法。MongoDB Atlas 利用云供应商的原生快照功能进行全副本快照和本地快照存储。对付某些实例，备份自动启用且无法禁用；对付其他实例，灵巧性更大。例如：
无做事器实例快照：自动启用无做事器实例的备份，支持全副本快照和本地快照存储。无做事器实例快照可以规复到其他无做事器实例和专用集群。 在线归档：MongoDB Atlas 将不常常访问的数据移动到云工具存储上的 MongoDB 管理的只读联合数据库实例，供应 MongoDB Atlas 和归档数据的统一视图。此功能仅在 M10 集群及以上版本上可用，并且不支持无做事器实例。
把稳 Atlas 备份不适用于免费的 M0 集群，但您可以手动利用 mongodump 和 mongorestore 进行备份。规复必须在运行相同紧张版本或更高版本的集群上进行。在升级之前制作的备份仍旧可以利用。
第 12 章 MongoDB 中的监控和备份更详细地谈论了备份。
自动化 MongoDB Atlas 集成了高等自动化功能，以实现高效的数据库管理。这些功能最小化了手动任务，优化了资源并提高了性能。让我们探索这些功能如何有助于简化数据库体验：
集群创建和用户管理：MongoDB Atlas 通过自动化关键任务，简化了设置和管理数据库集群的过程。集群创建通过直不雅观的工具和模板简化，这些工具和模板辅导您完成配置过程，使您能够快速支配定制的集群硬件以知足特定哀求。用户管理也通过自动化得到增强，具有 RBAC、用户配置和安全设置等功能，可以轻松配置和管理。
自动扩展：MongoDB Atlas 供应了一个自动扩展功能，根据需求自动调度集群资源。它剖析 CPU 和内存利用情形，以扩展集群层级，确保最佳性能。还供应了存储扩展，当磁盘空间利用率达到 90% 时自动增加存储。该过程包括对分片集群、存储行为和 oplog 大小的考虑。自动扩展默认启用，但可以自定义或选择退出，并且运行时不会导致停机。
自动升级：自动运用自动小版本更新，以在后台无缝升级 MongoDB 数据库，确保您始终可以访问最新的 bug 修复、安全补丁和其他关键更新，无需任何手动干预。从一个发布系列升级到另一个发布系列也得到简化，无需修正底层操作系统或处理包文件。通过自动化这些升级，平台使您能够专注于构建运用程序，从而提高效率并确保数据库始终运行最新和最安全的版本。
自动掩护：掩护在后台自动实行，使您可以为最小滋扰配置首选的每周掩护窗口。该过程对副本集选举具有弹性，纵然副本集中有变革，掩护也会连续。供应有关即将到来的掩护事宜的关照，并在节点上滚动实行掩护，确保没有停机韶光。您可以监控状态并访问日志以获取详细信息，只管这不是必需的。
Atlas 开拓者数据平台 作为数据库做事的 MongoDB Atlas 已经探索完毕，现在让我们将重点转移到其作为全面数据开拓平台的更广泛能力上。近年来，MongoDB 为 Atlas 平台增长了许多功能，增强了 MongoDB 数据库的传统功能。这些新增功能确立了 MongoDB Atlas 作为一个强大的数据平台的地位，为开拓当代运用程序供应了主要工具，包括全文搜索、向量搜索、流处理和数据联合。让我们更深入地理解这些特性。
Atlas 向量搜索及其在 AI 运用中的浸染 在 2023 年，MongoDB 推出了其新产品 Atlas 向量搜索的公共预览版。该创新功能建立在 MongoDB Atlas 开拓者数据平台上，旨在通过语义搜索和天生 AI 功能，为任何类型的数据供应支持，从而为智能运用程序供应动力。
向量搜索包含哪些内容？ 向量搜索是一种启用语义搜索的技能，它涉及基于数据的固有含义进行查询。这种方法利用常日称为编码器的机器学习模型，将各种形式的数据（如文本、音频和图像）转换为高维向量。这些向量包含了数据的语义实质，然后可以通过它们在高维空间中的靠近度来筛选，以识别相似的内容。因此，向量化搜索可以有效补充传统的基于关键字的搜索方法。由于其能够供应超出大型措辞模型（LLMs）固有知识范围的真实信息，它也因其潜力而受到越来越多的关注，从而增强了大型措辞模型的能力。在搜索用例的背景下，纵然在没有确切说话的情形下，向量搜索也能检索到干系结果。这种方法在自然措辞处理和推举系统等多种场景中都证明是有益的。
为相识释这一点，假设您在 MongoDB 中有一个由博客文章组成的文档凑集。您想搜索与人工智能干系的文档。对付全文搜索，您将搜索包含“人工智能”或“AI”确切短语的文档，并将得到一个结果集。然而，这个结果集是基于与该词的匹配，而不是对这些词可能的含义或高下文的任何理解。因此，它将包括提到人工智能但并非专门关于该主题的文档。
向量搜索则采取查询“人工智能”和文档，并利用诸如词或文档嵌入等技能将它们转换为数值向量。然后比较文档以找到与查询向量相似的文档，利用余弦相似性度量。
嵌入捕获了单词之间的语义含义和关系，因此您更有可能只收到关于 AI 的文档，而不是仅仅提及它的文档。与全文搜索方法比较，这供应了更准确和干系的结果。
什么是 Atlas 向量搜索？ MongoDB 在 Atlas 平台上实现的向量搜索是一个统一的、完备托管的特性，它将操作数据库和向量存储集成在一起。它支持快速集成到 LLMs，是构建语义搜索和利用 MongoDB 中存储的数据的 AI 运用程序的快速且用户友好的办法。
该平台许可您搜索任何非构造化数据。您可以利用您选择的机器学习模型（如 OpenAI 或 Hugging Face）创建向量嵌入，并将它们存储在 MongoDB Atlas 中。它支持相似性搜索、推举引擎、问答系统、动态个性化和 LLMs 的长期影象等用例。
图 11.4 突出了 Atlas 向量搜索的特性。它展示了一个过程，个中数据从各种内部数据源（如数据库、CRM 和白皮书）放入 Atlas 向量搜索，并存储为嵌入。
图 11.4：MongoDB 中的 Atlas 向量搜索
