共计 3008 个字符，预计需要花费 8 分钟才能阅读完成。
日前，MongoDB 发表推出 Atlas Stream Processing 公共预览版。
在 Atlas 平台上有趣味尝试这项性能的开发者都享有齐全的拜访权限，可返回“浏览原文”链接点击理解更多详细信息或立刻开始应用。
开发者喜爱文档型数据库的灵活性、易用性以及 Query API 查问形式，可能在 MongoDB Atlas 中以代码形式解决数据。借助 Atlas Stream Processing，MongoDB 将这些雷同的根本准则利用于流解决中。
Atlas Stream Processing 于 2023 年美国纽约 MongoDB 用户大会上首次推出，它旨在重塑聚合和丰盛疾速变动的事件数据流的体验，并对立了解决流数据和静态数据的办法。
在内测阶段，MongoDB 收到数千个开发团队对于心愿获取拜访权限的申请，并且从数百个参加团队中收集了有价值的反馈意见。其中一些用例包含：
● 某寰球当先的航空公司利用简单的聚合技术，疾速解决保护和经营数据，以确保航班可能准时腾飞和达到，满足成千上万名乘客的需要；
● 某大型能源设施制造商应用 Atlas Stream Processing 来间断监控泵设施的海量数据，以防止意外停机并晋升运行成果；
● 某创新型企业“软件即服务”（SaaS）提供商充分利用 Atlas Stream Processing 中丰盛的解决性能来及时提供蕴含背景信息的产品内警报，从而晋升产品参与度。
这些用例仅仅是 MongoDB 在各行各业中察看到的 Atlas Stream Processing 泛滥利用实例中的一小部分。
除了 MongoDB 察看到的泛滥用例外，开发者也向 MongoDB 提供了丰盛的见解，使 MongoDB 理解到他们心愿将来 Atlas Stream Processing 应增加哪些性能。
除了通过变更流在 Atlas 数据库中实现对数据的继续解决之外，许多开发者正在将 Atlas Stream Processing 与 Kafka 数据联合应用，这些 Kafka 数据被托管在 Confluent Cloud、Amazon MSK、Azure Event Hubs 和 Redpanda 等重要合作伙伴提供的服务中。在 Atlas 开发者数据平台性能方面，MongoDB 的指标始终是为开发者所依赖的关键技术提供更好的体验。
随着应用团队数量的减少，MongoDB 正在扩大性能，以便将在内测阶段收集到的呼声最高的反馈意见纳入其中。
通过梳理大量的反馈意见，MongoDB 从中总结出了三个独特的主题：晋升开发者体验、扩大高级个性和性能、改善运行和加强安全性。
MongoDB 在内测阶段就将开发者体验置于外围地位，这对于促使 Atlas Stream Processing 成为开发团队的首选解决方案至关重要。在公共预览版中，MongoDB 更重视晋升开发者的体验，为此 MongoDB 减少了两项增强型性能。
● VS Code 集成。MongoDB VS Code 插件减少了对连贯流解决实例的反对。对于那些曾经应用了该插件的开发者而言，随着这项新性能的引入，团队可能在相熟的开发环境中轻松地创立和治理处理器。这象征开发者不再须要频繁切换工具，而能够将更多工夫用来构建应用程序！
● 改良死信队列（DLQ）性能。DLQ 反对是实现弱小流解决性能的要害因素，在公开预览版中，MongoDB 进一步扩大了 DLQ 性能。当初，当应用 sp.process() 来执行管道操作以及在运行中的处理器上运行.sample() 时，DLQ 音讯将主动显示，这样能够简化开发工作，而无需设置指标汇合来充当 DLQ。
Atlas Stream Processing 本来就曾经反对很多罕用的聚合操作符，这些操作符在静态数据 Query API 查问中常常被开发者所应用。而且 MongoDB 还减少了弱小的窗口性能，以及可轻松合并数据并将其发送到 Atlas 数据库或 Kafka 主题的性能。
公开预览版将提供更多功能，以满足那些依附流解决来提供卓越客户体验的先进团队的需要，包含：
● 工夫序列汇合反对。Atlas Stream Processing 现已反对将处理器的处理结果发送到工夫序列汇合中。这使得开发者可能通过 Atlas Stream Processing 间断地对数据进行预处理，并且将数据保留下来以便未来在工夫序列汇合中进行回顾拜访（工夫序列汇合是 Atlas 平台上专为高效存储和查问工夫序列数据而构建的一种汇合类型）。
● $lookup 操作符。 当初，开发者能够通过应用近程 Atlas 集群的数据，对流处理器中正在解决的文档以及指标汇合中的字段进行连贯，从而丰盛流处理器中正在解决的文档。
● 变更流变更前后文档信息的存储。 许多开发者正在应用 Atlas Stream Processing 通过变更流继续解决 Atlas 数据库（作为源）中的数据。MongoDB 在公共预览中加强了变更流 $source 变量，以反对变更前和变更后文档信息的存储。这一性能使得开发者可能解决一些常见的用例，包含计算文档中字段之间的增量或差别，以及拜访已删除文档的残缺内容等。
● 在合并和收回阶段应用动静表达式进行条件路由。 通过条件路由，开发者能够应用 Atlas Stream Processing 正在解决的文档中的字段值，动静地将特定的音讯发送到不同的 Atlas 汇合或 Kafka 主题。当初 $merge 和 $emit 阶段也反对应用动静表达式。基于此，用户能够依据需要，在须要将信息散发到不同汇合或主题的用例中应用 Query API 查问。
● 闲暇流超时。 当初，用户能够对那些因不足传入数据导致水印无奈更新的流进行配置，在特定时间段后敞开这些数据流，并输入窗口后果。这对于解决数据流不统一的流媒体源来说至关重要。
最初，在最近几个月，MongoDB 加大投入力度，改善 Atlas Stream Processing 的运行和平安。其中一些亮点包含：
● 检查点。目前，Atlas Stream Processing 通过执行检查点的形式，在解决数据流过程中保留状态信息。因为流处理器处于继续运行状态，无论呈现数据问题还是基础设施故障，都须要一种智能的复原机制来确保它可能继续牢靠地运行。通过采纳检查点机制，用户能够轻松地从进行收集和解决数据的地位复原流处理器的失常运行。
● Terraform 提供商反对。Terraform 目前反对创立连贯和流解决实例（SPI）。这样能够将基础架构编写为可反复部署的代码。
● 平安角色。Atlas Stream Processing 引入了我的项目级角色，为用户提供了执行流解决工作所需的残缺权限。流处理器可能在特定角色的环境下运行，反对最低权限的配置选项。
● Kafka 消费者群组反对。Atlas Stream Processing 中的流处理器当初采纳 Kafka 消费者群组来进行偏移跟踪。得益于此，用户能够轻松地调整处理器在流操作中的地位，并实时监控潜在的处理器提早状况。
对于新性能的最初一点阐明是，MongoDB 打算在 Atlas Stream Processing 的公开预览版中，开始依照促销价格收取费用，直至可宽泛应用的版本正式公布。更多对于 Atlas Stream Processing 价格的详细信息，请参阅 MongoDB 的相干文档。
对 MongoDB 而言，公共预览版的推出是重要的一步，它标记着 MongoDB 的开发者数据平台失去了扩大，为更多团队提供了流解决解决方案。该解决方案旨在简化构建反应式、响应式和事件驱动型应用程序的操作复杂性，同时晋升开发者的体验。
