Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
# Arquitecturas de integración
MongoDB Atlas se integra perfectamente con la Servicios de AWS mayoría, como se muestra en el siguiente diagrama.
![\[Integración entre MongoDB Atlas Servicios de AWS y, por categoría.\]](http://docs.aws.amazon.com/es_es/prescriptive-guidance/latest/migration-mongodb-atlas/images/integration-architecture.png)
En las siguientes secciones se describen las arquitecturas de referencia para integrar MongoDB Atlas AWS con Amazon SageMaker AI AWS AppSync, Amazon, Amazon Data Firehose y EventBridge Amazon Managed Streaming for Apache Kafka Kafka (Amazon MSK). Todas estas arquitecturas de referencia se basan en una red segura mediante el uso de funciones de IAM y las de IAM. AWS PrivateLink AWS KMS Para más información, consulte la [sección de mejores prácticas](best-practices.md) más adelante en esta guía.
**Topics**
+ [Integración de datos simplificada con AWS AppSync](data-integration.md)
+ [IA generativa con Amazon SageMaker AI JumpStart y MongoDB Atlas Vector Search](generative-ai.md)
+ [Arquitectura basada en eventos con Amazon EventBridge](event-driven.md)
+ [Flujo de datos con Amazon Data Firehose](data-streaming.md)
+ [Procesamiento en tiempo real con Amazon MSK](real-time-processing.md)
+ [Detección de fraudes con Amazon SageMaker AI Canvas](fraud-detection.md)
# Integración de datos simplificada con AWS AppSync
La integración de MongoDB Atlas con [AWS AppSync](https://aws.amazon.com/pm/appsync/) proporciona sincronización de datos sin interrupciones, interacciones en tiempo real y experiencias de usuario dinámicas El siguiente diagrama muestra un ejemplo de implementación.
![\[Integración de MongoDB Atlas AWS AppSync para la sincronización de datos.\]](http://docs.aws.amazon.com/es_es/prescriptive-guidance/latest/migration-mongodb-atlas/images/data-integration.png)
Aspectos más destacados:
+ Un punto de conexión de GraphQL unificado para múltiples orígenes de datos
+ Los subgráficos se administran de forma independiente
+ End-to-end arquitectura sin servidor
+ Resolución de conflictos mediante directivas de esquema
+ Escalado automático en función de los volúmenes de solicitudes de API
Para obtener más información, consulte la entrada del blog [Cómo crear gráficos avanzados basados en GraphQL con APIs MongoDB Atlas y combinados en el sitio web de MongoDB](https://www.mongodb.com/blog/post/how-build-advanced-graphql-based-apis-mongodb-atlas-aws-appsync-merged-apis). AWS AppSync APIs
# IA generativa con Amazon SageMaker AI JumpStart y MongoDB Atlas Vector Search
[Amazon SageMaker AIJump Start](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-jumpstart.html) proporciona modelos básicos de IA previamente entrenados, como Retrieval Augmented Generation (RAG) para aplicaciones de texto inteligentes. Puede combinarlo JumpStart con [MongoDB Atlas Vector](https://www.mongodb.com/products/platform/atlas-vector-search) Search, que permite consultas de similitud semántica en texto, imágenes y otros datos, para crear experiencias de búsqueda eficaces. Por ejemplo, sus desarrolladores pueden implementar una búsqueda semántica intuitiva en las conversaciones con los clientes mediante Atlas Vector Search y utilizar los modelos RAG de Amazon SageMaker AI para añadir resúmenes y traducciones interactivos, como se muestra en el siguiente diagrama.
![\[Integración de MongoDB Atlas con SageMaker Amazon AI para obtener capacidades generativas de IA.\]](http://docs.aws.amazon.com/es_es/prescriptive-guidance/latest/migration-mongodb-atlas/images/gen-ai.png)
Esto permite una variedad de casos de uso de búsquedas impulsados por la IA, como el soporte automatizado, la administración inteligente del contenido, el resumen del contenido y las recomendaciones mejoradas. Al implementar una búsqueda precisa e intuitiva con MongoDB y las capacidades generativas de SageMaker JumpStart Amazon, los desarrolladores pueden ofrecer rápidamente aplicaciones de búsqueda cognitiva impactantes.
Aspectos más destacados:
+ Casos de uso de chatbots empresariales
+ Compatibilidad para la arquitectura del modelo RAG
+ MongoDB Atlas Vector Search
+ Compatibilidad para incrustación 2K
+ Transferencia de datos segura
+ Reducción de la probabilidad de alucinaciones
Para obtener más información sobre esta implementación, consulte la entrada del AWS blog [Retrieval-Augmented Generation with, LangChain Amazon SageMaker AI JumpStart y MongoDB](https://aws.amazon.com/blogs/machine-learning/retrieval-augmented-generation-with-langchain-amazon-sagemaker-jumpstart-and-mongodb-atlas-semantic-search/) Atlas Semantic Search.
