คำถามที่พบบ่อยเกี่ยวกับ Amazon DocumentDB (พร้อมฟังก์ชันการทำงานร่วมกับ MongoDB)

ขณะที่เขียนลงพื้นที่จัดเก็บ Amazon DocumentDB จะคงไว้เฉพาะข้อมูลบันทึกการเขียนล่วงหน้า และไม่จำเป็นต้องเขียนการซิงค์หน้าบัฟเฟอร์แบบเต็ม ผลจากการเพิ่มประสิทธิภาพนี้ทำให้การเขียน Amazon DocumentDB มีความเร็วกว่าฐานข้อมูลแบบเดิมโดยไม่กระทบต่อความทนทาน คลัสเตอร์ Amazon DocumentDB สามารถเพิ่มจำนวนอินสแตนซ์ให้รองรับการอ่านนับล้านรายการต่อวินาทีได้โดยใช้แบบจำลองการอ่านสูงสุด 15 ตัว

โปรดดูข้อมูลเกี่ยวกับรีเจี้ยนและราคาปัจจุบันในหน้าราคาของ Amazon DocumentDB

มี คุณสามารถลองใช้ Amazon DocumentDB ฟรีด้วยการทดลองใช้งานฟรี 1 เดือน หากคุณไม่มี Amazon DocumentDB มาก่อน คุณจะมีสิทธิ์ทดลองใช้งานฟรีหนึ่งเดือน โดยองค์กรของคุณจะได้รับการใช้งานอินสแตนซ์ t3.medium 750 ชั่วโมงต่อเดือน, IO จำนวน 30 ล้าน รายการ, ที่จัดเก็บข้อมูล 5 GB และที่จัดเก็บข้อมูลสำรอง 5 GB ฟรีเป็นเวลา 30 วัน ทันทีที่สิทธิ์การทดลองใช้งานฟรีหนึ่งเดือนของคุณหมดอายุ หรือมีการใช้งานเกินจำนวนที่อนุญาตให้ใช้งานฟรี คุณสามารถปิดคลัสเตอร์ของคุณเพื่อหลีกเลี่ยงการคิดค่าบริการใดๆ หรือเปิดใช้งานต่อไปโดยเสียค่าบริการในอัตราราคาแบบตามความต้องการแบบมาตรฐาน หากต้องการเรียนรู้เพิ่มเติม โปรดดูหน้าการทดลองใช้งาน DocumentDB ฟรี

Amazon DocumentDB I/O-Optimized เป็นตัวเลือกที่เหมาะสมอย่างยิ่งเมื่อคุณต้องการค่าใช้จ่ายที่คาดการณ์ได้หรือมีแอปพลิเคชันที่เน้น I/O หากคาดว่าค่าใช้จ่ายสำหรับ I/O ของคุณจะมีสัดส่วนมากกว่า 25% ของค่าใช้จ่ายรวมสำหรับฐานข้อมูล Amazon DocumentDB ตัวเลือกนี้ก็มีประสิทธิภาพที่คุ้มค่ากว่าสำหรับค่าใช้จ่าย โปรดดูเอกสารเกี่ยวกับ Amazon DocumentDB I/O-Optimized เพื่อเรียนรู้เพิ่มเติม รวมถึงวิธีเริ่มต้นใช้งาน

คุณสามารถสลับคลัสเตอร์ฐานข้อมูลที่มีอยู่เป็น Amazon DocumentDB I/O-Optimized ได้ทุก 30 วัน คุณสามารถสลับกลับไปใช้การกําหนดค่าพื้นที่เก็บข้อมูลมาตรฐานของ Amazon DocumentDB ได้ทุกเมื่อ

ใช่ คุณยังคงต้องชำระค่าบริการสําหรับการดําเนินการ I/O ที่จําเป็นในการจำลองข้อมูลข้ามรีเจี้ยนต่อไป Amazon DocumentDB I/O-Optimized ไม่คิดค่าบริการสําหรับการดําเนินการอ่านและการเขียน I/O ซึ่งแตกต่างจากการจําลองข้อมูล โปรดดูเอกสารเกี่ยวกับ Amazon DocumentDB I/O-Optimized เพื่อเรียนรู้เพิ่มเติม

Amazon DocumentDB Elastic Clusters ช่วยให้คุณสามารถเพิ่มทรัพยากรฐานข้อมูลแบบโครงสร้างเอกสารได้อย่างยืดหยุ่นเพื่อรองรับการเขียนและอ่านหลายล้านรายการ ด้วยความจุของพื้นที่จัดเก็บระดับเพตะไบต์ Elastic Clusters จะช่วยลดความยุ่งยากของการที่ลูกค้าโต้ตอบกับ Amazon DocumentDB โดยการจัดการโครงสร้างพื้นฐานโดยอัตโนมัติ รวมถึงลดความจำเป็นในการสร้าง ลบ อัปเกรด หรือปรับขนาดอินสแตนซ์

คุณสามารถสร้างคลัสเตอร์ Elastic Clusters โดยใช้ Amazon DocumentDB API, SDK, CLI, CloudFormation (CFN) หรือคอนโซล AWS อื่นๆ ได้ ขณะที่จัดเตรียมคลัสเตอร์ คุณจะต้องระบุจำนวนส่วนข้อมูลและการคำนวณต่อส่วนข้อมูลที่เวิร์กโหลดของคุณต้องการ เมื่อสร้างคลัสเตอร์แล้ว คุณก็พร้อมที่จะเริ่มใช้ความสามารถในการเพิ่มทรัพยากรแบบยืดหยุ่นของ Elastic Clusters ตอนนี้คุณสามารถเชื่อมต่อกับคลัสเตอร์ Elastic Clusters และอ่านหรือเขียนข้อมูลจากแอปพลิเคชันของคุณได้แล้ว Elastic Clusters คือความยืดหยุ่น คุณสามารถเพิ่มหรือลบการประมวลผลโดยแก้ไขจำนวนส่วนข้อมูลและ/หรือคำนวณต่อส่วนข้อมูลโดยใช้คอนโซล AWS, API, CLI หรือ SDK ได้ ทั้งนี้ขึ้นอยู่กับความต้องการของเวิร์กโหลด Elastic Clusters จะจัดเตรียม/ยกเลิกโครงสร้างพื้นฐานและปรับสมดุลข้อมูลของคุณโดยอัตโนมัติ