然后，这个向量数据库作为 LLMs 的长期影象，通过将私有或特定于领域的信息以嵌入的形式存储在 LLM 之外，扩展其知识库。当您提出问题时，向量数据库搜索与您的查询最干系的顶部结果。然后，这些结果与原始问题合并，形成一个提示，为 LLM 供应全面的高下文，使其能够天生更精确的答案。这种集成办理方案常日称为 CVP 堆栈，包括 ChatGPT/LLMs、向量数据库和 prompt-as-code。
Atlas 向量搜索通过利用统一的 MongoDB 查询 API 简化了与数据库和向量搜索的协作过程。这使您可以在 MongoDB Atlas 上构建 AI 驱动的体验，作为单一、同等的开拓者体验的一部分。通过这种办法，您可以访问所需的所有数据；但您须要查询它。
Atlas 向量搜索的一个关键特性是，由于文档模型的强大功能，您可以直接在源数据和元数据阁下存储您的向量嵌入。向量数据与运用程序数据集成，并无缝索引以进行语义查询，使您能够构建更大略、更快速的运用程序。
语义搜索和向量 语义搜索是基于数据的含义而不是数据本身的搜索观点。在这种情形下，向量是您的数据的数值表示，可以利用高等机器学习算法进行搜索。
Atlas 向量搜索和 Atlas 搜索具有不同的功能。Atlas 向量搜索许可您利用向量中捕获的语义含义搜索数据。比较之下，Atlas 搜索基于实际文本和任何预定义的同义词映射促进关键字搜索。
kNN、ANN 和向量嵌入 k-最近邻 (kNNs) 算法常常用于查找彼此靠近的向量。近似最近邻 (ANNs) 是一种探求类似向量的技能，它为了性能而交流一定程度的准确性。这是支持 Atlas 向量搜索的核心算法之一。ANN 搜索算法利用分层可导航小天下 (HNSW) 图。
Atlas 向量搜索支持任何供应者的嵌入，这些嵌入在做事上的宽度限定为 2,048 维。它在 LangChain 和 LlamaIndex 中作为向量存储得到支持，这两个框架是构建利用 LLMs 的做事的盛行框架。
Atlas 向量搜索可以查询任何可以转换为嵌入的数据类型。这包括图像、媒体文件和其他类型的数据。文档模型的好处之一是，您可以将嵌入与文档中的丰富数据一起存储。
如何利用 Atlas 向量搜索 要利用 Atlas 向量搜索，请按照以下步骤操作：
创建您的 Atlas 集群，为向量搜索打下根本。 设置嵌入创建函数。要创建嵌入，您必须利用特定模型，如 all-MiniLM-L6-v2。为此有多种方法，包括调用 Hugging Face 或 OpenAI API 等托管 API，自行托管模型或在本地运行。 在您的代码中定义并集成您的嵌入函数，使您能够为特定文本天生嵌入。 将这些嵌入存储在您的数据库中，可以是原始凑集或单独的凑集。 转到 Atlas 搜索以创建索引，这对付向量搜索操作至关主要。 统统准备就绪后，您现在可以利用 MongoDB 查询措辞事情流中的 $vectorSearch 阶段查询您的数据，以检索与您的搜索意图符合的结果。
把稳 始终参考官方文档以获取详细步骤和最佳实践。
Atlas Search 不要与向量搜索稠浊，Atlas Search 是一个集成的全文搜索特性，为创建基于干系性的运用特性供应了一个可扩展的办理方案。它建立在 Apache Lucene 之上，目的是肃清数据库阁下须要一个单独搜索系统的必要性。第 13 章“Atlas Search 先容”将更详细地磋商 Atlas Search 的功能和用场。
Atlas 运用做事 除了 Atlas 向量搜索和 Atlas Search 的强大搜索能力之外，还有 Atlas 运用做事，增强了整体运用开拓体验。这组套件供应了一系列工具，以简化和优化您的 MongoDB 运用程序。
什么是 Atlas 运用做事？ MongoDB Atlas 运用做事是一个无做事器运用程序后端，旨在简化云基运用程序的开拓。它供应了一套工具和做事，许可开拓职员专注于构建独特特性，而不是管理数据库和做事器根本举动步伐。
Atlas 运用做事旨在办理后端、Web 和移动运用程序开拓职员面临的常见寻衅。它供应可配置的功能、集成的数据访问和安全规则，让您专注于打造独特特性，而不是样板后端代码。
对付后端开拓职员，Atlas 运用做事供应了一个平台，用于开拓可以相应 MongoDB Atlas 数据变革、将数据连接到其他系统以及按需扩展的运用程序，而无需管理数据库和做事器根本举动步伐。
Web 开拓职员常常在将数据从做事器发送到浏览器时碰着开销，包括身份验证和数据验证等任务。Atlas 运用做事为这些寻衅供应理解决方案，让您专注于运用程序的独特特性。
对付移动运用程序开拓职员，跨设备同步数据可能是一个重大寻衅。Atlas 运用做事结合 Atlas 设备同步，为后端和移动设备之间的数据同步供应了一个离线优先、跨平台的办理方案。
图 11.5 展示了 Atlas 运用做事的关键特性，包括 Atlas 函数、Atlas 触发器、数据 API、GraphQL API 和设备同步。
图 11.5：Atlas 运用做事的统一关键特性
关键特性 以下是 Atlas 运用做事的一些关键特性：
无做事器架构：这一特性许可您支配做事器端运用程序，而无需设置和管理做事器根本举动步伐。它涵盖供应、支配、操作系统、Web 做事器、日志记录、备份和冗余。此外，它还许可经由身份验证的客户端根据其权限与数据库的特定部分进行交互。 动态和相应式：这一方面使做事能够相应 MongoDB Atlas 中的数据变革，从 HTTPS 端点处理数据，并利用触发器按操持运行函数。它还供应基于利用的定价，让您只为在任何给定时间利用的确切打算量付费。 安全性：安全性是 Atlas 运用做事中的一个关键特性。它供应内置的用户管理和身份验证方法，使第三方身份验证供应商的集成更大略。它还许可您通过基于角色的权限掌握哪些用户可以逐个字段地读取和写入数据。 数据同步：利用设备同步，跨设备的数据显示变得无缝。这一特性肃清了与 Realm 数据库 SDK 进行繁芜同步逻辑的须要。
Atlas 运用做事由几个核心组件支撑，每个组件对其功能都至关主要。这些根本元素塑造了平台的多功能性和效率。让我们深入磋商 Atlas 运用做事的这些核心部分：
