Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Arsitektur integrasi
<a name="architecture"></a>

MongoDB Atlas terintegrasi mulus dengan Layanan AWS sebagian besar, seperti yang ditunjukkan pada diagram berikut.

![\[Integrasi antara MongoDB Atlas Layanan AWS dan, berdasarkan kategori.\]](http://docs.aws.amazon.com/id_id/prescriptive-guidance/latest/migration-mongodb-atlas/images/integration-architecture.png)


Bagian berikut menjelaskan arsitektur referensi untuk mengintegrasikan Atlas MongoDB AWS AppSync dengan, Amazon AI, Amazon, AWS Amazon SageMaker Data Firehose, dan Amazon EventBridge Managed Streaming for Apache Kafka (Amazon MSK). Semua arsitektur referensi ini dibangun di atas jaringan aman dengan menggunakan AWS PrivateLink, AWS KMS, dan peran IAM. Untuk informasi selengkapnya, lihat [bagian Praktik terbaik](best-practices.md) nanti di panduan ini.

**Topics**
+ [Integrasi data yang efisien dengan AWS AppSync](data-integration.md)
+ [AI Generatif dengan Amazon SageMaker AI JumpStart dan MongoDB Atlas Vector Search](generative-ai.md)
+ [Arsitektur berbasis acara dengan Amazon EventBridge](event-driven.md)
+ [Streaming data dengan Amazon Data Firehose](data-streaming.md)
+ [Pemrosesan waktu nyata dengan Amazon MSK](real-time-processing.md)
+ [Deteksi penipuan dengan Amazon SageMaker AI Canvas](fraud-detection.md)

# Integrasi data yang efisien dengan AWS AppSync
<a name="data-integration"></a>

Mengintegrasikan MongoDB Atlas [AWS AppSync](https://aws.amazon.com/pm/appsync/)dengan menyediakan sinkronisasi data yang mulus, interaksi waktu nyata, dan pengalaman pengguna yang dinamis dan responsif. Diagram berikut menunjukkan contoh implementasi. 

![\[Mengintegrasikan MongoDB AWS AppSync Atlas dengan untuk sinkronisasi data.\]](http://docs.aws.amazon.com/id_id/prescriptive-guidance/latest/migration-mongodb-atlas/images/data-integration.png)


Sorotan utama:
+ Titik akhir GraphQL terpadu untuk beberapa sumber data
+ Sub-grafik dikelola secara independen
+ End-to-end arsitektur tanpa server
+ Resolusi konflik dengan menggunakan arahan skema
+ Penskalaan otomatis berdasarkan volume permintaan API

Untuk informasi lebih lanjut, lihat posting blog [Cara Membangun Advanced GraphQL berbasis With APIs MongoDB Atlas dan Digabungkan di situs web MongoDB](https://www.mongodb.com/blog/post/how-build-advanced-graphql-based-apis-mongodb-atlas-aws-appsync-merged-apis). AWS AppSync APIs

# AI Generatif dengan Amazon SageMaker AI JumpStart dan MongoDB Atlas Vector Search
<a name="generative-ai"></a>

[Amazon SageMaker AIJump Start](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-jumpstart.html) menyediakan model foundation AI pra-terlatih seperti Retrieval Augmented Generation (RAG) untuk aplikasi teks cerdas. Anda dapat menggabungkan JumpStart dengan [MongoDB Atlas Vector](https://www.mongodb.com/products/platform/atlas-vector-search) Search, yang memungkinkan kueri kesamaan semantik pada teks, gambar, dan data lainnya, untuk membangun pengalaman pencarian yang hebat. Misalnya, pengembang Anda dapat menerapkan pencarian semantik intuitif melalui percakapan pelanggan dengan menggunakan Atlas Vector Search, dan menggunakan model Amazon SageMaker AI RAG untuk menambahkan ringkasan dan terjemahan interaktif, seperti yang diilustrasikan dalam diagram berikut. 

![\[Mengintegrasikan MongoDB Atlas dengan SageMaker Amazon AI, untuk kemampuan AI generatif.\]](http://docs.aws.amazon.com/id_id/prescriptive-guidance/latest/migration-mongodb-atlas/images/gen-ai.png)


Ini membuka berbagai kasus penggunaan pencarian berbasis AI, termasuk dukungan otomatis, manajemen konten cerdas, ringkasan konten, dan rekomendasi yang disempurnakan. Dengan menerapkan pencarian presisi intuitif dengan MongoDB dan kemampuan generatif dari SageMaker JumpStart Amazon, pengembang dapat dengan cepat memberikan aplikasi pencarian kognitif yang berdampak. 

Sorotan utama:
+ Kasus penggunaan chatbot perusahaan
+ Support untuk arsitektur model RAG
+ Pencarian Vektor MongoDB Atlas
+ Support untuk Penyematan 2K
+ Transfer data aman
+ Mengurangi kemungkinan halusinasi

Untuk informasi lebih lanjut tentang implementasi ini, lihat posting AWS blog [Retrieval-Augmented Generation with, LangChain Amazon AI SageMaker , JumpStart dan MongoDB](https://aws.amazon.com/blogs/machine-learning/retrieval-augmented-generation-with-langchain-amazon-sagemaker-jumpstart-and-mongodb-atlas-semantic-search/) Atlas Semantic Search.