Elastic Clusters ใช้การแบ่งส่วนข้อมูลเพื่อแบ่งพาร์ติชันข้อมูลในระบบจัดเก็บข้อมูลแบบกระจายของ Amazon DocumentDB การแบ่งส่วนข้อมูลหรือที่เรียกว่าการแบ่งพาร์ติชัน จะแบ่งชุดข้อมูลขนาดใหญ่ออกเป็นชุดข้อมูลขนาดเล็กในหลายๆ โหนด จึงทำให้ลูกค้าสามารถเพิ่มจำนวนอินสแตนซ์ข้อมูลให้เกินขีดจำกัดการเพิ่มทรัพยากรในแนวตั้งของฐานข้อมูลเดียว Elastic Clusters จะใช้การแยกการประมวลผลและพื้นที่จัดเก็บใน Amazon DocumentDB แต่ Elastic Clusters สามารถคัดลอกข้อมูลได้อย่างมีประสิทธิภาพภายในระบบจัดเก็บข้อมูลแบบกระจายแทนที่จะแบ่งพาร์ติชันคอลเลคชันโดยการย้ายข้อมูลขนาดเล็กระหว่างโหนดการคำนวณ

Elastic Clusters รองรับการแบ่งพาร์ติชันตามแฮช

โดยทั่วไปแล้ว คุณสามารถใช้ Elastic Clusters เพื่อเพิ่มหรือลดจำนวนอินสแตนซ์ในเวิร์กโหลดบน Amazon DocumentDB ได้ไม่ยาก โดยไม่ต้องหยุดเวลาทำงานของแอปพลิเคชันหรือกระทบต่อประสิทธิภาพ ไม่ว่าจะมีขนาดข้อมูลเท่าใดก็ตาม การดำเนินการที่คล้ายกันบน MongoDB จะกระทบต่อประสิทธิภาพของแอปพลิเคชันและใช้เวลาหลายชั่วโมง และในบางกรณีอาจนานเป็นวัน นอกจากนี้ Elastic Clusters ยังมีความสามารถในการจัดการที่แบบต่างๆ อาทิ การสำรองข้อมูลโดยไม่ก่อผลกระทบ และการกู้คืนข้อมูลในจุดเวลาที่กำหนดอย่างรวดเร็ว จึงช่วยให้ลูกค้าทุ่มเวลาให้กับแอปพลิเคชันได้มากขึ้นแทนที่จะเสียเวลาไปจัดการฐานข้อมูล

ไม่ คุณไม่ต้องเปลี่ยนแปลงแอปพลิเคชันของคุณเพื่อใช้งาน Elastic Clusters เลย

ไม่ได้ ในไม่ช้านี้ คุณสามารถใช้บริการ AWS Database Migration Service (DMS) เพื่อย้ายข้อมูลจากคลัสเตอร์ Amazon DocumentDB ที่มีอยู่ไปยังคลัสเตอร์ Elastic Clusters

การเลือกคีย์ส่วนข้อมูลที่เหมาะสมที่สุดสำหรับ Elastic Clusters ไม่มีความแตกต่างจากฐานข้อมูลอื่นๆ คีย์ส่วนข้อมูลที่ยอดเยี่ยมมีคุณลักษณะสองประการคือ มีความถี่สูงและมีคาร์ดินาลลิตี้สูง ยกตัวอย่างเช่น หากแอปพลิเคชันของคุณเก็บ user_orders ไว้ใน DocumentDB โดยทั่วไปแล้ว คุณจะต้องดึงข้อมูลตามผู้ใช้ ดังนั้น คุณต้องกำหนดให้คำสั่งทั้งหมดที่เกี่ยวข้องกับผู้ใช้ที่ระบุอยู่ในส่วนข้อมูลเดียว ในกรณีนี้ user_id จะเป็นคีย์ส่วนข้อมูลที่ดี อ่านข้อมูลเพิ่มเติม 

• Elastic Clusters: คลัสเตอร์ Amazon DocumentDB ที่ช่วยให้คุณปรับขนาดอัตราการโอนถ่ายข้อมูลของเวิร์กโหลดให้รองรับการอ่าน/เขียนนับล้านรายการต่อวินาที และพื้นที่จัดเก็บเป็นระดับเพตะไบต์ คลัสเตอร์ Elastic Cluster ประกอบด้วยส่วนข้อมูลอย่างน้อยหนึ่งส่วนสำหรับการประมวลผลและปริมาณพื้นที่จัดเก็บ และมีความพร้อมใช้งานสูงในหลาย Availability Zones ตามค่าเริ่มต้น
• ส่วนข้อมูล: ส่วนข้อมูลจะเตรียมการคำนวณสำหรับคลัสเตอร์ Elastic Clusters ส่วนข้อมูลโดยค่าเริ่มต้นจะมีสามโหนด หนึ่งโหนดตัวเขียนและสองโหนดตัวอ่าน คุณสามารถมีได้สูงสุด 32 ส่วนข้อมูลและแต่ละส่วนข้อมูลจะมีได้สูงสุด 64 vCPUs
• คีย์ส่วนข้อมูล: คีย์ส่วนข้อมูลเป็นฟิลด์ทางเลือกในเอกสาร JSON ที่ Elastic Clusters ใช้เพื่อกระจายการรับส่งข้อมูลการอ่านและเขียนไปยังส่วนข้อมูลที่ตรงกัน ขอแนะนำให้คุณเลือกคีย์ที่มีค่าเฉพาะจำนวนมาก คีย์ส่วนข้อมูลที่ดีจะแบ่งพาร์ติชันข้อมูลของคุณอย่างสม่ำเสมอทั่วทั้งส่วนข้อมูลที่อยู่ข้างใต้ ทำให้เวิร์กโหลดของคุณมีอัตราการโอนถ่ายข้อมูลและประสิทธิภาพที่ดีที่สุด 
• คอลเลกชันที่แบ่งส่วนข้อมูล: คอลเล็กชันที่มีข้อมูลกระจายอยู่ในคลัสเตอร์ Elastic Clusters

Elastic Clusters จะผสานรวมกับบริการอื่นๆ ของ AWS ในลักษณะเดียวกับที่ DocumentDB ทำในปัจจุบัน ก่อนอื่น คุณสามารถใช้ AWS Database Migration Service (DMS) เพื่อย้าย MongoDB และฐานข้อมูลแบบเชิงสัมพันธ์อื่นไปที่ Elastic Clusters ได้ ขั้นที่สอง คุณสามารถติดตามสถานะและประสิทธิภาพของคลัสเตอร์ Elastic Clusters ได้โดยใช้ Amazon CloudWatch ขั้นที่สาม คุณสามารถตั้งค่าการยืนยันตัวตนและการให้สิทธิ์ผ่านผู้ใช้และบทบาท AWS IAM ได้ และใช้ AWS VPC เพื่อรักษาการปลอดภัยการเชื่อมต่อที่ใช้ VPC เท่านั้น ขั้นสุดท้าย คุณสามารถใช้ AWS Glue เพื่อนำเข้าและส่งออกข้อมูลจาก/ไปยังบริการอื่นๆ ของ AWS เช่น S3, Redshift และ OpenSearch