Atlas 函数：用于后端任务的无做事器 JavaScript 函数 Atlas 触发器：自动相应数据库变革或操持的动作 身份验证和用户管理：内置的用户管理和身份验证方法 模式验证和数据访问规则：利用预定义规则验证和保护数据 GraphQL API：基于运用程序的数据模型天生 GraphQL API MongoDB 数据访问：通过逼迫规则供应对 MongoDB Atlas 的客户端访问 Atlas 设备同步：为移动运用程序供应离线优先、跨平台的数据同步 预构建运用程序：可定制的模板运用程序，用于考试测验运用做事
如何利用 Atlas 运用做事 要充分利用 Atlas 运用做事的能力，您可以利用 Realm 与其交互。Realm 是一个嵌入式的面向工具数据库，许可您构建实时的、始终开启的运用程序。其 SDK 还供应对 Atlas 运用做事的访问。对付大多数盛行的措辞、框架和平台，都有开源 SDK 可用。您可以直接通过 Realm SDK 查询 MongoDB Atlas，或者利用 Atlas 数据 API 通过 HTTP 客户端促进查询。该平台还具有内置的用户管理功能，具有运用做事用户身份验证，许可与 JWT 身份验证和第三方供应商（如 Facebook、Google 和 Apple）轻松集成。为确保数据安全和完全性，运用做事规则到位以指示数据访问权限。
熟习了 Atlas 运用做事之后，现在来探索其一个主要组件——Atlas 数据 API。
Atlas 数据 API Atlas 数据 API 是一项托管做事，许可用户通过标准的 HTTPS 要求安全地与存储在 Atlas 中的数据进行交互。这个 API 简化了与 Atlas 集群的交互，肃清了驱动程序的须要。主要的是要把稳，数据 API 不是与您的数据库的直接连接。相反，它作为一个完备托管的中间件层，介于您的集群和发送要求的客户端之间。
它可以在任何支持 HTTPS 的平台上利用，包括 Web 浏览器、Web 做事器、CI/CD 管道、无做事器和边缘打算环境、移动运用程序和物联网 (IoT) 设备。它肃清了安装任何数据库驱动程序或库的须要，许可您发送标准的 HTTPS 要求。
以下是利用数据 API 的标准 HTTPS 要求示例：
curl -s "https://data.mongodb-api.com/app/app-book/endpoint/data/v1/action/ -X POST \ -H "Content-Type: application/ejson" \ -H "Accept: application/json" \ -H "apiKey: <your API key>" \ -d '{ "dataSource": "mongodb-atlas", "database": "learn-data-api", "collection": "hello", "document": { "text": "Hello, Packt!" } }'
数据 API 支持两种类型的端点：
数据 API 端点：这些是自动天生的端点，代表一个 MongoDB 操作。它们可以用于在 MongoDB 数据源中创建、读取、更新、删除和聚合文档。 自定义端点：这些是由您编写的 Atlas 函数处理的特定于运用程序的 API 路由。它们许可您定义适宜您用例的操作。例如，您可以创建一个运行预定义聚合的端点或与外部 Webhook 做事集成。
安全性和授权 虽然数据 API 要求可能类似于传统的数据库操作，如 find 或 insertOne，但数据 API 增加了额外的身份验证、授权和精确性检讨层。这确保您的数据只能以您许可的办法被访问或修正，使从潜在易受攻击的客户端（如 Web 运用程序）访问 MongoDB Atlas 中的数据变得安全。
对付每个传入要求，数据 API 实行以下操作：
验证调用用户 授官僚求 运行要求的操作 逼迫实行在您的运用程序中定义的访问掌握规则和文档模式 向调用者返回 HTTPS 相应
用例 虽然 MongoDB 驱动程序推举用于所有类型的运用程序，特殊是对付高负载和对延迟敏感的用例，但数据 API 在某些特定场景中特殊有用，例如：
从 Web 运用程序或其他不可信赖的客户端（即您甘心不直接给他们数据库连接字符串）运行 MongoDB 操作。 在做事器端环境中管理 MongoDB 驱动程序不可行或不可取。 开拓一个新特性，首先在客户端利用灵巧的办理方案，然后再创建和完善 API 层。 将 Atlas 数据访问集成到联合 API 网关中。 与 MongoDB 合营利用，用于构建运用程序的编程措辞 MongoDB 尚未支持。虽然 MongoDB 支持最盛行的编程措辞，并且有适宜它们的惯用驱动程序（Python、PHP、Ruby、C#、Java、Node.js 等），但更晦涩的编程措辞须要利用社区驱动程序或构建自己的驱动程序。由于社区驱动程序的掩护可能是不稳定的，如果您利用的是罕见、新颖或以其他办法不支持的编程措辞，数据 API 供应了一个可行的选择。
如何利用 Atlas 数据 API 利用 Application Services 界面或 Realm 为您的运用程序设置数据 API。如果您利用的是 Atlas UI，请导航到左侧的 HTTPS Endpoints，然后选择 Data API。激活数据 API 将为您的运用程序链接的任何 MongoDB 源创建端点。选择身份验证方法，启用干系供应商，并保存您的配置。接下来，通过为链接的凑集设置规则来建立访问权限，确保数据安全访问。末了，保存所有变动并支配您的运用程序。
深入磋商了与 MongoDB 集群直接交互的 Atlas 数据 API 的能力之后，还必须考虑这些大量数据可以在哪里高效地存储和查询。这引出了 Atlas 数据湖，这是一个用于大规模数据存储和剖析的多功能办理方案。