# Arsitektur berbasis acara dengan Amazon EventBridge
<a name="event-driven"></a>

Anda dapat mengintegrasikan MongoDB Atlas dengan [ EventBridgeAmazon](https://aws.amazon.com/eventbridge/) untuk mengatur aliran data, mengaktifkan respons otomatis, dan mendapatkan wawasan hampir real-time untuk aplikasi. Diagram berikut menunjukkan contoh arsitektur referensi. 

![\[Mengintegrasikan MongoDB Atlas dengan EventBridge Amazon untuk mengimplementasikan arsitektur berbasis peristiwa.\]](http://docs.aws.amazon.com/id_id/prescriptive-guidance/latest/migration-mongodb-atlas/images/event-driven.png)


Sorotan utama:
+ Orkestrasi acara yang mulus
+ Responsif waktu nyata
+ Alur kerja otomatis
+ Skalabilitas dan kelincahan
+ Wawasan untuk Inovasi

Untuk informasi lebih lanjut tentang implementasi ini, lihat posting AWS blog [Menelan data MongoDB Atlas](https://aws.amazon.com/blogs/compute/ingesting-mongodb-atlas-data-using-amazon-eventbridge/) menggunakan Amazon. EventBridge

# Streaming data dengan Amazon Data Firehose
<a name="data-streaming"></a>

Anda dapat mengintegrasikan MongoDB Atlas dengan [Amazon Data Firehose](https://aws.amazon.com/kinesis/data-firehose/) untuk melakukan streaming, mengubah, dan memuat data secara efisien. Integrasi ini menyediakan pengiriman data secara otomatis dan real-time serta skalabilitas untuk analitik dan wawasan yang dioptimalkan. Diagram berikut menunjukkan contoh arsitektur referensi. 

![\[Mengintegrasikan MongoDB Atlas dengan Amazon Data Firehose, untuk mengimplementasikan fitur streaming data.\]](http://docs.aws.amazon.com/id_id/prescriptive-guidance/latest/migration-mongodb-atlas/images/data-streaming.png)


Sorotan utama:
+ Evolusi skema dinamis
+ Streaming data berkelanjutan
+ Analisis yang disempurnakan
+ Skalabilitas dan kelincahan
+ Pengiriman data yang andal

Untuk informasi selengkapnya, lihat posting AWS blog [Mengintegrasikan Platform Data Aplikasi MongoDB dengan Amazon Data Firehose](https://aws.amazon.com/blogs/big-data/integrating-the-mongodb-cloud-with-amazon-kinesis-data-firehose/).

# Pemrosesan waktu nyata dengan Amazon MSK
<a name="real-time-processing"></a>

Anda dapat mengintegrasikan MongoDB Atlas dengan [Amazon Managed Streaming for Apache Kafka Kafka (Amazon](https://aws.amazon.com/msk/) MSK) meningkatkan pemrosesan data waktu nyata. Anda dapat membangun arsitektur yang kuat dan didorong oleh peristiwa dengan menggunakan kemampuan streaming di Amazon MSK dengan model dokumen MongoDB untuk aplikasi yang gesit dan kaya data. Diagram berikut menggambarkan arsitektur referensi contoh. 

![\[Mengintegrasikan MongoDB Atlas dengan Amazon MSK, untuk meningkatkan pemrosesan data real-time.\]](http://docs.aws.amazon.com/id_id/prescriptive-guidance/latest/migration-mongodb-atlas/images/real-time-processing.png)


Sorotan utama:
+ Integrasi acara yang mulus
+ Kelincahan yang digerakkan oleh peristiwa
+ Wawasan waktu nyata
+ Analisis berbasis aplikasi
+ Aliran data yang sangat skalabel

Untuk detail dan petunjuk step-by-step implementasi, lihat posting AWS blog [Membangun saluran streaming tanpa server dengan Amazon EMR Tanpa Server, Amazon MSK Connect, dan MongoDB](https://aws.amazon.com/blogs/big-data/build-a-serverless-streaming-pipeline-with-amazon-msk-serverless-amazon-msk-connect-and-mongodb-atlas/) Atlas.

# Deteksi penipuan dengan Amazon SageMaker AI Canvas
<a name="fraud-detection"></a>

Anda dapat mengintegrasikan MongoDB Atlas dengan [ SageMaker Amazon AI](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas.html) Canvas untuk membangun sistem deteksi penipuan yang kuat yang menggabungkan analisis data real-time dengan pembelajaran mesin canggih untuk membantu mendeteksi dan mencegah aktivitas penipuan.

Diagram berikut menunjukkan contoh arsitektur referensi untuk mendeteksi penipuan. 

![\[Mengintegrasikan MongoDB Atlas dengan SageMaker Amazon AI Canvas, untuk menerapkan deteksi penipuan.\]](http://docs.aws.amazon.com/id_id/prescriptive-guidance/latest/migration-mongodb-atlas/images/fraud-detection.png)


(Diagram diadaptasi dengan izin dari situs web [MongoDB](https://www.mongodb.com/resources/products/unmasking-deception-harnessing-power-atlas-amazon-sage-maker-canvas-fraud-detection).)

Untuk informasi lebih lanjut, lihat [posting blog MongoDB Membuka Kedok Penipuan: Memanfaatkan Kekuatan MongoDB Atlas dan Amazon AI Canvas untuk Deteksi Penipuan](https://www.mongodb.com/resources/products/unmasking-deception-harnessing-power-atlas-amazon-sage-maker-canvas-fraud-detection). SageMaker