ใช่ คุณสามารถย้ายเวิร์กโหลด MongoDB ที่แบ่งส่วนข้อมูลที่มีไปยัง Elastic Clusters ได้ คุณสามารถใช้ AWS Database Migration Service หรือเครื่องมือ MongoDB แบบเนทีฟ เช่น mongodump และ mongorestore เพื่อย้ายเวิร์กโหลด MongoDB ไปยัง Elastic Clusters ได้ Elastic Clusters ยังรองรับ API ที่ใช้บ่อยของ MongoDB อาทิ shardCollection() คุณจึงมีความยืดหยุ่นในการใช้เครื่องมือและสคริปต์ที่มีซ้ำกับ Amazon DocumentDB ได้

พื้นที่จัดเก็บต่ำสุดมีขนาด 10 GB พื้นที่จัดเก็บของ Amazon DocumentDB จะขยายเพิ่มโดยอัตโนมัติ สูงสุด 128 TiB ซึ่งจะเพิ่มขึ้นทีละ 10 GB โดยไม่กระทบต่อประสิทธิภาพ ตามการใช้คลัสเตอร์ของคุณ Amazon DocumentDB Elastic Clusters จะทำให้พื้นที่จัดเก็บเพิ่มขึ้นโดยอัตโนมัติเป็น 4 PB โดยเพิ่มขึ้นทีละ 10 GB ไม่จำเป็นต้องจัดเตรียมพื้นที่จัดเก็บไว้ล่วงหน้าในทุกกรณี

Amazon DocumentDB จะขยายขนาดทรัพยากรในสองมิติคือ พื้นที่จัดเก็บและการประมวลผล พื้นที่จัดเก็บของ Amazon DocumentDB จะเพิ่มขึ้นโดยอัตโนมัติจาก 10 GB เป็น 128 TiB ในคลัสเตอร์ที่ใช้อินสแตนซ์ และสูงสุด 4 PiB สำหรับคลัสเตอร์ Amazon DocumentDB Elastic ความสามารถในการประมวลผลของ Amazon DocumentDB สามารถขยายขนาดได้โดยการสร้างอินสแตนซ์ที่มีขนาดใหญ่ขึ้นและในแนวนอน (สำหรับอัตราการโอนถ่ายข้อมูลที่เน้นการอ่านที่มากกว่า) โดยการเพิ่มอินสแตนซ์แบบจำลองเพิ่มเติมในคลัสเตอร์

คุณสามารถปรับขนาดทรัพยากรการประมวลผลที่จัดสรรให้กับอินสแตนซ์ของคุณในคอนโซลการจัดการของ AWS ได้โดยการเลือกอินสแตนซ์ที่ต้องการแล้วคลิกปุ่ม “แก้ไข” ระบบจะแก้ไขหน่วยความจำและทรัพยากร CPU โดยการเปลี่ยนคลาสอินสแตนซ์

เมื่อคุณแก้ไขคลาสอินสแตนซ์ การเปลี่ยนแปลงที่คุณขอจะมีผลในช่วงเวลาการบำรุงรักษาที่คุณระบุไว้ หรือคุณสามารถใช้ค่าสถานะ "ใช้ทันที" เพื่อให้คำขอเพิ่มทรัพยากรของคุณมีผลทันที ทั้งสองตัวเลือกนี้จะมีผลกระทบต่อความพร้อมใช้งานเป็นเวลาสองสามนาทีขณะที่การปรับขนาดกำลังดำเนินการ พึงระลึกเสมอว่าการเปลี่ยนแปลงระบบที่รอดำเนินการอื่น ๆ จะถูกนำไปใช้ด้วยเช่นกัน

การสำรองข้อมูลอัตโนมัติจะถูกเปิดใช้งานตลอดเวลาบนคลัสเตอร์ Amazon DocumentDB ความสามารถในการสำรองฐานข้อมูลอย่างง่ายของ Amazon DocumentDB ช่วยให้คลัสเตอร์สามารถกู้คืนข้อมูลในจุดเวลาที่กำหนดได้ คุณสามารถเพิ่มช่วงเวลาการสำรองข้อมูลให้กับการกู้ค้นข้อมูลในจุดเวลาที่กำหนดได้สูงสุด 35 วัน การสำรองข้อมูลจะไม่ส่งผลต่อประสิทธิภาพของฐานข้อมูล

ใช่ สแนปช็อตด้วยตนเองจะสามารถเก็บรักษาเอาไว้ได้นานกว่าช่วงเวลาสำรองข้อมูล และไม่ส่งผลกระทบต่อประสิทธิภาพขณะที่ทำการสแนปช็อต โปรดทราบว่าคุณต้องสร้างสแนปช็อตคลัสเตอร์ใหม่เพื่อกู้คืนข้อมูลจากสแนปช็อตคลัสเตอร์

Amazon DocumentDB จะทำให้ข้อมูลของคุณมีความทนทานโดยอัตโนมัติใน Availability Zone (AZ) ทั้งสามแห่งภายในรีเจี้ยน และจะพยายามกู้คืนอินสแตนซ์ของคุณโดยอัตโนมัติใน AZ ที่สมบูรณ์โดยจะไม่มีข้อมูลสูญหาย หากข้อมูลของคุณไม่พร้อมให้ใช้งานในพื้นที่จัดเก็บ Amazon DocumentDB คุณสามารถกู้คืนข้อมูลได้จากสแนปช็อตคลัสเตอร์ หรือกู้คืนในจุดเวลาที่กำหนดไปยังคลัสเตอร์ใหม่ได้ โปรดทราบว่า คุณสามารถทำการกู้คืน ณ จุดใดจุดหนึ่งของเวลาได้สูงสุดห้านาทีก่อนหน้า

คุณสามารถเลือกสร้างสแนปช็อตสุดท้ายเมื่อลบอินสแตนซ์ของคุณได้ หากเลือกสร้าง คุณจะสามารถใช้สแนปช็อตนี้เพื่อกู้คืนอินสแตนซ์ที่ลบในวันอื่นได้ Amazon DocumentDB จะเก็บสแนปช็อตสุดท้ายที่ผู้ใช้สร้างขึ้นมานี้ไว้พร้อมกับสแนปช็อตอื่นๆ ที่สร้างขึ้นเองหลังจากที่ลบอินสแตนซ์แล้ว โดยจะเก็บรักษาเฉพาะสแนปช็อตเท่านั้นหลังจากที่ลบอินสแตนซ์แล้ว (จะไม่เก็บการสำรองข้อมูลอัตโนมัติที่สร้างขึ้นสำหรับการกู้คืนในจุดเวลาที่กำหนด)

การลบบัญชี AWS จะเป็นการลบข้อมูลสำรองและข้อมูลสำรองสแนปช็อตทั้งหมดที่อยู่ในบัญชีนั้นโดยอัตโนมัติ