# Arquitectura basada en eventos con Amazon EventBridge
Puede integrar MongoDB Atlas con [ EventBridgeAmazon](https://aws.amazon.com/eventbridge/) para organizar los flujos de datos, permitir respuestas automatizadas y obtener información sobre las aplicaciones prácticamente en tiempo real. En el siguiente diagrama se muestra un ejemplo de la arquitectura de referencia.
![\[Integración de MongoDB Atlas con EventBridge Amazon para implementar una arquitectura basada en eventos.\]](http://docs.aws.amazon.com/es_es/prescriptive-guidance/latest/migration-mongodb-atlas/images/event-driven.png)
Aspectos más destacados:
+ Orquestación de eventos sin interrupciones
+ Capacidad de respuesta en tiempo real
+ Flujos de trabajos automáticos
+ Escalabilidad y agilidad
+ Información para la innovación
Para obtener más información sobre esta implementación, consulte la entrada del AWS blog [Ingesta de datos de MongoDB Atlas mediante Amazon](https://aws.amazon.com/blogs/compute/ingesting-mongodb-atlas-data-using-amazon-eventbridge/). EventBridge
# Flujo de datos con Amazon Data Firehose
Puede integrar MongoDB Atlas con [Amazon Data Firehose](https://aws.amazon.com/kinesis/data-firehose/) para transmitir, transformar y cargar datos de forma eficiente. Esta integración proporciona escalabilidad y entrega de datos automatizadas y en tiempo real para optimizar los análisis y la información. En el siguiente diagrama se muestra un ejemplo de la arquitectura de referencia.
![\[Integración de MongoDB Atlas con Amazon Data Firehose para implementar características de flujo de datos.\]](http://docs.aws.amazon.com/es_es/prescriptive-guidance/latest/migration-mongodb-atlas/images/data-streaming.png)
Aspectos más destacados:
+ Evolución del esquema dinámico
+ Flujo de datos continuo
+ Análisis mejorados
+ Escalabilidad y agilidad
+ Entrega de datos confiable
Para obtener más información, consulte la entrada del AWS blog [Integrating MongoDB Application Data Platform with Amazon Data Firehose](https://aws.amazon.com/blogs/big-data/integrating-the-mongodb-cloud-with-amazon-kinesis-data-firehose/).
# Procesamiento en tiempo real con Amazon MSK
Puede integrar MongoDB Atlas con [Amazon Managed Streaming para Apache Kafka (Amazon MSK)](https://aws.amazon.com/msk/) para mejorar el procesamiento de datos en tiempo real. Puede crear arquitecturas sólidas basadas en eventos mediante el uso de las capacidades de flujo de Amazon MSK con el modelo de documentos de MongoDB para aplicaciones ágiles y ricas en datos. El siguiente diagrama ilustra una arquitectura de referencia de ejemplo.
![\[Integración de MongoDB Atlas con Amazon MSK para mejorar el procesamiento de datos en tiempo real.\]](http://docs.aws.amazon.com/es_es/prescriptive-guidance/latest/migration-mongodb-atlas/images/real-time-processing.png)
Aspectos más destacados:
+ Integración de eventos sin problemas
+ Agilidad basada en eventos
+ Información en tiempo real
+ Análisis basados en aplicaciones
+ Flujos de datos altamente escalables
Para obtener más información e instrucciones de step-by-step implementación, consulte la entrada del AWS blog [Cree una canalización de streaming sin servidor con Amazon EMR Serverless, Amazon MSK Connect](https://aws.amazon.com/blogs/big-data/build-a-serverless-streaming-pipeline-with-amazon-msk-serverless-amazon-msk-connect-and-mongodb-atlas/) y MongoDB Atlas.
# Detección de fraudes con Amazon SageMaker AI Canvas
Puede integrar MongoDB Atlas con [ SageMaker Amazon AI](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas.html) Canvas para crear un potente sistema de detección de fraudes que combine el análisis de datos en tiempo real con el aprendizaje automático avanzado para ayudar a detectar y prevenir actividades fraudulentas.
En el siguiente diagrama se muestra una arquitectura de referencia de ejemplo para la detección de fraude.
![\[Integración de MongoDB Atlas con SageMaker Amazon AI Canvas para implementar la detección de fraudes.\]](http://docs.aws.amazon.com/es_es/prescriptive-guidance/latest/migration-mongodb-atlas/images/fraud-detection.png)
(El diagrama se adaptó con permiso del sitio web de [MongoDB](https://www.mongodb.com/resources/products/unmasking-deception-harnessing-power-atlas-amazon-sage-maker-canvas-fraud-detection).)
Para obtener más información, consulte la entrada del [blog de MongoDB Unmasking Deception: Harnessing the Power of MongoDB Atlas y Amazon AI](https://www.mongodb.com/resources/products/unmasking-deception-harnessing-power-atlas-amazon-sage-maker-canvas-fraud-detection) Canvas for Fraud Detection. SageMaker