Einen Bewertungsbericht für mehrere Server erstellen in AWS Schema Conversion Tool - AWS Schema Conversion Tool
Durchführung einer Multiserver-AssessmentEine CSV Eingabedatei wird vorbereitetSuchen und Anzeigen von BerichtenErgebnis für einen aggregierten Bewertungsbericht

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Einen Bewertungsbericht für mehrere Server erstellen in AWS Schema Conversion Tool

Erstellen Sie einen Bewertungsbericht für mehrere Server, um die beste Zielrichtung für Ihre gesamte Umgebung zu ermitteln.

In einem Bewertungsbericht für mehrere Server werden mehrere Server anhand der Eingaben bewertet, die Sie für jede Schemadefinition angeben, die Sie bewerten möchten. Ihre Schemadefinition enthält Verbindungsparameter für den Datenbankserver und den vollständigen Namen jedes Schemas. Erstellt nach der Bewertung jedes AWS SCT Schemas einen zusammenfassenden, aggregierten Bewertungsbericht für die Datenbankmigration zwischen Ihren verschiedenen Servern. Dieser Bericht zeigt die geschätzte Komplexität für jedes mögliche Migrationsziel.

Sie können ihn verwenden AWS SCT , um einen Bewertungsbericht für mehrere Server für die folgenden Quell- und Zieldatenbanken zu erstellen.

Quelldatenbank Zieldatenbank

Amazon-Redshift

Amazon-Redshift

Azure-Datenbank SQL

Aurora MaiSQL, Aurora PostgreSQL, MaiSQL, Postgre SQL

Azure Synapse-Analytik

Amazon-Redshift

BigQuery

Amazon-Redshift

Greenplum

Amazon-Redshift

IBMDb2 für z/OS

Amazon Aurora My SQL -kompatible Ausgabe (Aurora MySQL), Amazon Aurora SQL Postgre-kompatible Ausgabe (Aurora PostgreSQL), My, Postgre SQL SQL

IBMDb2 LUW

Aurora MaiSQL, Aurora PostgreSQL, MariaDB, Mai, Postgre SQL SQL

SQLMicrosoft-Server

Aurora MySQL, Aurora PostgreSQL, Amazon Redshift, Babelfish für Aurora Postgre, MariaDBSQL, Microsoft Server, My, Postgre SQL SQL SQL

Mein SQL

Aurora PostgreSQL, MaiSQL, Postgre SQL

Netezza

Amazon-Redshift

Oracle

Aurora MySQL, Aurora PostgreSQL, Amazon Redshift, MariaDB, MySQL, Oracle, Postgre SQL

Postgret SQL

Aurora MaiSQL, Aurora PostgreSQL, MaiSQL, Postgre SQL

SAP ASE

Aurora MaiSQL, Aurora PostgreSQL, MariaDB, Mai, Postgre SQL SQL

Snowflake

Amazon-Redshift

Teradata

Amazon-Redshift

Vertica

Amazon-Redshift

Durchführung einer Multiserver-Assessment

Gehen Sie wie folgt vor, um eine Multiserverbewertung mit durchzuführen. AWS SCT Sie müssen kein neues Projekt erstellen, AWS SCT um eine Multiserverbewertung durchzuführen. Bevor Sie beginnen, stellen Sie sicher, dass Sie eine Datei mit kommagetrennten Werten (CSV) mit Datenbankverbindungsparametern vorbereitet haben. Stellen Sie außerdem sicher, dass Sie alle erforderlichen Datenbanktreiber installiert haben, und legen Sie den Speicherort der Treiber in den AWS SCT Einstellungen fest. Weitere Informationen finden Sie unter JDBCTreiber werden installiert für AWS Schema Conversion Tool.

Um eine Multiserver-Bewertung durchzuführen und einen zusammengefassten Zusammenfassungsbericht zu erstellen

  1. Wählen Sie AWS SCT unter Datei, Neue Multiserverbewertung aus. Das Dialogfeld Neue Multiserver-Bewertung wird geöffnet.

