MongoDB 推出 Atlas Data Lake 预览版本，可直接访问 Amazon S3

摘要：目前，MongoDB Atlas Data Lake 部署了多个计算节点来分析每个 S3 存储桶，并针对该存储桶的数据进行处理查询。MongoDB Atlas Data Lake 可以使用 MongoDB 查询语言，该语言专为丰富、复杂的结构而构建，可以处理以 JSON、BSON、CSV、TSV、Avro 和 Parquet 格式存储的数据。

近日， MongoDB 在 MongoDB World 上宣布了 MongoDB Atlas 家族的新成员——MongoDB Atlas Data Lake，目前已发布公开测试版本。MongoDB Atlas Data Lake 的出现将使得 MongoDB 可以应用于云大数据湖。随着企业在 Amazon S3 等云存储中积累的数据越来越多，他们对于如何有效处理这些数据的需求也越来越旺盛。

MongoDB Atlas Data Lake 可以使用 MongoDB 查询语言，该语言专为丰富、复杂的结构而构建，可以处理以 JSON、BSON、CSV、TSV、Avro 和 Parquet 格式存储的数据。数据按需分析，无需基础设施设置，无需耗时的转换、预处理或元数据管理。因为没有预先定义的架构，所以可以更快地处理数据。

作为 MongoDB Atlas 云数据平台中提供的按需服务，没有部署过程，只需要提供对 S3 存储桶的访问。用户可以使用与 MongoDB Atlas 操作集群相同的 UI 配置 Atlas Data Lake，通过一个简单的向导来配置权限，提供对 S3 存储桶的只读访问权限，将 S3 目录映射到数据库和集合，并使其做好运行查询的准备。

通过 MongoDB 查询语言，用户可以将一个技能集应用于数据湖和事务数据库。它不仅仅是与 Data Lake 一起使用的查询语言，而且也兼容 MongoDB 驱动程序、MongoDB Shell、MongoDB Compass 和 MongoDB BI Connector。这意味着使用 JavaScript、Perl、Python、C、C ++、Java、Ruby、Go、Scala、R 和许多其他语言编写的应用程序也可以使用 MongoDB 用户之前部署的驱动程序访问 Data Lake。数据科学家可以使用 R 驱动程序支持下的 R Studio 工具或者 Python 驱动程序支持下的 Jupyter 笔记本来进行统计、机器学习和数据湖分析。

目前，MongoDB Atlas Data Lake 部署了多个计算节点来分析每个 S3 存储桶，并针对该存储桶的数据进行处理查询。这些节点并行工作，在桶区域中进行快速处理，能够最大限度地减少数据传输和相关成本。完成后，每个节点将其结果返回到中心节点，该节点根据需要对单独的结果进行排序、过滤和聚合为最终结果。

对于 Data Lake 用户，此过程完全透明，允许他们继续从工作中提取该数据的价值和洞察力。这意味着对应用于数据的并发查询没有限制，计算节点架构的未来增强也会对用户透明。

MongoDB Atlas Data Lake 旨在通过用户已有的数据湖中获得最佳效果，包含分析数据、构建数据服务、提供机器学习和 AI 以及构建活动档案。