Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# Architetture di integrazione
MongoDB Atlas si integra perfettamente con la Servizi AWS maggior parte, come mostrato nel diagramma seguente.
![\[Integrazione tra MongoDB Atlas Servizi AWS e, per categoria.\]](http://docs.aws.amazon.com/it_it/prescriptive-guidance/latest/migration-mongodb-atlas/images/integration-architecture.png)
Le seguenti sezioni descrivono le architetture di riferimento su cui integrare MongoDB Atlas con AWS Amazon AI, Amazon, AWS AppSync Amazon Data Firehose e SageMaker Amazon Managed EventBridge Streaming for Apache Kafka (Amazon MSK). Tutte queste architetture di riferimento sono costruite su una rete sicura utilizzando ruoli IAM. AWS PrivateLink AWS KMS Per ulteriori informazioni, consulta la [sezione Best practice](best-practices.md) più avanti in questa guida.
**Topics**
+ [Integrazione semplificata dei dati con AWS AppSync](data-integration.md)
+ [AI generativa con Amazon SageMaker AI JumpStart e MongoDB Atlas Vector Search](generative-ai.md)
+ [Architettura basata sugli eventi con Amazon EventBridge](event-driven.md)
+ [Streaming di dati con Amazon Data Firehose](data-streaming.md)
+ [Elaborazione in tempo reale con Amazon MSK](real-time-processing.md)
+ [Rilevamento delle frodi con Amazon SageMaker AI Canvas](fraud-detection.md)
# Integrazione semplificata dei dati con AWS AppSync
L'integrazione di MongoDB Atlas [AWS AppSync](https://aws.amazon.com/pm/appsync/)offre una perfetta sincronizzazione dei dati, interazioni in tempo reale ed esperienze utente dinamiche e reattive. Il diagramma seguente mostra un esempio di implementazione.
![\[Integrazione di MongoDB Atlas AWS AppSync con per la sincronizzazione dei dati.\]](http://docs.aws.amazon.com/it_it/prescriptive-guidance/latest/migration-mongodb-atlas/images/data-integration.png)
Punti salienti principali:
+ Un endpoint GraphQL unificato per più fonti di dati
+ Sottografi gestiti in modo indipendente
+ End-to-end architettura serverless
+ Risoluzione dei conflitti utilizzando le direttive dello schema
+ Scalabilità automatica basata sui volumi di richieste API
Per ulteriori informazioni, consulta il post del blog [How to Build Advanced GraphQL based with APIs MongoDB Atlas and Merged sul sito Web MongoDB](https://www.mongodb.com/blog/post/how-build-advanced-graphql-based-apis-mongodb-atlas-aws-appsync-merged-apis). AWS AppSync APIs
# AI generativa con Amazon SageMaker AI JumpStart e MongoDB Atlas Vector Search
[Amazon SageMaker AIJump Start](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-jumpstart.html) fornisce modelli di base di intelligenza artificiale preaddestrati come Retrieval Augmented Generation (RAG) per applicazioni di testo intelligenti. Puoi combinarlo JumpStart con [MongoDB Atlas Vector](https://www.mongodb.com/products/platform/atlas-vector-search) Search, che consente query di somiglianza semantica su testo, immagini e altri dati, per creare potenti esperienze di ricerca. Ad esempio, i tuoi sviluppatori possono implementare la ricerca semantica intuitiva sulle conversazioni con i clienti utilizzando Atlas Vector Search e utilizzare i modelli Amazon SageMaker AI RAG per aggiungere riepiloghi e traduzioni interattivi, come illustrato nel diagramma seguente.
![\[Integrazione di MongoDB Atlas con SageMaker Amazon AI, per funzionalità di intelligenza artificiale generativa.\]](http://docs.aws.amazon.com/it_it/prescriptive-guidance/latest/migration-mongodb-atlas/images/gen-ai.png)
Ciò consente di sbloccare una varietà di casi d'uso della ricerca basata sull'intelligenza artificiale, tra cui supporto automatizzato, gestione intelligente dei contenuti, riepilogo dei contenuti e consigli avanzati. Implementando la ricerca di precisione intuitiva con MongoDB e le funzionalità generative di SageMaker JumpStart Amazon, gli sviluppatori possono fornire rapidamente applicazioni di ricerca cognitiva di grande impatto.
Punti salienti principali:
+ Casi d'uso dei chatbot aziendali
+ Support per l'architettura del modello RAG
+ Ricerca vettoriale MongoDB Atlas
+ Support per 2K Embedding
+ Trasferimento sicuro dei dati
+ Ridotta probabilità di allucinazioni
Per ulteriori informazioni su questa implementazione, consulta il post del AWS blog [Retrieval-Augmented Generation with SageMaker , LangChain Amazon AI JumpStart e MongoDB](https://aws.amazon.com/blogs/machine-learning/retrieval-augmented-generation-with-langchain-amazon-sagemaker-jumpstart-and-mongodb-atlas-semantic-search/) Atlas Semantic Search.