Atlas Data Lake MongoDB Atlas Data Lake 是一个为提取数据而设计、针对剖析优化的工具存储做事。它为平面和嵌套数据供应了优化的剖析存储做事，确保了低延迟的查询性能。 实质上，数据湖功能许可您运行一个查询，该查询将路由到工具存储或数据库。这许可更有利的数据存储利用案例，包括能够处理存储在 JSON 和 BSON 之外的各种格式中的数据，如 CSV、TSV、Parquet 文件等。 Atlas Data Lake 须要付费层级集群利用，并启用备份。它支持从 Atlas 集群网络的快照作为提取数据的来源。该做事自动从快照中摄取数据，对其进行分区，并以针对剖析优化的格式存储。 数据存储和优化 Atlas Data Lake 将数据存储在 Parquet 文件中，这是一种基于开源标准的剖析导向格式，支持多态数据。Atlas Data Lake 的存储格式旨在最适宜其构造，许可快速进行点查询和聚合查询。对付点查询，存储格式通过更快地查找分区来提高性能。聚合类型查询仅扫描供应结果所需的列。 数据是完备托管的，分区级别索引，并随着增长而平衡。该做事优化了数据提取，以进行剖析类型查询，确保同等的性能，并通过在提取新数据时重新平衡现有文件，最小化数据扫描。此外，Atlas Data Lake 分区索引通过直接从分区索引返回结果而无需扫描底层文件，从而提高聚合查询的性能。 以下用例突出了 Atlas Data Lake 供应的实际运用和代价： 从操作集群中隔离剖析事情负载 利用 $out 为永劫光运行的聚合供应集群数据的同等视图 跨不同韶光点的集群数据版本进行查询和比较 如何利用 Atlas Data Lake 要开始利用 Atlas Data Lake，请实行以下步骤： 首先创建一个 Atlas Data Lake 管道。为此，您可以利用各种工具，包括 Atlas UI、Data Lake Pipelines API 或 Atlas CLI。 一旦您的管道就位，连续设置一个适宜您数据集的联合数据库实例。 连接到您的联合数据库实例，确保无缝访问您的数据。 运行针对您的 Data Lake 数据集的查询，挖掘弘大的信息库。 如往常一样，参考官方的 Atlas Data Federation 文档将供应详细的步骤和最佳实践，以增强您的体验。
存储在 Atlas Data Lake 中的数据可以与其他来源的数据集成，以进行联合剖析。对付此类集成，Atlas Data Federation 是首选工具。
Atlas Data Federation MongoDB Atlas Data Federation 是一个全面的数据集成工具，管理来自不同来源的数据上的操作。它是一个分布式查询引擎，许可您跨 MongoDB Atlas 内外的各种来源查询、转换和移动数据。此功能供应了一种无缝处理不同位置数据的办法，减少了数据管理的繁芜性。
Atlas Data Federation 现在可以在 Microsoft Azure 中支配，并且可以查询 Microsoft Azure Blob Storage。以前，Data Federation 只能支配在 AWS 托管的根本举动步伐上。然而，随着 Azure Blob Storage 的加入，Azure 用户现在可以跨多个来源查询和剖析他们的数据，形成一个统一的视图。
Atlas Data Federation 将 MongoDB Atlas 集群、Atlas Data Lake 和云存储中的数据组合成虚拟数据库和凑集。数据保留在原地并保持其原始格式。您可以通过跨各种数据存储的联合、并行查询快速获取数据洞察。查询结果可以直接发送到指定文件格式的 Atlas 集群、Atlas Data Lake、AWS S3 存储桶或 Azure Blob Storage 实例。
Data Federation 简化了丰富数据的利用。它许可您花更多韶光创造洞察，而不是管理根本举动步伐。它与 MongoDB Atlas 完备集成，供应了一个统一的数据平台，具有强大的聚合、本地工具和驱动程序、多种数据格式和按利用量付费的模型。
Atlas Data Federation 可以访问各种存储做事中的数据，包括跨 AWS 区域的 AWS S3 存储桶、Atlas 集群、HTTP 和 HTTPS URL，以及 Atlas Data Lake 数据集。您可以为联合数据库实例设置 RBAC，并掌握客户端如何连接到联合数据库实例。
数据处理 Atlas Data Federation 保留数据本地性并最大化本地打算，以最小化数据传输并优化性能。它在数据最近的区域供应一组弹性代理池，可以处理您的查询数据。
它不持久化系统内的数据。一旦处理完您的查询，它只存储联合数据库实例中的元数据。这确保了符合数据主权法规和法律哀求。这个特性减少了构建转换和丰富数据的聚合所花费的韶光和精力。它简化了与不同格式的数据一起利用时管道和 ETL 工具的繁芜性，更随意马虎为实时运用程序或下贱剖析天生洞察。
Data Federation 在底层存储做事上直接实行查询的某些部分，减少了移动的数据量，使过程更快、更便宜。它利用云工具存储的数据分区，并尽可能将查询推送到 Atlas 集群。对付 Atlas Data Lake 数据集，它利用分区索引加速查询。
关键特性 以下是 Atlas Data Federation 的一些关键特性：
轻松将 Atlas 数据转换为列式文件格式：Data Federation 许可将来自一个或多个集群的 Atlas 数据转换为列式文件格式。转换后的数据可以发送到 AWS S3，从而加快洞察并简化剖析工具的数据移动。 直接查询 Atlas 数据库和云工具存储：您可以利用单个 API 同时查询 Atlas 数据库和云工具存储。这使得强大的聚合可以细化数据集，这些数据集可以存储在 Atlas 数据库中，用于实时运用程序。 支持联合中的各种数据格式：Atlas Data Federation 支持多种数据格式，包括 JSON、BSON、CSV、TSV、Avro、ORC 和 Parquet。这许可您在原地对数据实行强大、模块化的聚合，并将结果保存到首选的存储层。 无做事器特性，轻松管理：Data Federation 的无做事器特性肃清了根本举动步伐设置和管理的须要。您可以通过几次点击创建云联合数据库，并立即开始查询。类似于按需做事，您只需为您运行的查询付费，并且只在积极与您的数据交互时付费。