ใช่ Amazon DocumentDB ช่วยให้คุณสามารถสร้างสแนปช็อตของคลัสเตอร์ได้ ซึ่งคุณสามารถใช้ในภายหลังเพื่อกู้คืนคลัสเตอร์ คุณสามารถแชร์สแนปช็อตกับบัญชีอื่นภายใน AWS ได้ และเจ้าของบัญชีผู้รับสามารถใช้สแนปช็อตของคุณเพื่อกู้คืนคลัสเตอร์ที่มีข้อมูลของคุณได้ คุณยังสามารถเลือกให้สแนปช็อตของคุณเป็นสาธารณะ ซึ่งหมายถึงทุกคนสามารถกู้คืนคลัสเตอร์ที่มีข้อมูล (สาธารณะ) ของคุณได้ สามารถใช้คุณสมบัตินี้เพื่อแชร์ข้อมูลระหว่างสภาพแวดล้อมต่างๆ (การผลิต กระบวนการพัฒนา/ทดสอบ การจัดเตรียม ฯลฯ) ที่มีบัญชี AWS ที่ต่างกัน รวมทั้งเพื่อเก็บข้อมูลสำรองทั้งหมดให้ปลอดภัยไว้ในบัญชีอื่นหากเกิดกรณีที่บัญชี AWS หลักของคุณถูกคุกคาม

การแชร์สแนปช็อตระหว่างบัญชีไม่มีค่าใช้จ่าย แต่คุณอาจถูกเรียกเก็บเงินค่าสแนปช็อต รวมทั้งคลัสเตอร์ที่คุณกู้คืนจากสแนปช็อตที่แชร์

เราไม่รองรับการแชร์สแนปช็อตคลัสเตอร์โดยอัตโนมัติ หากต้องการแชร์สแนปช็อตโดยอัตโนมัติ คุณต้องสร้างสำเนาสแนปช็อต จากนั้นแชร์สำเนานั้น

ไม่ได้ เฉพาะบัญชีที่อยู่ในรีเจี้ยนเดียวกันกับบัญชีที่แชร์สแนปช็อตนั้นเท่านั้นที่เข้าถึงสแนปช็อต Amazon DocumentDB ที่คุณแชร์ได้

ใช่ คุณสามารถแชร์สแนปช็อต Amazon DocumentDB ที่เข้ารหัสได้ ผู้รับสแนปช็อตที่แชร์จะต้องมีคีย์ KMS ที่ใช้เข้ารหัสสแนปช็อต

ไม่ได้ สแนปช็อต Amazon DocumentDB จะสามารถใช้ได้ภายในบริการเท่านั้น

คุณสามารถเลือกที่สร้างสแนปช็อตสุดท้ายขณะลบคลัสเตอร์ของคุณได้ ถ้าเลือกสร้าง คุณจะสามารถใช้สแนปช็อตนี้เพื่อกู้คืนคลัสเตอร์ที่ถูกไปลบแล้วได้ในภายหลัง Amazon DocumentDB จะเก็บรักษาสแนปช็อตครั้งสุดท้ายที่ผู้ใช้สร้างขึ้นมาไว้พร้อมกับสแนปช็อตอื่นๆ ที่สร้างขึ้นเองหลังจากที่ลบคลัสเตอร์แล้ว

Amazon DocumentDB จะแบ่งปริมาณฐานข้อมูลของคุณออกเป็นส่วนละ 10 GB ไปยังหลายๆ ดิสก์ โดยจะจำลองปริมาณฐานข้อมูลขนาด 10 GB แต่ละชุดออกเป็น 6 แบบใน 3 Availability Zone (AZ) Amazon DocumentDB ได้รับการออกแบบมาให้สามารถรับมือกับความสูญเสียของสำเนาข้อมูลสองชุดได้โดยไม่ส่งผลต่อความพร้อมในการเขียน และสามารถรับมือกับความสูญเสียของสำเนาข้อมูลได้ถึงสามชุดโดยไม่ส่งผลต่อความพร้อมในการอ่าน ปริมาณพื้นที่จัดเก็บของ Amazon DocumentDB ยังฟื้นฟูตัวเองได้ด้วย บล็อกข้อมูลและดิสก์จะได้รับการสแกนอย่างต่อเนื่องเพื่อหาข้อผิดพลาดและทำการซ่อมแซมโดยอัตโนมัติ

หลังจากที่ฐานข้อมูลหยุดทำงาน Amazon DocumentDB ต่างจากฐานข้อมูลอื่นตรงที่ไม่จำเป็นต้องเล่นซ้ำข้อมูลบันทึกการทำซ้ำจากจุดตรวจสอบฐานข้อมูลสุดท้าย (โดยทั่วไปคือ 5 นาที) และยืนยันว่าการเปลี่ยนแปลงทั้งหมดได้ถูกนำมาใช้ก่อนที่จะทำให้ฐานข้อมูลพร้อมใช้งานสำหรับการดำเนินการ ซึ่งวิธีนี้จะช่วยลดเวลาในการรีสตาร์ทฐานข้อมูลให้เหลือน้อยกว่า 60 วินาทีในกรณีส่วนใหญ่ Amazon DocumentDB ย้ายแคชออกจากกระบวนการฐานข้อมูล และทำให้พร้อมใช้งานทันทีเมื่อรีสตาร์ท จึงไม่ต้องจำกัดการเข้าถึงจนกว่าจะมีการนำเข้าแคชใหม่เพื่อหลีกเลี่ยงการหยุดทำงาน

Amazon DocumentDB รองรับแบบจำลองการอ่าน ซึ่งใช้ปริมาณพื้นที่เก็บข้อมูลพื้นฐานเดียวกันกับอินสแตนซ์หลัก แบบจำลองทั้งหมดของ Amazon DocumentDB ทั้งหมดจะสามารถดูการอัปเดตที่อินสแตนซ์หลักทำได้

• คุณสมบัติ: แบบจำลองการอ่านของ Amazon DocumentDB
• จำนวนของแบบจำลอง: สูงสุด 15
• ประเภทของการจำลอง: อะซิงโครนัส (โดยทั่วไปคือมิลลิวินาที)
• ผลกระทบด้านประสิทธิภาพต่ออินสแตนซ์หลัก: ต่ำ
• ทำหน้าที่เป็นเป้าหมายการใช้ระบบสำรองเพื่อกู้คืนข้อมูล: ใช่ (ไม่มีการสูญเสียข้อมูล)
• การใช้ระบบสำรองเพื่อกู้คืนข้อมูลอัตโนมัติ: ใช่

ได้ คุณสามารถสร้างแบบจำลองข้อมูลจากรีเจี้ยนต่างๆ ได้โดยใช้คุณสมบัติ Global Cluster Global Clusters ครอบคลุมหลากหลาย AWS Regions Global Clusters จะสร้างแบบจำลองข้อมูลของคุณไปยังคลัสเตอร์ในรีเจี้ยนต่างๆ สูงสุดห้ารีเจี้ยนโดยไม่กระทบต่อประสิทธิภาพ Global Clusters สามารถฟื้นคืนจากการหยุดทำงานในระดับรีเจี้ยนได้อย่างรวดเร็ว และช่วยลดเวลาแฝงให้การอ่านทั่วโลก หากต้องการเรียนรู้เพิ่มเติม โปรดดูโพสต์บล็อกของเรา