# Architettura basata sugli eventi con Amazon EventBridge
Puoi integrare MongoDB Atlas con [ EventBridgeAmazon](https://aws.amazon.com/eventbridge/) per orchestrare i flussi di dati, abilitare risposte automatiche e ottenere informazioni quasi in tempo reale per le applicazioni. Il diagramma seguente mostra un esempio di architettura di riferimento.
![\[Integrazione di MongoDB Atlas con EventBridge Amazon per implementare un'architettura basata sugli eventi.\]](http://docs.aws.amazon.com/it_it/prescriptive-guidance/latest/migration-mongodb-atlas/images/event-driven.png)
Punti salienti principali:
+ Orchestrazione degli eventi senza interruzioni
+ Reattività in tempo reale
+ Flussi di lavoro automatizzati
+ Scalabilità e agilità
+ Approfondimenti per l'innovazione
Per ulteriori informazioni su questa implementazione, consulta il post del AWS blog [Ingesting MongoDB Atlas using Amazon](https://aws.amazon.com/blogs/compute/ingesting-mongodb-atlas-data-using-amazon-eventbridge/). EventBridge
# Streaming di dati con Amazon Data Firehose
Puoi integrare MongoDB Atlas con [Amazon Data Firehose per trasmettere, trasformare e caricare i dati](https://aws.amazon.com/kinesis/data-firehose/) in modo efficiente. Questa integrazione fornisce distribuzione e scalabilità dei dati automatizzate e in tempo reale per analisi e approfondimenti ottimizzati. Il diagramma seguente mostra un esempio di architettura di riferimento.
![\[Integrazione di MongoDB Atlas con Amazon Data Firehose, per implementare funzionalità di streaming dei dati.\]](http://docs.aws.amazon.com/it_it/prescriptive-guidance/latest/migration-mongodb-atlas/images/data-streaming.png)
Punti salienti principali:
+ Evoluzione dinamica dello schema
+ Streaming continuo di dati
+ Analisi migliorate
+ Scalabilità e agilità
+ Distribuzione affidabile dei dati
Per ulteriori informazioni, consulta il post del AWS blog [Integrating Application Data Platform di MongoDB con Amazon Data Firehose](https://aws.amazon.com/blogs/big-data/integrating-the-mongodb-cloud-with-amazon-kinesis-data-firehose/).
# Elaborazione in tempo reale con Amazon MSK
Puoi integrare MongoDB Atlas con [Amazon Managed Streaming for Apache Kafka (Amazon MSK) per migliorare l'elaborazione](https://aws.amazon.com/msk/) dei dati in tempo reale. Puoi creare architetture robuste e basate sugli eventi utilizzando le funzionalità di streaming di Amazon MSK con il modello di documento MongoDB per applicazioni agili e ricche di dati. Il diagramma seguente illustra un esempio di architettura di riferimento.
![\[Integrazione di MongoDB Atlas con Amazon MSK, per migliorare l'elaborazione dei dati in tempo reale.\]](http://docs.aws.amazon.com/it_it/prescriptive-guidance/latest/migration-mongodb-atlas/images/real-time-processing.png)
Punti salienti principali:
+ Integrazione perfetta degli eventi
+ Agilità basata sugli eventi
+ Informazioni dettagliate in tempo reale
+ Analisi basata sulle applicazioni
+ Flussi di dati altamente scalabili
Per dettagli e istruzioni di step-by-step implementazione, consulta il post del AWS blog [Crea una pipeline di streaming serverless 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/) e MongoDB Atlas.
# Rilevamento delle frodi con Amazon SageMaker AI Canvas
Puoi integrare MongoDB Atlas con [ SageMaker Amazon AI](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas.html) Canvas per creare un potente sistema di rilevamento delle frodi che combina l'analisi dei dati in tempo reale con l'apprendimento automatico avanzato per aiutare a rilevare e prevenire attività fraudolente.
Il diagramma seguente mostra un esempio di architettura di riferimento per il rilevamento delle frodi.
![\[Integrazione di MongoDB Atlas con SageMaker Amazon AI Canvas, per implementare il rilevamento delle frodi.\]](http://docs.aws.amazon.com/it_it/prescriptive-guidance/latest/migration-mongodb-atlas/images/fraud-detection.png)
(Il diagramma è stato adattato con il permesso del sito Web [MongoDB](https://www.mongodb.com/resources/products/unmasking-deception-harnessing-power-atlas-amazon-sage-maker-canvas-fraud-detection).)
Per ulteriori informazioni, consulta il [post sul blog MongoDB Unmasking Deception: Harnessing the Power of MongoDB Atlas e Amazon AI Canvas for Fraud Detection](https://www.mongodb.com/resources/products/unmasking-deception-harnessing-power-atlas-amazon-sage-maker-canvas-fraud-detection). SageMaker