如何利用 Atlas Data Federation 要开始利用 Atlas Data Federation，您可以在 Atlas UI 中通过几次点击创建联合数据库，与您的操作 Atlas 数据库并肩。设置联合数据库后，配置多个数据源至关主要。对付新用户来说，利用样本数据集可以是一个有益的出发点。此外，为了更流畅和自动化的方法，您也可以利用 Atlas CLI 来管理和与联合进行交互。这种灵巧性许可您选择最适宜您事情流程和专业知识的方法。
虽然 Atlas Data Federation 供应了一种无缝集成和剖析各种来源数据的办法，但另一个增强实时数据处理的功能是 Atlas Stream Processing。
Atlas Stream Processing（预览） 在数据处理和管理领域，高效处理流数据的能力变得至关主要。MongoDB Atlas Stream Processing 是一个变革性特性，许可您通过连续处理数据流构建事宜驱动的运用程序。这个特性为所有数据供应了统一的开拓体验，无论是在运动中还是静止状态。
随着 Atlas Stream Processing 的引入，MongoDB 在办理与事宜驱动运用程序干系的寻衅方面迈出了主要的一步。
操作机制 Atlas Stream Processing 供应了与关键数据的无缝连接，无论是通过 MongoDB 的变更流还是通过 Apache Kafka 等事宜流平台。它许可您轻松连接到各种平台，包括 Confluent Cloud、Amazon MSK、Redpanda、Azure Event Hubs 或利用 Kafka 协议的自管理 Kafka 实例。通过与原生 Kafka 驱动程序集成，它确保了低延迟性能。图 11.6 详细解释了这一点：
图 11.6：Atlas Stream Processing 与各种数据源接口
图 11.6 展示了 Atlas Stream Processing 如何许可在将数据存储在数据存储中之前，通过与 Apache Kafka 平分歧数据源接口，根据须要对数据进行过滤、路由和聚合。
关键特性 以下是 Atlas Stream Processing 的关键特性：
持续处理：通过利用 MongoDB 的聚合框架，Atlas Stream Processing 可以持续处理来自 Apache Kafka 等平台的数据流。这种实时处理能力使数据流能够立即查询、剖析和相应，肃清了批处理干系的延迟。
持续验证：Atlas Stream Processing 通过持续验证确保传入数据的完全性。它检讨事宜的形成，检测任何破坏，并识别可能错过了处理窗口的迟到数据。
持续合并：处理后的数据随后可以持续地物质化到在 Atlas 数据库凑集中掩护的视图中，这个过程可以类比为推送查询。运用程序可以利用 MongoDB 查询 API 或 Atlas SQL 接口通过拉取查询从视图中访问结果。对凑集的更新进行持续合并是一种极其高效的方法，用于掩护数据的最新剖析视图，可以支持自动化和手动决策和操作。除了物质化视图，您还可以选择将处理过的事宜发布回 Apache Kafka 等流系统。
设置流处理器 在 MongoDB Atlas 中利用 Atlas Stream Processing 创建流处理器涉及利用熟习的聚合管道语法。让我们考虑以下示例：
您首先须要为数据源定义一个聚合管道，验证以打消来自 localhost\127.0.0.1 的数据，创建一个翻滚窗口以每分钟对数据进行分组，并将处理后的数据合并到 MongoDB Atlas 中的凑集中。
接下来，利用您的管道 p 和 dlq 作为参数，创建一个名为 netattacks 的流处理器。这个过程将处理所需的处理，并利用去世信行列步队 (DLQ) 安全地存储任何无效数据，以便稍后检讨、调试或重新处理：
let p = [ { $source: { name: 'kafkaProd', topic: 'Nettraffic' } }, { $validate: { validator: { $expr: { $ne: ["$ip_source", "127.0.0.1"] } } } }, { $tumblingWindow: { interval: { size: Number(60), unit: "second" }, pipeline: [ { $group: { _id: "$ip_source", count_reset: { $sum: 1 } } } ] } }, { $merge: { name: 'AtlasCluster', db: 'ID', coll: "DDSattacks" } }];db.createStreamProcessor('netattacks', p, dlq);sp.netattacks.start();
让我们仔细看看前面代码的语法：
$source 阶段指定了数据的来源，即名为 Nettraffic 的 Kafka 主题。
$validate 阶段过滤掉任何 ip_source 是 127.0.0.1 的事宜。
$tumblingWindow 阶段将事宜分组到 60 秒的窗口中，对付每个窗口，它按 ip_source 对事宜进行分组并打算事宜数量。
$merge 阶段将结果输出到 AtlasCluster 中 ID 数据库的 DDSattacks 凑集。
末了，createStreamProcessor 函数用于创建流处理器，并调用 start 方法启动它。
在探索了 Atlas Stream Processing 的实时数据同步能力之后，您可能对更传统的查询方法感到好奇。让我们看看 Atlas SQL 接口，它供应了一种利用熟习的 SQL 语法与您的数据交互的强大办法。
