本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 整合架構
<a name="architecture"></a>

MongoDB Atlas 與大多數 無縫整合 AWS 服務，如下圖所示。

![\[MongoDB Atlas 與 之間的整合 AWS 服務，依類別。\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/migration-mongodb-atlas/images/integration-architecture.png)


下列各節說明將 MongoDB Atlas on AWS 與 、Amazon SageMaker AI AWS AppSync、Amazon EventBridge、Amazon Data Firehose 和 Amazon Managed Streaming for Apache Kafka (Amazon MSK) 整合的參考架構。所有這些參考架構都是使用 AWS KMS、 AWS PrivateLink和 IAM 角色建置在安全的網路上。如需詳細資訊，請參閱本指南稍後的[最佳實務一節](best-practices.md)。

**Topics**
+ [簡化與 的資料整合 AWS AppSync](data-integration.md)
+ [使用 Amazon SageMaker AI JumpStart 和 MongoDB Atlas 向量搜尋的生成式 AI](generative-ai.md)
+ [使用 Amazon EventBridge 的事件驅動型架構](event-driven.md)
+ [使用 Amazon Data Firehose 進行資料串流](data-streaming.md)
+ [使用 Amazon MSK 進行即時處理](real-time-processing.md)
+ [使用 Amazon SageMaker AI Canvas 偵測詐騙](fraud-detection.md)

# 簡化與 的資料整合 AWS AppSync
<a name="data-integration"></a>

將 MongoDB Atlas 與 整合，[AWS AppSync](https://aws.amazon.com/pm/appsync/)可提供無縫的資料同步、即時互動，以及動態且回應靈敏的使用者體驗。下圖顯示範例實作。

![\[將 MongoDB Atlas 與 整合 AWS AppSync 以進行資料同步。\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/migration-mongodb-atlas/images/data-integration.png)


重點：
+ 多個資料來源的統一 GraphQL 端點
+ 獨立管理的子圖形
+ End-to-end無伺服器架構
+ 使用結構描述指令解決衝突
+ 根據 API 請求磁碟區自動擴展

如需詳細資訊，請參閱 [ MongoDB 網站上的部落格文章如何使用 MongoDB Atlas 和 AWS AppSync 合併 APIs 建置以 GraphQL 為基礎的進階 APIs](https://www.mongodb.com/blog/post/how-build-advanced-graphql-based-apis-mongodb-atlas-aws-appsync-merged-apis)。 MongoDB 

# 使用 Amazon SageMaker AI JumpStart 和 MongoDB Atlas 向量搜尋的生成式 AI
<a name="generative-ai"></a>

[Amazon SageMaker AIJumpStart](https://docs.aws.amazon.com/sagemaker/latest/dg/studio-jumpstart.html) 為智慧文字應用程式提供預先訓練的 AI 基礎模型，例如擷取增強生成 (RAG)。您可以結合 JumpStart 與 [MongoDB Atlas Vector Search](https://www.mongodb.com/products/platform/atlas-vector-search)，讓文字、影像和其他資料的語意相似性查詢能夠建立強大的搜尋體驗。例如，您的開發人員可以使用 Atlas Vector Search 對客戶對話實作直覺式語意搜尋，並使用 Amazon SageMaker AI RAG 模型新增互動式摘要和翻譯，如下圖所示。

![\[將 MongoDB Atlas 與 Amazon SageMaker AI 整合，以取得生成式 AI 功能。\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/migration-mongodb-atlas/images/gen-ai.png)


這會釋放各種 AI 驅動的搜尋使用案例，包括自動化支援、智慧內容管理、內容摘要和增強型建議。透過使用 MongoDB 實作直覺式精確搜尋和來自 Amazon SageMaker JumpStart 的生成功能，開發人員可以快速提供有影響力的認知搜尋應用程式。

重點：
+ 企業聊天機器人使用案例
+ 支援 RAG 模型架構
+ MongoDB Atlas 向量搜尋
+ 支援 2K 內嵌
+ 安全的資料傳輸
+ 降低幻覺的可能性

如需此實作的詳細資訊，請參閱 AWS 部落格文章[使用 LangChain、Amazon SageMaker AI JumpStart 和 MongoDB Atlas 語意搜尋擷取增強生成](https://aws.amazon.com/blogs/machine-learning/retrieval-augmented-generation-with-langchain-amazon-sagemaker-jumpstart-and-mongodb-atlas-semantic-search/)。