ใช่ คุณสามารถกำหนดระดับลำดับความสำคัญของโปรโมชันให้กับแต่ละอินสแตนซ์ในคลัสเตอร์ของคุณได้ หากอินสแตนซ์หลักล้มเหลว Amazon DocumentDB จะเลื่อนระดับแบบจำลองที่มีลำดับความสำคัญสูงสุดให้เป็นอินสแตนซ์หลัก หากมีความขัดแย้งระหว่างแบบจำลอง 2 รายการขึ้นไปในระดับความสำคัญเดียวกัน Amazon DocumentDB จะเลื่อนระดับแบบจำลองที่มีขนาดเดียวกันกับอินสแตนซ์หลัก

คุณสามารถแก้ไขชั้นลำดับความสำคัญของอินสแตนซ์ได้ทุกเมื่อ การแก้ไขชั้นลำดับความสำคัญของอินสแตนซ์อย่างเดียวจะไม่กระตุ้นให้เกิดการใช้ระบบสำรองเพื่อกู้คืนข้อมูล

คุณสามารถกำหนดชั้นลำดับความสำคัญขั้นต่ำลงให้แบบจำลองที่คุณไม่ต้องการเลื่อนระดับเป็นอินสแตนซ์ได้ แต่หากแบบจำลองในคลัสเตอร์ที่มีลำดับความสำคัญสูงไม่มีประสิทธิภาพหรือไม่สามารถใช้งานได้ด้วยเหตุผลใดก็ตาม Amazon DocumentDB จะเลื่อนระดับแบบจำลองที่มีลำดับความสำคัญต่ำกว่า

Amazon DocumentDB สามารถนำไปปรับใช้ในการกำหนดค่าความพร้อมใช้งานสูง โดยใช้อินสแตนซ์แบบจำลองใน AWS Availability Zone หลายแห่งเป็นเป้าหมายการใช้ระบบสำรองเพื่อกู้คืนข้อมูล ในกรณีที่อินสแตนซ์หลักหยุดทำงาน อินสแตนซ์จำลองจะได้รับการเลื่อนระดับให้เป็นอินสแตนซ์หลักใหม่โดยอัตโนมัติโดยมีการหยุดชะงักของบริการน้อยที่สุด

คุณสามารถเพิ่มแบบจำลอง Amazon DocumentDB เพิ่มเติมได้ Amazon DocumentDB จะใช้พื้นที่จัดเก็บเดียวกันกับอินสแตนซ์หลัก แบบจำลองใดก็ได้ของ Amazon DocumentDB สามารถเลื่อนระดับไปเป็นอินสแตนซ์หลักโดยที่ไม่สูญเสียข้อมูล จึงสามารถนำไปใช้เพื่อปรับปรุงความทนทานต่อการหยุดทำงานในกรณีที่อินสแตนซ์หลักหยุดทำงาน หากต้องการเพิ่มความพร้อมใช้งานของคลัสเตอร์ เพียงสร้างแบบจำลองตั้งแต่ 1 ถึง 15 รายการใน AZ หลายโซนแล้ว Amazon DocumentDB จะรวมเอาไว้โดยอัตโนมัติเพื่อใช้เป็นตัวเลือกหลักสำหรับการใช้ระบบสำรองเพื่อกู้คืนข้อมูลในกรณีที่อินสแตนซ์หยุดทำงาน

การใช้ระบบสำรองเพื่อกู้คืนข้อมูลจะได้รับจัดการโดย Amazon DocumentDB โดยอัตโนมัติเพื่อให้แอปพลิเคชันของคุณสามารถดำเนินงานต่อกับฐานข้อมูลต่อได้ในเวลาที่น้อยที่สุดโดยไม่ต้องแทรกแซงการดูแลระบบด้วยตนเอง

• หากคุณมีแบบจำลอง Amazon DocumentDB ใน Availability Zone เดียวกันหรือต่างกันขณะกำลังใช้ระบบสำรองเพื่อกู้คืนข้อมูล Amazon DocumentDB จะเปลี่ยน Canonical Name Record (CNAME) สำหรับอินสแตนซ์ให้เป็นจุดที่แบบจำลองมีประสิทธิภาพ ซึ่งได้รับการเลื่อนระดับให้เป็นอินสแตนซ์ใหม่แทน โดยทั่วไปแล้วตั้งแต่ต้นจนจบ การใช้ระบบสำรองเพื่อกู้คืนข้อมูลจะใช้เวลาไม่เกิน 30 วินาที 
• หากคุณไม่มีแบบจำลองอินสแตนซ์ Amazon DocumentDB (คลัสเตอร์อินสแตนซ์เดียว) Amazon DocumentDB จะพยายามสร้างอินสแตนซ์ใหม่ใน Availability Zone เดียวกันให้เป็นอินสแตนซ์เดิม การแทนที่อินสแตนซ์เดิมนี้จะดำเนินการโดยพยายามอย่างเต็มที่ซึ่งอาจไม่สำเร็จ ตัวอย่างเช่น ในกรณีที่มีปัญหาที่ส่งผลอย่างกว้างขวางต่อ Availability Zone 

แอปพลิเคชันของคุณควรเชื่อมต่อฐานข้อมูลใหม่ในกรณีที่การเชื่อมต่อขาดหาย

Amazon DocumentDB จะตรวจจับปัญหาเกี่ยวกับอินสแตนซ์หลักของคุณโดยอัตโนมัติและจะเริ่มเปลี่ยนเส้นทางปริมาณการอ่าน/เขียนไปเป็นอินสแตนซ์ Amazon DocumentDB โดยเฉลี่ยแล้ว การใช้ระบบสำรองเพื่อกู้คืนข้อมูลจะเสร็จสิ้นภายใน 30 วินาที นอกจากนี้ ปริมาณการอ่านที่แบบจำลองอินสแตนซ์ Amazon DocumentDB ของคุณกำลังแสดงจะถูกขัดจังหวะเล็กน้อย

เนื่องจากแบบจำลอง Amazon DocumentDB จะใช้ปริมาณข้อมูลเท่ากันกับอินสแตนซ์หลัก จึงแทบไม่มีความล่าช้าในการจำลอง โดยทั่วไป เราจะสังเกตเห็นความล่าช้าในหลักสิบมิลลิวินาที

ใช่ โดยจะต้องสร้างคลัสเตอร์ทั้งหมดของ Amazon DocumentDB ใน VPC คุณสามารถกำหนดโครงสร้างเครือข่ายเสมือนที่มีความคล้ายกับเครือข่ายแบบเดิมที่คุณอาจใช้งานได้ในศูนย์ข้อมูลของคุณเองด้วย Amazon VPC ซึ่งจะช่วยให้คุณสามารถควบคุมได้ว่าใครบ้างที่สามารถเข้าถึงคลัสเตอร์ Amazon DocumentDB ได้