Atlas SQL 接口 Atlas SQL 接口许可利用 SQL 与 MongoDB 进行通信。虽然 SQL 数据库凭借其构造化模式一贯是须要严格数据同等性的运用的传统选择，但在须要灵巧性和水平可扩展性的场景中，NoSQL 数据库（个中 MongoDB 是一个）已成为首选。MongoDB 通过推出 Atlas SQL 接口，为缩小这两种数据库之间的差距迈出了主要一步。像 MongoDB 这样的 NoSQL 数据库供应了传统 SQL 数据库常日无法与之竞争的灵巧性和可扩展性。 SQL 由于其大略性和广泛利用，仍旧是数据剖析的首选措辞。这创造了将 SQL 和 NoSQL 数据模型之间进行转换的工具的需求，使剖析师能够将他们现有的 SQL 专业知识和工具运用于 NoSQL 数据库。Atlas SQL 接口通过供应一种利用 SQL 查询和剖析 Atlas 数据的办法办理了这一需求。它利用了与 SQL-92 兼容、为 MongoDB 利用的文档模型设计的 MongoSQL 方言。这许可用户将他们现有的 SQL 知识运用于 MongoDB 数据。 Atlas SQL 接口还利用 Atlas Data Federation 功能，该功能许可跨多个 Atlas 集群和云存储系统（如 Amazon S3）进行查询。这使得以统一的办法剖析不同来源的数据成为可能。要查看此接口如何操作和连接，请参考图 11.7：
图 11.7：用于 SQL 查询的 Atlas SQL 接口
图 11.7 展示了 Atlas SQL 接口的实际运用，许可在 MongoDB 中利用 SQL 查询。它展示了利用 MongoDB SQL 驱动程序或 BI 工具的自定义连接器的连接过程，突出了无缝集成。
Atlas SQL 接口由以下元素组成：
联合数据库实例：这是指 Atlas Data Federation 的实例。这些实例中的每一个都包括与您的数据存储中的数据相对应的虚拟数据库和凑集。它还供应了一个 SQL 模式，并将 Atlas SQL 查询翻译在您的 BI 工具和您的 Atlas 数据之间。 自定义连接器或 SQL 驱动程序：自定义连接器或 SQL 驱动程序供应了一种传统的连接到 BI 工具的办法。如果您正在利用 BI 工具，主要的是要验证它支持的连接。 BI 工具：如 Power BI 或 Tableau 等可视化和报告工具。 这些连接器和驱动程序的关键好处之一是，它们供应了通过您喜好的 SQL 根本工具对 Atlas 数据进行一流的查询体验。这意味着您可以利用您习气的相同 SQL 查询和工具，但增加了 MongoDB 灵巧的文档模型和可扩展架构的好处。
如何利用 Atlas SQL 接口 通过 Atlas SQL 快速启动程序或设置您自己的联合数据库实例来激活 Atlas SQL 接口，后者默认激活 Atlas SQL。一旦激活了 Atlas SQL 接口，获取适当的 JDBC/ODBC 驱动程序或自定义 Power BI/Tableau 连接器，利用您喜好的 SQL 工具操作和查询您的文档数据。此外，Atlas SQL 接口利用 Atlas Data Federation 作为其查询引擎，许可跨各种 Atlas 数据库和其他资源（包括云存储桶和 HTTPS 端点）进行高效查询。
虽然 Atlas SQL 接口为查询您的数据供应了一种强大的方法，但您可能希望以更直不雅观的办法表示 Atlas 集群中的信息。为了最好地可视化存储在您的 Atlas 集群中的数据，您可以利用 MongoDB Atlas Charts。
MongoDB Atlas Charts MongoDB Atlas Charts 是一种当代数据可视化工具，许可从 MongoDB Atlas 轻松创建、共享和嵌入可视化效果。它是专为 MongoDB Atlas 设计的唯一本地数据可视化工具，供应了一种快速、大略、强大的可视化数据的方法。
无论是操作专用集群或无做事器实例，还是利用 Atlas Data Federation 从稠浊的 Atlas 和 S3 数据或在线归档中的归档数据中得到强大的洞察力，Atlas Charts 都适用于广泛的数据可视化用例，例如：
实时 BI：Atlas Charts 只需几次点击即可方便地创建动态可视化效果。默认情形下，Atlas 项目的所有支配都可用，仪表板可以配置为自动刷新，仪表板可以轻松地在团队中共享。这许可快速、轻松地得到实时业务洞察。 与 JSON 数据的直接交互：Atlas Charts 直接与 JSON 数据事情，简化了剖析事情流程。通过本地支持文档模型，减少了探求洞察的韶光，更多韶光用于做决策。这肃清了传统 BI 工具中将数据展平为表格构造的须要。 嵌入式剖析：通过在 Atlas Charts 中嵌入剖析，图表和仪表板可以嵌入到任何运用程序中。可以利用 iframe 快速嵌入图表，或者利用嵌入 SDK 进行更大掌握和定制。这将强大的洞察力和干系数据通报给须要它的用户。 增强的协作和集成：Atlas Charts 设计用于协作，使创建和共享安全仪表板变得随意马虎。它还与 MongoDB Atlas 集成，无需设置或 ETL，使 Atlas 中的所有数据快速可视化。 要查看实际运用情形，请查看图 11.8。您将看到来自 MongoDB 凑集的可视化数据，包括诸如电影数量、电影评分、Metacritic 均匀得分、按措辞分布的电影以及按十年的各种评论家和不雅观众评分比较等各个方面。这种高等概述供应了一种强大而直不雅观的办法来理解和剖析 MongoDB 电影凑集中的数据。
图 11.8：利用 Atlas Charts 更有效地可视化数据
Atlas Charts 供应了几种将数据可视化嵌入到运用程序中的方法。这些包括：