    Neuer Mehrbenutzer-Assessment-Zugriff

  2. Wählen Sie Beispiel für eine Verbindungsdatei herunterladen, um eine leere Vorlage einer CSV Datei mit Datenbankverbindungsparametern herunterzuladen.

  3. Geben Sie Werte für Projektname, Speicherort (zum Speichern von Berichten) und Verbindungsdatei (eine CSV Datei) ein.

  4. Wählen Sie AWS SCT Projekte für jede Quelldatenbank erstellen, um nach der Erstellung des Bewertungsberichts automatisch Migrationsprojekte zu erstellen.

  5. Wenn die Option AWS SCT Projekte für jede Quelldatenbank erstellen aktiviert ist, können Sie Zuordnungsregeln zu diesen Projekten hinzufügen auswählen und Konvertierungsstatistiken für die Offline-Verwendung speichern. In diesem Fall AWS SCT werden jedem Projekt Zuordnungsregeln hinzugefügt und die Metadaten der Quelldatenbank im Projekt gespeichert. Weitere Informationen finden Sie unter Verwenden Sie den Offline-Modus in AWS Schema Conversion Tool.

  6. Wählen Sie Ausführen aus.

    Ein Fortschrittsbalken zeigt das Tempo der Datenbankbewertung an. Die Anzahl der Ziel-Engines kann sich auf die Laufzeit der Bewertung auswirken.

  7. Wählen Sie Ja, wenn die folgende Meldung angezeigt wird: Die vollständige Analyse aller Datenbankserver kann einige Zeit dauern. Möchten Sie fortfahren?

    Wenn der Multiserver-Assessment-Bericht fertig ist, wird ein entsprechender Bildschirm angezeigt.

  8. Wählen Sie Bericht öffnen, um den zusammengefassten Bewertungsbericht anzuzeigen.

AWS SCT Generiert standardmäßig einen aggregierten Bericht für alle Quelldatenbanken und einen detaillierten Bewertungsbericht für jeden Schemanamen in einer Quelldatenbank. Weitere Informationen finden Sie unter Suchen und Anzeigen von Berichten.

Wenn die Option AWS SCT Projekte für jede Quelldatenbank erstellen aktiviert ist, AWS SCT wird für jede Quelldatenbank ein leeres Projekt erstellt. AWS SCT erstellt auch Bewertungsberichte, wie zuvor beschrieben. Nachdem Sie diese Bewertungsberichte analysiert und das Migrationsziel für jede Quelldatenbank ausgewählt haben, fügen Sie Zieldatenbanken zu diesen leeren Projekten hinzu.

Wenn die Option Zuordnungsregeln zu diesen Projekten hinzufügen und Konvertierungsstatistiken für die Offline-Verwendung speichern aktiviert ist, AWS SCT wird für jede Quelldatenbank ein Projekt erstellt. Diese Projekte enthalten die folgenden Informationen:

Eine CSV Eingabedatei wird vorbereitet

Um Verbindungsparameter als Eingabe für den Multiserver-Assessmentbericht bereitzustellen, verwenden Sie eine CSV Datei, wie im folgenden Beispiel gezeigt.

Name,Description,Secret Manager Key,Server IP,Port,Service Name,Database name,BigQuery path,Source Engine,Schema Names,Use Windows Authentication,Login,Password,Use SSL,Trust store,Key store,SSL authentication,Target Engines
Sales,,,192.0.2.0,1521,pdb,,,ORACLE,Q4_2021;FY_2021,,user,password,,,,,POSTGRESQL;AURORA_POSTGRESQL
Marketing,,,ec2-a-b-c-d.eu-west-1.compute.amazonaws.com,1433,,target_audience,,MSSQL,customers.dbo,,user,password,,,,,AURORA_MYSQL
HR,,,192.0.2.0,1433,,employees,,MSSQL,employees.%,true,,,,,,,AURORA_POSTGRESQL
Customers,,secret-name,,,,,,MYSQL,customers,,,,,,,,AURORA_POSTGRESQL
Analytics,,,198.51.100.0,8195,,STATISTICS,,DB2LUW,BI_REPORTS,,user,password,,,,,POSTGRESQL
Products,,,203.0.113.0,8194,,,,TERADATA,new_products,,user,password,,,,,REDSHIFT