Amazon DocumentDB รองรับ RBAC ที่มีบทบาทในตัว RBAC ช่วยให้คุณสามารถบังคับใช้การให้สิทธิ์เท่าที่จำเป็นเป็นแนวทางปฏิบัติที่ดีที่สุด โดยจำกัดการดำเนินการที่ผู้ใช้ได้รับอนุญาตให้ดำเนินการ โปรดดูข้อมูลเพิ่มเติมที่การควบคุมการเข้าถึงตามบทบาทของ Amazon DocumentDB

Amazon DocumentDB ใช้เครือข่ายที่เข้มงวดและขอบเขตการให้สิทธิ์ของ VPC การยืนยันตัวตนและการให้สิทธิ์สำหรับ API การจัดการ Amazon DocumentDB จะดำเนินการตาม ผู้ใช้ IAM บทบาท และนโยบาย การยืนยันตัวตนกับฐานข้อมูล Amazon DocumentDB สามารถทำได้ผ่านเครื่องมือและไดรเวอร์ MongoDB มาตรฐานที่มี Salted Challenge Response Authentication Mechanism (SCRAM) ซึ่งเป็นกลไกการยืนยันตัวตนเริ่มต้นสำหรับ MongoDB

ใช่ Amazon DocumentDB ช่วยให้คุณเข้ารหัสคลัสเตอร์ได้โดยใช้รหัสที่คุณตั้งผ่าน AWS Key Management Service (KMS) ในคลัสเตอร์ที่ใช้งานกับการเข้ารหัส Amazon DocumentDB ข้อมูลที่จัดเก็บอยู่ในพื้นที่จัดเก็บข้อมูลพื้นฐานจะถูกเข้ารหัส เช่นเดียวกับข้อมูลสำรองอัตโนมัติสแนปช็อต และแบบจำลองในคลัสเตอร์เดียวกัน การเข้ารหัสและถอดรหัสที่จัดการอย่างไร้รอยต่อ โปรดดูข้อมูลเพิ่มเติมเกี่ยวกับการใช้ KMS with Amazon DocumentDB ที่การเข้ารหัสข้อมูลที่อยู่ในพื้นที่จัดเก็บของ Amazon DocumentDB

ปัจจุบันยังไม่รองรับการเข้ารหัสคลัสเตอร์ Amazon DocumentDB ที่ไม่ได้เข้ารหัส หากต้องการใช้การเข้ารหัส Amazon DocumentDB สำหรับคลัสเตอร์ที่ไม่ได้เข้ารหัสที่มี ให้สร้างคลัสเตอร์ใหม่โดยเปิดใช้งานการเข้ารหัสและย้ายข้อมูลของคุณไปไว้ในฐานข้อมูล

Amazon DocumentDB ได้รับการออกแบบมาเพื่อให้ตรงตามมาตรฐานความปลอดภัยสูงสุด และทำให้คุณตรวจสอบการรักษาความปลอดภัยของเราได้ง่ายพร้อมกับปฏิบัติตามกฎระเบียบและข้อบังคับของคุณเอง Amazon DocumentDB ได้รับการประเมินว่าปฏิบัติตาม PCI DSS, ISO 9001, 27001, 27017 และ 27018, SOC 1, 2 และ 3 รวมถึง การรับรอง Health Information Trust Alliance (HITRUST) Common Security Framework (CSF) นอกเหนือจากที่เข้าเกณฑ์ HIPAA อยู่แล้ว สามารถดาวน์โหลดรายงานการปฏิบัติตามกฎข้อบังคับของ AWS ได้ใน AWS Artifact

การอัปเกรดเวอร์ชันหลักแบบ In-place (MVU) ช่วยให้คุณสามารถอัปเกรดคลัสเตอร์ Amazon DocumentDB 3.6 หรือ 4.0 เป็น Amazon DocumentDB 5.0 โดยใช้คอนโซล AWS, Software Development Kit (SDK) หรือ Command Line Interface (CLI) ได้ ด้วย MVU แบบ In-place คุณไม่จําเป็นต้องสร้างคลัสเตอร์ใหม่หรือเปลี่ยนตำแหน่งข้อมูลของคุณ MVU แบบ In-place พร้อมให้บริการในทุกรีเจี้ยนที่ให้บริการ Amazon DocumentDB 5.0 โปรดอ่านเอกสารประกอบ MVU แบบ In-place เพื่อเริ่มต้นใช้งาน MVU แบบ In-place

MVU แบบ In-place ช่วยให้คุณอัปเกรดคลัสเตอร์ Amazon DocumentDB 3.6 หรือ 4.0 เป็นเวอร์ชัน 5.0 ได้อย่างราบรื่นโดยไม่จําเป็นต้องสํารองข้อมูลและกู้คืนไปยังคลัสเตอร์อื่น และไม่ใช้เครื่องมือย้ายข้อมูลอื่นๆ ด้วยเหตุนี้จึงช่วยลดเวลาและความพยายามที่เกี่ยวข้องกับกระบวนการอัปเกรดโดยทั่วไป ซึ่งเกี่ยวข้องกับการกําหนดค่าต้นทางและตำแหน่งข้อมูลเป้าหมาย การย้ายดัชนีและข้อมูล การเปลี่ยนโค้ดแอปพลิเคชัน และอื่น ๆ

คุณไม่จําเป็นต้องเปลี่ยนตำแหน่งข้อมูลในแอปพลิเคชันหลังจากการอัปเกรด เนื่องจากข้อมูลยังคงอยู่ในคลัสเตอร์เดียวกันจึงไม่มีค่าใช้จ่ายเพิ่มเติมในการอัปเกรดโดยใช้ฟีเจอร์

เวลาหยุดทํางานอาจแตกต่างกันไปในแต่ละคลัสเตอร์ขึ้นอยู่กับจํานวนคอลเลกชัน ดัชนี ฐานข้อมูล และอินสแตนซ์ ก่อนที่จะเรียกใช้การอัปเกรดเวอร์ชันหลักแบบ In-place บนคลัสเตอร์การผลิตของคุณ เราขอแนะนําให้เรียกใช้ในสภาพแวดล้อมที่ต่ำกว่าเพื่อทดสอบเวลาหยุดทํางาน ประสิทธิภาพ และตรวจสอบว่าแอปพลิเคชันของคุณทํางานตามที่คาดไว้หลังจากการอัปเกรดหรือไม่

นอกจากนี้ คุณยังสามารถใช้คุณสมบัติโคลนอย่างรวดเร็วของ Amazon DocumentDB เพื่อโคลนข้อมูลคลัสเตอร์ของคุณสําหรับการทดสอบได้อีกด้วย คุณสามารถมีส่วนร่วมกับสถาปนิกโซลูชันฐานข้อมูลของเราเพื่อขอความช่วยเหลือเพิ่มเติมได้ ซึ่งขึ้นอยู่กับความซับซ้อนของการใช้งาน Amazon DocumentDB