通过 iframe 嵌入：iframe 快速且易于利用。自定义选项包括大小、刷新间隔和显示主题选择。 通过 SDK 嵌入：利用 SDK 嵌入图表供应进一步的自定义选项，包括动态过滤器、大小和样式以及按需刷新。 利用 SDK 处理点击事宜：点击事宜处理器可用于构建嵌入式图表中的交互体验。点击图表中的元素可以打开有关所点击元素的更多详细信息，突出显示该元素，或为另一个图表创建过滤器。 利用 Atlas Charts，您还可以通过新推出的即用型计费仪表板轻松管理您的 Atlas 支出。您可以设计自己独特的仪表板，与您的优化策略对齐的图表，以简化洞察和共享。
图 11.9：Atlas 计费
MongoDB Atlas Charts 是从 MongoDB Atlas 创建、共享和嵌入数据可视化的最佳办法。它供应了丰富的 JSON 格式、与 Atlas 的无缝集成、嵌入式剖析以及共享和协作。
如何利用 Atlas Charts 按照以下概述的步骤利用 Atlas Charts：
在 MongoDB Atlas 中，导航到导航栏上的 Charts 选项。 在 Charts 页面上，点击右上角的 Add Dashboard 按钮并插入基本信息，包括标题和可能的简要描述。 设置好仪表板后，是时候利用图表构建器引入您的初始图表了，图表构建器是一个用户友好的拖放机制，可以快速创建图表。 选择您的数据源。 将您想要在图表中包含的字段纳入个中，并以定制结束。 值得把稳的是，图表构建器还使您能够编写、存储和分发查询和聚合管道。
利用 Atlas Charts，您可以快速可视化 Atlas 集群中的信息表示。不才一节中，我们将深入理解 Atlas Kubernetes Operator。
运营集成：Atlas Kubernetes Operator 当谈论运营集成时，一个突出的功能是 Atlas Kubernetes Operator。利用 CNCF 的 Operator Framework 构建的 Atlas Kubernetes Operator 是开源的。它与 Operator Lifecycle Manager 和 Service Catalog 集成，并支持经由认证的 Kubernetes 分布。
什么是 Atlas Kubernetes Operator？ 在 MongoDB 中，Atlas Kubernetes Operator 是一个做事，它将 Atlas 资源与 Kubernetes 集群集成。这许可您在具有安全企业平台集成的单个掌握平面中支配和管理须要数据做事的云原生运用程序的生命周期。
MongoDB Atlas Kubernetes Operator 利用自定义资源定义 (CRDs) 来管理 Atlas 配置。CRDs 是 Kubernetes API 的扩展，许可创建和配置 CRD 实例作为自定义资源。
这些自定义资源代表各种 MongoDB Atlas 实体及其配置。运营商监视这些自定义资源的变动，并将相应的变动运用于 MongoDB Atlas 资源。以下是 Atlas Kubernetes Operator 供应的关键 CRDs：
AtlasBackupPolicy：表示 MongoDB Atlas 备份策略，并促进 MongoDB Atlas 集群备份策略的管理 AtlasBackupSchedule：涉及 MongoDB Atlas 备份操持，并许可掌握 MongoDB Atlas 集群的备份操持 AtlasDatabaseUser：表示 MongoDB Atlas 数据库用户，并启用途理数据库用户、其角色及其对数据库和凑集的访问 AtlasDeployment：表示项目中的 MongoDB Atlas 支配。可以利用此资源定义 Atlas 支配的配置，包括 MongoDB 版本、实例大小和区域 AtlasProject：表示 MongoDB Atlas 项目，并许可直接从 Kubernetes 环境创建、配置和管理 Atlas 项目 AtlasTeam：指 MongoDB Atlas 团队，并促进 MongoDB Atlas 组织内团队的管理，包括团队成员及其角色 AtlasDataFederation：指 MongoDB Atlas 中联合数据库实例及其私有端点的配置 AtlasFederatedAuth：利用户能够在 Atlas 中配置联合身份验证
Atlas Kubernetes Operator 确保 Atlas 中的项目、数据库支配和数据库用户的状态与 Kubernetes 集群中创建的每个 AtlasProject、AtlasCluster 和 AtlasDatabaseUser 自定义资源中的配置相匹配。
主要的是要把稳，CRDs 优先于其他办法指定的设置，例如在 Atlas UI 中。如果删除自定义资源，除非利用注释跳过删除，否则 Atlas Kubernetes Operator 会从 Atlas 中删除相应的工具。这许可在管理 MongoDB Atlas 资源时得到 Kubernetes 本地体验。
如何利用 Atlas Kubernetes Operator 直接从 Kubernetes 环境创建 Atlas 集群是一个大略的过程。这涉及安装 MongoDB Helm 图表和 Atlas Kubernetes Operator。
要添加 MongoDB Helm 图表存储库，请实行以下命令：
helm repo add mongodb https://mongodb.github.io/helm-charts
随后，您可以利用以下命令安装 Atlas Kubernetes Operator：
helm install atlas-operator --namespace=atlas-operator --create-namespace mongodb/mongodb-atlas-operator
为确保在 Kubernetes 集群中成功安装并可用 Atlas Kubernetes 自定义资源，实行验证步骤。这一步至关主要，以确认资源已精确设置并准备好利用：
