Atlas Stream Processing est désormais disponible !

Nous sommes ravis d’annoncer qu’Atlas Stream Processing, la méthode native MongoDB pour traiter les données de streaming, est désormais disponible, permettant aux développeurs de créer rapidement des applications réactives et pilotées par les événements !

Notre équipe a passé les deux dernières années à définir une vision et à créer un produit qui s’appuie sur les atouts de MongoDB pour surmonter les défis difficiles du traitement de la diffusion. Après une décennie passée à créer des produits de traitement de diffusion en dehors de MongoDB, nous utilisons tout ce qui rend MongoDB unique et différencié (la Query API et un puissant framework d’agrégation, ainsi que le document model et sa flexibilité de schéma) pour créer une expérience de développement exceptionnelle.

Il s’agit d’une nouvelle approche du traitement de la diffusion, et d’après les commentaires de nombreux membres de notre communauté, c’est la meilleure méthode pour la plupart des développeurs.

Passons aux nouveautés.

Quoi de neuf avec la disponibilité générale ?

1. Préparation à la production :
   prêt à prendre en charge vos charges de travail de production, garantissant un traitement de diffusion fiable et évolutif pour vos applications critiques.

2. Prise en charge des collections de time-series :
   émettez les résultats du processeur dans les collections de séries temporelles. Prétraitez les données en continu tout en les sauvegardant pour un accès historique ultérieur dans un type de collection disponible dans MongoDB Atlas et spécialement conçu pour stocker et interroger efficacement les données de time-series.

3. Niveaux de développement et de production :
   outre le niveau de cluster SP30 disponible lors de l’aperçu public, nous introduisons un niveau SP10 pour offrir une flexibilité et une option rentable pour les cas d’utilisation exploratoires et les charges de travail de traitement de diffusion à faible trafic.

4. Prise en charge Kafka améliorée :
   la prise en charge supplémentaire des en-têtes Kafka permet aux applications de fournir des métadonnées supplémentaires aux côtés des données d’événement. Ils sont utiles pour divers cas d’utilisation de traitement de diffusion (par exemple, le routage des messages, le traitement conditionnel, etc.).

5. Accès au moindre privilège :
   les utilisateurs de la base de données Atlas peuvent accorder l’accès aux instances de traitement de diffusion et n’autoriser l’accès qu’à ceux qui en ont besoin.

6. Alertes des processeurs de diffusion :
   obtenez des informations et une visibilité sur l’état de santé de vos processeurs de diffusion en créant des alertes en cas de panne. Les méthodes d’alerte prises en charge incluent le courrier électronique, les SMS, les plateformes de surveillance telles que Datadog, etc.

Pourquoi Atlas Stream Processing ?

Atlas Stream Processing apporte la puissance et la flexibilité du document model et de la Query API de MongoDB dans le monde complexe du traitement de la diffusion. Avec Atlas Stream Processing, les développeurs peuvent :

• Gérer sans effort des structures de données complexes et en évolution rapide

• Utiliser la MongoDB Query API pour traiter les données en streaming

• S’intégrer de manière transparente avec MongoDB Atlas

• Bénéficier d’un service entièrement géré qui élimine les frais opérationnels

Témoignages des clients

Lisez ce que les développeurs disent à propos d’Atlas Stream Processing :

Quelle est la suite pour Atlas Stream Processing ?

Nous introduisons rapidement de nouvelles fonctionnalités pour garantir que MongoDB offre une expérience de traitement de diffusion de classe mondiale à toutes les équipes de développement. Au cours des prochains mois, vous pouvez vous attendre à profiter des éléments suivants :

1. Prise en charge réseau avancée :
   prise en charge du peering VPC vers les clusters Kafka pour les équipes nécessitant des capacités réseau supplémentaires

2. Prise en charge étendue des régions cloud :
   prise en charge de toutes les régions cloud disponibles dans Atlas Data Federation

3. Prise en charge étendue des fournisseurs de cloud :
   prise en charge de Microsoft Azure

4. Prise en charge étendue des sources et des puits de données :
   nous n’annonçons pas encore de détails sur les sources et les puits supplémentaires, mais nous prévoyons de nous étendre au-delà des bases de données Kafka et Atlas dans les mois à venir. Indiquez-nous les sources et les puits dont vous avez besoin, et nous en tiendrons compte dans notre programme.

5. Des indicateurs et une observabilité plus riches : prise en charge d’une visibilité accrue sur les processeurs de diffusion afin de simplifier la surveillance et le dépannage

6. Flexibilité de déploiement avec Terraform :
   prise en charge de la gestion des instances Atlas Stream Processing et des connexions au registre Atlas Stream avec Terraform. Cette intégration permet de mettre en place un pipeline CI/CD transparent, améliorant l’efficacité opérationnelle avec l’infrastructure en tant que code. Soyez à l’affût d’un blog dédié sur la façon de démarrer avec Atlas Stream Processing et Terraform.

Ainsi, que vous cherchiez à traiter les données de capteurs à haute vitesse, à analyser en continu les données client pour offrir des expériences personnalisées ou à effectuer une maintenance prédictive pour augmenter les rendements et réduire les coûts, Atlas Stream Processing est là pour vous. Rejoignez les centaines d’équipes de développement déjà constituées avec Atlas Stream Processing. Restez à l’affût des nouveautés qui arrivent, et bonne chance dans votre construction !