MVU แบบ In-place รองรับเฉพาะ Amazon DocumentDB 3.6 หรือ 4.0 เป็นทรัพยากร และเวอร์ชัน 5.0 เป็นเป้าหมายเท่านั้น แต่ไม่รองรับ Amazon DocumentDB Global Clusters หรือ Elastic Clusters หรือมี DocumentDB 4.0 เป็นเป้าหมาย

Amazon DocumentDB ผสานรวมกับ Amazon SageMaker Canvas ช่วยให้สร้างโมเดลแมชชีนเลิร์นนิง (ML) และปรับแต่งโมเดลพื้นฐานด้วยข้อมูลที่เก็บไว้ใน Amazon DocumentDB ได้อย่างง่ายดาย โดยไม่ต้องเขียนโค้ดแม้แต่บรรทัดเดียว คุณไม่จำเป็นต้องสร้างข้อมูลที่กำหนดเองและกระบวนการของ ML ระหว่าง Amazon DocumentDB และ SageMaker Canvas อีกต่อไป คุณจะสามารถเปิดใช้ SageMaker Canvas จากภายในคอนโซลของ Amazon DocumentDB และเพิ่มฐานข้อมูลที่มีอยู่ใน Amazon DocumentDB เป็นแหล่งที่มาของข้อมูลเพื่อเริ่มสร้างโมเดลแมชชีนเลิร์นนิงได้ คุณสามารถใช้ข้อมูลใน DocumentDB ใน SageMaker Canvasเพื่อสร้างโมเดลที่จะคาดการณ์การเปลี่ยนใจของลูกค้า ตรวจจับการฉ้อโกง คาดการณ์ความล้มเหลวในการบำรุงรักษา คาดการณ์ตัวชี้วัดทางการเงินและยอดขาย เพิ่มประสิทธิภาพคลังสินค้า สรุปเนื้อหา รวมถึงสร้างเนื้อหาได้

Amazon SageMaker Canvas มอบอินเทอร์เฟซที่ไม่ต้องใช้โค้ดในการสร้างโมเดลแมชชีนเลิร์นนิง โดยใช้ข้อมูลจากแหล่งที่มาของข้อมูลหลายรายการ รวมถึง Amazon DocumentDB คุณจะต้องชำระค่าใช้บริการ SageMaker Canvas และ I/O ที่เกิดขึ้นเมื่อ SageMaker Canvas อ่านข้อมูลจากอินสแตนซ์ Amazon DocumentDB ของคุณ แต่จะไม่มีค่าใช้จ่ายเพิ่มเติมในการใช้ DocumentDB เป็นแหล่งที่มาของข้อมูลใน Amazon SageMaker Canvas ไปที่หน้าค่าบริการ Amazon DocumentDB และค่าบริการ SageMaker Canvas เพื่อเรียนรู้เพิ่มเติม

การค้นหาเวกเตอร์เป็นวิธีการที่ใช้ในแมชชีนเลิร์นนิ่ง (ML) เพื่อค้นหาจุดข้อมูลที่คล้ายกันกับจุดข้อมูลที่กําหนด โดยเปรียบเทียบการแสดงเวกเตอร์โดยใช้ตัววัดระยะทางหรือความคล้ายคลึงกัน ยิ่งเวกเตอร์ทั้งสองอยู่ใกล้กันในพื้นที่เวกเตอร์มากเท่าไร รายการพื้นฐานก็จะยิ่งมีความคล้ายคลึงกันมากขึ้นเท่านั้น เทคนิคนี้ช่วยจับความหมายของข้อมูล วิธีนี้มีประโยชน์ในแอปพลิเคชันต่างๆ เช่น ระบบการแนะนํา การประมวลผลภาษาที่เป็นธรรมชาติ และการจดจําภาพ

การค้นหาเวกเตอร์สําหรับ Amazon DocumentDB จะรวมความยืดหยุ่นและความสามารถในการสืบค้นที่หลากหลายของฐานข้อมูลแบบโครงสร้างเอกสารที่ใช้ JSON เข้ากับพลังของการค้นหาเวกเตอร์ คุณสามารถใช้ข้อมูล Amazon DocumentDB ที่มีอยู่หรือโครงสร้างข้อมูลเอกสารที่ยืดหยุ่นเพื่อสร้างกรณีการใช้งาน AI ช่วยสร้างและแมชชีนเลิร์นนิ่งได้ เช่น ประสบการณ์การค้นหาเชิงความหมาย การแนะนําผลิตภัณฑ์ การปรับเปลี่ยนให้เหมาะสมกับบุคคล แชทบอต การตรวจจับการฉ้อโกง และการตรวจจับสิ่งผิดปกติ ไปที่เอกสารประกอบการค้นหาเวกเตอร์สำหรับ Amazon DocumentDB เพื่อเรียนรู้เพิ่มเติม

การค้นหาเวกเตอร์สําหรับ Amazon DocumentDB พร้อมใช้งานบนคลัสเตอร์ที่ใช้อินสแตนซ์ Amazon DocumentDB 5.0

การค้นหาเวกเตอร์สําหรับ Amazon DocumentDB ช่วยให้สามารถใช้การค้นหาเชิงความหมายเพื่อให้คุณสามารถจับความหมาย บริบท และเจตนาเบื้องหลังข้อมูลของคุณได้ การค้นหาคําหลักจะค้นหาเอกสารตามข้อความจริงหรือการแมปคําพ้องความหมายที่กําหนดไว้ล่วงหน้า ตัวอย่างเช่น ในแอปพลิเคชันอีคอมเมิร์ซแบบดั้งเดิม ชุดสีแดงอาจส่งคืนข้อมูลผลิตภัณฑ์ที่มีคําว่า "สีแดง" และ "ชุด" ในคําอธิบาย การค้นหาเชิงความหมายจะดึงผลลัพธ์ที่มีชุดในเฉดสีแดงต่างๆ ซึ่งสามารถปรับปรุงประสบการณ์ของผู้ใช้ได้  

ไม่มีค่าใช้จ่ายเพิ่มเติมในการใช้การค้นหาเวกเตอร์สําหรับ Amazon DocumentDB ค่าบริการการประมวลผลมาตรฐาน, I/O, พื้นที่จัดเก็บ และการสํารองข้อมูลจะเรียกเก็บเมื่อคุณจัดเก็บ จัดทําดัชนี และค้นหาเวกเตอร์ใน Amazon DocumentDB ไปที่หน้าราคาของ Amazon DocumentDB เพื่อเรียนรู้เพิ่มเติม