# 使用 Amazon EventBridge 的事件驅動型架構
<a name="event-driven"></a>

您可以將 MongoDB Atlas 與 [Amazon EventBridge](https://aws.amazon.com/eventbridge/) 整合，以協調資料流程、啟用自動化回應，並取得近乎即時的應用程式洞見。下圖顯示範例參考架構。

![\[將 MongoDB Atlas 與 Amazon EventBridge 整合，以實作事件驅動型架構。\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/migration-mongodb-atlas/images/event-driven.png)


重點：
+ 無縫事件協同運作
+ 即時回應能力
+ 自動化工作流程
+ 可擴展性和敏捷性
+ 創新洞見

如需此實作的詳細資訊，請參閱 AWS 部落格文章[使用 Amazon EventBridge 擷取 MongoDB Atlas 資料](https://aws.amazon.com/blogs/compute/ingesting-mongodb-atlas-data-using-amazon-eventbridge/)。

# 使用 Amazon Data Firehose 進行資料串流
<a name="data-streaming"></a>

您可以將 MongoDB Atlas 與 [Amazon Data Firehose](https://aws.amazon.com/kinesis/data-firehose/) 整合，以有效率地串流、轉換和載入資料。此整合提供自動化的即時資料交付和可擴展性，以最佳化分析和洞見。下圖顯示範例參考架構。

![\[將 MongoDB Atlas 與 Amazon Data Firehose 整合，以實作資料串流功能。\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/migration-mongodb-atlas/images/data-streaming.png)


重點：
+ 動態結構描述演變
+ 持續資料串流
+ 增強型分析
+ 可擴展性和敏捷性
+ 可靠的資料交付

如需詳細資訊，請參閱將 [ MongoDB 的應用程式資料平台與 Amazon Data Firehose 整合](https://aws.amazon.com/blogs/big-data/integrating-the-mongodb-cloud-with-amazon-kinesis-data-firehose/)的 AWS 部落格文章。

# 使用 Amazon MSK 進行即時處理
<a name="real-time-processing"></a>

您可以將 MongoDB Atlas 與 [Amazon Managed Streaming for Apache Kafka (Amazon MSK)](https://aws.amazon.com/msk/) 整合，以增強即時資料處理。您可以將 Amazon MSK 中的串流功能與適用於敏捷和資料豐富的應用程式的 MongoDB 文件模型搭配使用，以建置強大的事件驅動型架構。下圖說明範例參考架構。

![\[將 MongoDB Atlas 與 Amazon MSK 整合，以改善即時資料處理。\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/migration-mongodb-atlas/images/real-time-processing.png)


重點：
+ 無縫事件整合
+ 事件驅動的敏捷性
+ 即時見解
+ 應用程式驅動的分析
+ 高度可擴展的資料串流

如需詳細資訊和step-by-step實作說明，請參閱 AWS 部落格文章[使用 Amazon EMR Serverless、Amazon MSK Connect 和 MongoDB Atlas 建置無伺服器串流管道](https://aws.amazon.com/blogs/big-data/build-a-serverless-streaming-pipeline-with-amazon-msk-serverless-amazon-msk-connect-and-mongodb-atlas/)。

# 使用 Amazon SageMaker AI Canvas 偵測詐騙
<a name="fraud-detection"></a>

您可以將 MongoDB Atlas 與 [Amazon SageMaker AI Canvas](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas.html) 整合，以建構強大的詐騙偵測系統，結合即時資料分析與進階機器學習，以協助偵測和預防詐騙活動。

下圖顯示偵測詐騙的範例參考架構。

![\[將 MongoDB Atlas 與 Amazon SageMaker AI Canvas 整合，以實作詐騙偵測。\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/migration-mongodb-atlas/images/fraud-detection.png)


（圖表已根據 [MongoDB 網站的](https://www.mongodb.com/resources/products/unmasking-deception-harnessing-power-atlas-amazon-sage-maker-canvas-fraud-detection)許可進行調整。)

如需詳細資訊，請參閱 MongoDB 部落格文章[取消遮罩欺騙：利用 MongoDB Atlas 和 Amazon SageMaker AI Canvas 的強大功能進行詐騙偵測](https://www.mongodb.com/resources/products/unmasking-deception-harnessing-power-atlas-amazon-sage-maker-canvas-fraud-detection)。