Im vorherigen Beispiel werden die beiden Schemanamen für die Datenbank durch ein Semikolon getrennt. Sales Außerdem werden die beiden Zieldatenbank-Migrationsplattformen für die Datenbank durch ein Semikolon voneinander getrennt. Sales

Außerdem verwendet das vorherige Beispiel die Verbindung AWS Secrets Manager zur Customers Datenbank und die Windows-Authentifizierung, um eine Verbindung zur Datenbank herzustellen. HR

Sie können eine neue CSV Datei erstellen oder eine Vorlage für eine CSV Datei von herunterladen AWS SCT und die erforderlichen Informationen eingeben. Stellen Sie sicher, dass die erste Zeile Ihrer CSV Datei dieselben Spaltennamen wie im vorherigen Beispiel enthält.

Um eine Vorlage der CSV Eingabedatei herunterzuladen

  1. Fangen Sie an AWS SCT.

  2. Wählen Sie „Datei“ und anschließend „Neues Multiserver-Assessment“.

  3. Wählen Sie „Beispiel für eine Verbindungsdatei herunterladen“ aus.

Stellen Sie sicher, dass Ihre CSV Datei die folgenden Werte enthält, die in der Vorlage enthalten sind:

  • Name — Die Textbeschriftung, mit der Sie Ihre Datenbank identifizieren können. AWS SCT zeigt dieses Textlabel im Bewertungsbericht an.

  • Beschreibung — Ein optionaler Wert, mit dem Sie zusätzliche Informationen zur Datenbank angeben können.

  • Secret Manager Key — Der Name des Secrets, das Ihre Datenbankanmeldeinformationen speichert, in der AWS Secrets Manager. Um Secrets Manager zu verwenden, stellen Sie sicher, dass Sie AWS Profile in speichern AWS SCT. Weitere Informationen finden Sie unter Konfiguration AWS Secrets Manager in der AWS Schema Conversion Tool.

    Wichtig

    AWS SCT ignoriert den Secret Manager-Schlüsselparameter, wenn Sie die Server-IP -, Port -, Anmelde - und Kennwortparameter in die Eingabedatei aufnehmen.

  • Server-IP — Der Name oder die IP-Adresse Ihres Quelldatenbankservers (DNS).

  • Port — Der Port, der für die Verbindung zu Ihrem Quelldatenbankserver verwendet wird.

  • Dienstname — Wenn Sie einen Dienstnamen verwenden, um eine Verbindung zu Ihrer Oracle-Datenbank herzustellen, der Name des Oracle-Dienstes, zu dem die Verbindung hergestellt werden soll.

  • Datenbankname — Der Datenbankname. Verwenden Sie für Oracle-Datenbanken die Oracle-System-ID (SID).

  • BigQuery path — der Pfad zur Dienstkonto-Schlüsseldatei für Ihre BigQuery Quelldatenbank. Weitere Hinweise zum Erstellen dieser Datei finden Sie unterRechte für BigQuery als Quelle.

  • Source Engine — Der Typ Ihrer Quelldatenbank. Verwenden Sie einen der folgenden Werte:

    • AZURE_ MSSQL für eine SQL Azure-Datenbank.

    • AZURE_ SYNAPSE für eine Azure Synapse Analytics-Datenbank.

    • GOOGLE_ BIGQUERY für eine BigQuery Datenbank.

    • DB2ZOSfür eine IBM Db2 for z/OS-Datenbank.

    • DB2LUWfür eine IBM Db2-DatenbankLUW.

    • GREENPLUMfür eine Greenplum-Datenbank.

    • MSSQLfür eine Microsoft SQL Server-Datenbank.

    • MYSQLfür eine Meine SQL Datenbank.

    • NETEZZAfür eine Netezza-Datenbank.

    • ORACLEfür eine Oracle-Datenbank.

    • POSTGRESQLfür eine SQL Postgre-Datenbank.

    • REDSHIFTfür eine Amazon Redshift Redshift-Datenbank.

    • SNOWFLAKEfür eine Snowflake-Datenbank.