Amazon DocumentDB ผสานการทำงานกับ Amazon SageMaker Canvas ทําให้การสร้างแอปพลิเคชันปัญญาประดิษฐ์ (AI) ช่วยสร้างและแมชชีนเลิร์นนิ่ง (ML) เป็นเรื่องง่ายโดยการใช้ข้อมูลที่จัดเก็บไว้ใน Amazon DocumentDB คุณไม่จำเป็นต้องสร้างข้อมูลที่กำหนดเองและกระบวนการของ ML ระหว่าง Amazon DocumentDB และ SageMaker Canvas อีกต่อไป การผสานรวมในคอนโซลจะกำจัดภาระงานหนักในการเชื่อมต่อและเข้าถึงข้อมูลเพื่อช่วยให้การพัฒนา ML ของคุณรวดเร็วขึ้นโดยไม่ต้องมีประสบการณ์ในการเขียนโค้ดหรือมีประสบการณ์น้อย (LCNC) คุณจะสามารถเปิดใช้ SageMaker Canvas จากภายในคอนโซลของ Amazon DocumentDB และเพิ่มฐานข้อมูลที่มีอยู่ใน Amazon DocumentDB เป็นแหล่งที่มาของข้อมูล

การบูรณาการ ETL แบบไร้รอยต่อกับ Amazon OpenSearch Service นี้ช่วยขจัดความซับซ้อนในการดำเนินการแยก แปลง โหลดข้อมูลจากคอลเลกชัน Amazon DocumentDB ไปยังคลัสเตอร์ที่มีการจัดการแบบ Amazon OpenSearch หรือคอลเลกชันแบบไร้เซิร์ฟเวอร์ การบูรณาการนี้จะทำให้คุณไม่จำเป็นต้องสร้างหรือจัดการไปป์ไลน์ข้อมูลหรือแปลงข้อมูลอีกต่อไป

หากคุณต้องการใช้ MongoDB API คุณควรใช้ความสามารถของฐานข้อมูลเวกเตอร์ดั้งเดิมใน Amazon DocumentDB เพื่อทำการค้นหาเอกสารของคุณ การผสานรวม Amazon DocumentDB Zero-ETL กับ Amazon OpenSearch Service เหมาะอย่างยิ่งสำหรับการค้นหาในคอลเลกชันต่าง ๆ และสำหรับการจัดเก็บและจัดทำดัชนีเวกเตอร์ที่มีมากกว่า 2,000 มิติ

การบูรณาการ ETL แบบไร้รอยต่อของ Amazon DocumentDB กับ Amazon OpenSearch Service ใช้ Amazon OpenSearch Ingestion เพื่อย้ายข้อมูลการดําเนินงานจาก Amazon DocumentDB ไปยัง Amazon OpenSearch Service ได้อย่างราบรื่น ในการเริ่มต้นใช้งาน คุณต้องเปิดใช้งานฟังก์ชันการเปลี่ยนสตรีมในคอลเลกชัน Amazon DocumentDB ที่ต้องจำลองข้อมูล ฟีเจอร์การบูรณาการ ETL แบบไร้รอยต่อนี้จะสร้างไปป์ไลน์การนำเข้าข้อมูล Amazon OpenSearch Ingestion ในบัญชีของคุณ ซึ่งจะจําลองข้อมูลไปยังคลัสเตอร์ที่มีการจัดการแบบ Amazon OpenSearch Service หรือคอลเลกชันแบบไม่ต้องใช้เซิร์ฟเวอร์

Amazon OpenSearch Ingetion เข้าใจรูปแบบของข้อมูลในคอลเลกชัน Amazon DocumentDB โดยอัตโนมัติ และแม็ปข้อมูลไปยัง Amazon OpenSearch Service เพื่อให้ได้ผลการค้นหาที่มีประสิทธิภาพสูงสุด คุณสามารถซิงโครไนซ์ข้อมูลจากคอลเลกชัน Amazon DocumentDB หลายรายการผ่านหลายไปป์ไลน์ลงในคลัสเตอร์ที่มีการจัดการแบบ Amazon OpenSearch หรือคอลเลกชันแบบไร้เซิร์ฟเวอร์เพื่อนำเสนอข้อมูลเชิงลึกแบบองค์รวมในหลายแอปพลิเคชัน หรืออีกทางเลือกหนึ่งคือ คุณสามารถระบุตัวประมวลผลข้อมูลที่กำหนดเองเมื่อกำหนดค่าการนำเข้าข้อมูลใน Amazon OpenSearch Service การอัปเดตที่ตามมาในคอลเลกชัน DocumentDB จะได้รับการจําลองข้อมูลไปยัง Amazon OpenSearch Service ด้วย โดยที่ไม่ต้องดำเนินการแทรกแซงด้วยตนเอง

ETL แบบไร้รอยต่อนี้ใช้ประโยชน์จากความสามารถในการแปลงข้อมูลแบบเนทีฟของไปป์ไลน์นำเข้าของ Amazon OpenSearch เพื่อรวบรวมและกรองข้อมูลในขณะที่ทำการเคลื่อนข้าย

คุณสามารถเขียนตรรกะการแปลงที่กำหนดเองได้ด้วย หากต้องการใช้ความสามารถในการแปลงที่กำหนดเองและ Amazon OpenSearch Ingetion จะจัดการกระบวนการเปลี่ยนแปลง หรือหากคุณต้องการย้ายข้อมูลทั้งหมดจากแหล่งที่มาหนึ่งไปยังอีกที่หนึ่งโดยไม่มีการกำหนดค่าเอง Amazon OpenSearch Ingestion จะจัดหาพิมพ์เขียวที่พร้อมใช้งานทันที เพื่อให้คุณสามารถทำการผสานรวมได้ด้วยการคลิกปุ่มเพียงไม่กี่ครั้ง

เพื่อรับรองว่าการนําเข้า OpenSearch มีสิทธิ์ที่จําเป็นในการทําจำลองข้อมูลจาก Amazon DocumentDB ฟีเจอร์การบูรณาการ ETL แบบไร้รอยต่อกับ OpenSearch Service จะสร้างบทบาทใน IAM ที่มีสิทธิ์ที่จําเป็นในการอ่านข้อมูลจากคอลเลกชัน Amazon DocumentDB และเขียนไปยังโดเมนหรือคอลเลกชันของ Amazon OpenSearch บทบาทนี้จะสร้างขึ้นโดยไปป์ไลน์ Amazon OpenSearch Ingestion เพื่อให้แน่ใจว่าเมื่อย้ายข้อมูลจากต้นทางไปยังปลายทางจะได้รับการรักษาความปลอดภัยที่เหมาะสมและสม่ำเสมอ

คุณสามารถดูตัววัดทั้งหมดที่เกี่ยวข้องกับการบูรณาการ ETL แบบไร้รอยต่อกับ Amazon DocumentDB บนแดชบอร์ดคอนโซลที่ Amazon DocumentDB จัดเตรียมไว้ให้พร้อมกับไปป์ไลน์การนำเข้าข้อมูล OpenSearch นอกจากนี้ คุณยังสามารถสืบค้นข้อมูลบันทึกแบบเรียลไทม์ใน Amazon CloudWatch และตั้งค่าการแจ้งเตือนแบบกำหนดเองโดยใช้ Amazon CloudWatch ที่จะทริกเกอร์เมื่อเกิดการละเมิดเกณฑ์ที่ผู้ใช้กำหนด