atlasbackuppolicies.atlas.mongodb .com2023-11-10T22:14:30Zatlasbackupschedules.atlas.mongodb .com2023-11-10T22:14:30Zatlasdatabaseusers.atlas.mongodb .com2023-11-10T22:14:31Zatlasdatafederations.atlas.mongodb .com2023-11-10T22:14:31Zatlasdeployments.atlas.mongodb .com2023-11-10T22:14:31Zatlasfederatedauths.atlas.mongodb .com2023-11-10T22:14:31Zatlasprojects.atlas.mongodb .com2023-11-10T22:14:31Zatlasteams.atlas.mongodb .com2023-11-10T22:14:31Z
验证后，可以通过 Helm 图表创建 Atlas 集群。可以利用以下命令启动 Helm 图表安装：
helm install atlas-deployment \mongodb/atlas-deployment \--namespace=my-book \--create-namespace \--set project.atlasProjectName='My Project' \--set atlas.orgId='<orgid>' \--set atlas.publicApiKey='<publicKey>' \--set atlas.privateApiKey='<privateApiKey>'
上述命令将安装 atlas-deployment 从 MongoDB 存储库到 my-book 命名空间（如果不存在，则将创建它），并为 Atlas 项目设置必要的参数。
把稳 还有一个针对 MongoDB Atlas 的 Terraform 供应程序，这里没有涵盖。您可以参照以下资源获取 Terraform 特定的辅导：https://www.mongodb.com/atlas/hashicorp-terraform
虽然 Atlas Kubernetes Operator 供应了与 Kubernetes 的无缝集成，但 MongoDB Atlas 套件中还有一个名为 Atlas CLI 的统一 CLI 工具，用于管理 MongoDB Atlas，包括 Atlas Search 和 Atlas Vector Search。
Atlas CLI MongoDB Atlas CLI 是一个强大的工具，旨在从终端与 MongoDB Atlas 数据库支配和 Atlas Search 交互。它许可您利用简短、直不雅观的命令在几秒钟内实行繁芜的数据库管理任务。
如何利用 Atlas CLI 查看 MongoDB 文档，以选择适宜您操作系统的安装方法：https://www.mongodb.com/docs/atlas/cli/stable。
Atlas CLI 的能力 Atlas CLI 旨在从命令行管理 MongoDB Atlas。只需一个命令，就可以快速开始：
该当运行 atlas setup 命令来配置 CLI 以利用 MongoDB Atlas 帐户。该命令辅导您完成注册、登录、设置默认配置文件、创建您的初始免费层级集群，并利用 MongoDB Shell 连接到它。
Atlas CLI 还供应了广泛的命令，用于管理 MongoDB Atlas 支配，包括创建和删除集群、管理数据库用户、配置网络访问等。例如：
atlas cluster list：列出所有 MongoDB Atlas 集群 atlas cluster get：检索有关特定 MongoDB Atlas 集群的详细信息 atlas cluster search：管理集群的 Atlas Search atlas dbusers create：为项目创建数据库用户 atlas accessList create：为项目创建 IP 访问列表条款
除了基本命令之外，Atlas CLI 供应了一系列高等功能来优化事情流程。通过学习各种 Atlas CLI 命令，所有繁芜任务，如扩展集群、管理备份和配置警报，都可以从命令行实行。
利用 atlas --help 显示 Atlas CLI 的所有功能。
在 2023 年，MongoDB 宣告利用 Atlas CLI，可以为测试或开拓目的在本地启动 Atlas 集群。Atlas CLI 为此利用了现成的 Podman 镜像。此镜像还包括 Atlas Search 和 Atlas Vector Search 等功能。要在交互模式下利用默认设置创建本地 Atlas 支配，请实行以下命令：
atlas deployments setup –type local
如果您想列出您的 Atlas 支配，请运行以下命令：
atlas deployments list
如果您已登录到 Atlas，您确当地和云 Atlas 支配都将可见。没有 Atlas 认证，只会显示您确当地支配。
总之，MongoDB Atlas CLI 是管理 MongoDB Atlas 支配的强大工具。它能够快速高效地实行繁芜的数据库管理任务。无论您是履历丰富的 MongoDB 开拓者还是刚开始利用 MongoDB Atlas，Atlas CLI 都是工具箱中的一个有代价的工具。
总结 MongoDB Atlas 是一个完备托管的开拓者数据平台，供应性能、安全性和灵巧性，适宜任何希望在云环境中利用 MongoDB 的组织。
它是一个为当代运用程序设计的综合数据管理平台。它处理各种数据类型，并且与多云兼容。在本章中，您理解了这个平台如何整合数据和运用做事，使运用程序开拓更加迅速。您还先容了新特性，包括 Atlas 向量搜索和 Atlas 流处理，这些特性有助于提高信息检索和数据流处理。
下一章将重点先容监控系统康健和性能的基本方面，以及有效的数据备份和规复策略和工具。
