As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
# Arquiteturas de integração
O MongoDB Atlas se integra perfeitamente à Serviços da AWS maioria, conforme mostrado no diagrama a seguir.
![\[Integração entre MongoDB Atlas Serviços da AWS e, por categoria.\]](http://docs.aws.amazon.com/pt_br/prescriptive-guidance/latest/migration-mongodb-atlas/images/integration-architecture.png)
As seções a seguir descrevem as arquiteturas de referência para integrar o MongoDB Atlas AWS AppSync com o AWS Amazon AI, o Amazon, o SageMaker Amazon EventBridge Data Firehose e o Amazon Managed Streaming for Apache Kafka (Amazon MSK). Todas essas arquiteturas de referência são criadas em uma rede segura usando as funções AWS PrivateLink AWS KMS, e do IAM. Para obter mais informações, consulte a seção [Práticas recomendadas](best-practices.md) mais adiante neste guia.
**Topics**
+ [Integração simplificada de dados com AWS AppSync](data-integration.md)
+ [IA generativa com Amazon SageMaker AI JumpStart e MongoDB Atlas Vector Search](generative-ai.md)
+ [Arquitetura orientada a eventos com a Amazon EventBridge](event-driven.md)
+ [Transmissão de dados com o Amazon Data Firehose](data-streaming.md)
+ [Processamento em tempo real com o Amazon MSK](real-time-processing.md)
+ [Detecção de fraudes com o Amazon SageMaker AI Canvas](fraud-detection.md)
# Integração simplificada de dados com AWS AppSync
A integração do MongoDB Atlas com o [AWS AppSync](https://aws.amazon.com/pm/appsync/) proporciona sincronização de dados perfeita, interações em tempo real e experiências de usuário dinâmicas e responsivas. O diagrama a seguir mostra um exemplo de implementação.
![\[Integrando o MongoDB AWS AppSync Atlas com a sincronização de dados.\]](http://docs.aws.amazon.com/pt_br/prescriptive-guidance/latest/migration-mongodb-atlas/images/data-integration.png)
Principais destaques:
+ Um endpoint unificado do GraphQL para várias fontes de dados
+ Subgráficos gerenciados de maneira independente
+ End-to-end arquitetura sem servidor
+ Resolução de conflitos usando diretivas de esquemas
+ Escalabilidade automática com base em volumes de solicitações de API
Para obter mais informações, consulte a postagem do blog [Como criar gráficos avançados baseados em GraphQL com o APIs MongoDB Atlas and Merged no site do MongoDB](https://www.mongodb.com/blog/post/how-build-advanced-graphql-based-apis-mongodb-atlas-aws-appsync-merged-apis). AWS AppSync APIs
# IA generativa com Amazon SageMaker AI JumpStart e MongoDB Atlas Vector Search
O [Amazon SageMaker AIJump Start](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-jumpstart.html) fornece modelos básicos de IA pré-treinados, como Retrieval Augmented Generation (RAG), para aplicativos de texto inteligentes. Você pode combinar JumpStart com o [MongoDB Atlas Vector](https://www.mongodb.com/products/platform/atlas-vector-search) Search, que permite consultas de similaridade semântica em texto, imagem e outros dados, para criar experiências de pesquisa poderosas. Por exemplo, seus desenvolvedores podem implementar a pesquisa semântica intuitiva nas conversas com clientes usando o Atlas Vector Search e usar os modelos Amazon SageMaker AI RAG para adicionar resumo e tradução interativos, conforme ilustrado no diagrama a seguir.
![\[Integrando o MongoDB Atlas com o SageMaker Amazon AI, para recursos de IA generativa.\]](http://docs.aws.amazon.com/pt_br/prescriptive-guidance/latest/migration-mongodb-atlas/images/gen-ai.png)
Isso abre uma variedade de casos de uso de pesquisa baseados em IA, incluindo suporte automatizado, gerenciamento inteligente de conteúdo, resumo de conteúdo e recomendações aprimoradas. Ao implementar a pesquisa intuitiva de precisão com o MongoDB e os recursos generativos da SageMaker JumpStart Amazon, os desenvolvedores podem fornecer rapidamente aplicativos de pesquisa cognitiva impactantes.
Principais destaques:
+ Casos de uso de chatbots corporativos
+ Suporte para a arquitetura de modelos de RAG
+ MongoDB Atlas Vector Search
+ Suporte para incorporação 2K
+ Transferência segura de dados
+ Probabilidade reduzida de alucinações
Para obter mais informações sobre essa implementação, consulte a postagem do 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.
# Arquitetura orientada a eventos com a Amazon EventBridge
Você pode integrar o MongoDB Atlas com a [ EventBridgeAmazon](https://aws.amazon.com/eventbridge/) para orquestrar fluxos de dados, habilitar respostas automatizadas e obter insights quase em tempo real para aplicativos. O diagrama a seguir mostra um exemplo de arquitetura de referência.
![\[Integrando o MongoDB Atlas com a EventBridge Amazon para implementar uma arquitetura orientada a eventos.\]](http://docs.aws.amazon.com/pt_br/prescriptive-guidance/latest/migration-mongodb-atlas/images/event-driven.png)
Principais destaques:
+ Orquestração de eventos ininterrupta
+ Capacidade de resposta em tempo real
+ Fluxos de trabalho automatizados
+ Escalabilidade e agilidade
+ Insights para inovação
Para obter mais informações sobre essa implementação, consulte a postagem do AWS blog Como [ingerir dados do MongoDB Atlas](https://aws.amazon.com/blogs/compute/ingesting-mongodb-atlas-data-using-amazon-eventbridge/) usando a Amazon. EventBridge
# Transmissão de dados com o Amazon Data Firehose
Você pode integrar o MongoDB Atlas ao [Amazon Data Firehose](https://aws.amazon.com/kinesis/data-firehose/) para transmitir, transformar e carregar dados com eficiência. Essa integração oferece entrega automatizada de dados em tempo real e escalabilidade para analytics e insights otimizados. O diagrama a seguir mostra um exemplo de arquitetura de referência.
![\[Integração do MongoDB Atlas com o Amazon Data Firehose para implementar recursos de transmissão de dados.\]](http://docs.aws.amazon.com/pt_br/prescriptive-guidance/latest/migration-mongodb-atlas/images/data-streaming.png)
Principais destaques:
+ Evolução do esquema dinâmico
+ Transmissão de dados contínua
+ Analytics aprimorada
+ Escalabilidade e agilidade
+ Entrega confiável de dados
Para obter mais informações, consulte a postagem do AWS blog [Integrando a plataforma de dados de aplicativos do MongoDB com o Amazon Data Firehose](https://aws.amazon.com/blogs/big-data/integrating-the-mongodb-cloud-with-amazon-kinesis-data-firehose/).
# Processamento em tempo real com o Amazon MSK
Você pode integrar o MongoDB Atlas com o [Amazon Managed Streaming for Apache Kafka (Amazon MSK)](https://aws.amazon.com/msk/) e aprimorar o processamento de dados em tempo real. Você pode criar arquiteturas robustas e orientadas a eventos usando os recursos de streaming do Amazon MSK com o modelo de documento do MongoDB para aplicações ágeis e ricas em dados. O diagrama a seguir ilustra um exemplo de arquitetura de referência.
![\[Integração do MongoDB Atlas com o Amazon MSK para melhorar o processamento de dados em tempo real.\]](http://docs.aws.amazon.com/pt_br/prescriptive-guidance/latest/migration-mongodb-atlas/images/real-time-processing.png)
Principais destaques:
+ Integração perfeita de eventos
+ Agilidade orientada por eventos
+ Insights em tempo real
+ Analytics orientada por aplicações
+ Fluxos de dados altamente escaláveis
Para obter detalhes e instruções de step-by-step implementação, consulte a postagem do AWS blog [Crie um pipeline de streaming sem servidor com o Amazon EMR Serverless, o 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 o MongoDB Atlas.
# Detecção de fraudes com o Amazon SageMaker AI Canvas
Você pode integrar o MongoDB Atlas com o [ SageMaker Amazon AI](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas.html) Canvas para criar um poderoso sistema de detecção de fraudes que combina análise de dados em tempo real com aprendizado de máquina avançado para ajudar a detectar e prevenir atividades fraudulentas.
O diagrama a seguir mostra um exemplo de arquitetura de referência para detecção de fraudes.
![\[Integrando o MongoDB Atlas com o SageMaker Amazon AI Canvas para implementar a detecção de fraudes.\]](http://docs.aws.amazon.com/pt_br/prescriptive-guidance/latest/migration-mongodb-atlas/images/fraud-detection.png)
(O diagrama foi adaptado com permissão do [site do MongoDB](https://www.mongodb.com/resources/products/unmasking-deception-harnessing-power-atlas-amazon-sage-maker-canvas-fraud-detection).)
Para obter mais informações, consulte a [postagem do blog do MongoDB Unmasking Deception: Harnessing the Power of MongoDB Atlas and Amazon AI](https://www.mongodb.com/resources/products/unmasking-deception-harnessing-power-atlas-amazon-sage-maker-canvas-fraud-detection) Canvas for Fraud Detection. SageMaker