    • SYBASE_ ASE für eine SAP ASE Datenbank.

    • TERADATAfür eine Teradata-Datenbank.

    • VERTICAfür eine Vertica-Datenbank.

  • Schemanamen — Die Namen der Datenbankschemas, die in den Bewertungsbericht aufgenommen werden sollen.

    Verwenden Sie für Azure SQL Database, Azure Synapse Analytics BigQuery, Netezza SAPASE, Snowflake und SQL Server das folgende Format des Schemanamens:

    db_name.schema_name

    Ersetzen Sie es durch db_name den Namen der Quelldatenbank.

    schema_nameErsetzen Sie durch den Namen des Quellschemas.

    Schließen Sie Datenbank- oder Schemanamen ein, die einen Punkt in doppelten Anführungszeichen enthalten, wie folgt:"database.name"."schema.name".

    Trennen Sie mehrere Schemanamen wie folgt durch Semikolons voneinander:. Schema1;Schema2

    Bei den Datenbank- und Schemanamen wird zwischen Groß- und Kleinschreibung unterschieden.

    Verwenden Sie Prozent (%) als Platzhalter, um eine beliebige Anzahl von Symbolen im Datenbank- oder Schemanamen zu ersetzen. Im vorherigen Beispiel wird Prozent (%) als Platzhalter verwendet, um alle Schemas aus der employees Datenbank in den Bewertungsbericht aufzunehmen.

  • Windows-Authentifizierung verwenden — Wenn Sie die Windows-Authentifizierung verwenden, um eine Verbindung zu Ihrer Microsoft SQL Server-Datenbank herzustellen, geben Sie true ein. Weitere Informationen finden Sie unter Verwenden der Windows-Authentifizierung bei Verwendung von Microsoft SQL Server als Quelle.

  • Login — Der Benutzername für die Verbindung mit Ihrem Quelldatenbankserver.

  • Passwort — Das Passwort für die Verbindung zu Ihrem Quelldatenbankserver.

  • Verwenden SSL — Wenn Sie Secure Sockets Layer (SSL) verwenden, um eine Verbindung zu Ihrer Quelldatenbank herzustellen, geben Sie true ein.

  • Trust Store — Der Trust Store, der für Ihre SSL Verbindung verwendet werden soll.

  • Schlüsselspeicher — Der Schlüsselspeicher, der für Ihre SSL Verbindung verwendet werden soll.

  • SSLAuthentifizierung — Wenn Sie die SSL Authentifizierung per Zertifikat verwenden, geben Sie true ein.

  • Target Engines — Die Zieldatenbankplattformen. Verwenden Sie die folgenden Werte, um ein oder mehrere Ziele im Bewertungsbericht anzugeben:

    • AURORA_ MYSQL für eine Aurora My SQL -kompatible Datenbank.

    • AURORA_ POSTGRESQL für eine Aurora SQL Postgre-kompatible Datenbank.

    • BABELFISHfür eine Babelfish for Aurora SQL Postgre-Datenbank.

    • MARIA_DB für eine MariaDB-Datenbank.

    • MSSQLfür eine Microsoft SQL Server-Datenbank.

    • MYSQLfür eine Meine SQL Datenbank.

    • ORACLEfür eine Oracle-Datenbank.

    • POSTGRESQLfür eine SQL Postgre-Datenbank.

    • REDSHIFTfür eine Amazon Redshift Redshift-Datenbank.

    Trennen Sie mehrere Ziele, indem Sie Semikolons wie folgt verwenden:. MYSQL;MARIA_DB Die Anzahl der Ziele wirkt sich auf die Zeit aus, die für die Durchführung der Bewertung benötigt wird.

Suchen und Anzeigen von Berichten

Bei der Multiserver-Assessment werden zwei Arten von Berichten generiert:

  • Ein aggregierter Bericht aller Quelldatenbanken.

  • Ein detaillierter Bewertungsbericht der Zieldatenbanken für jeden Schemanamen in einer Quelldatenbank.

Berichte werden in dem Verzeichnis gespeichert, das Sie im Dialogfeld Neue Multiserver-Bewertung für Speicherort ausgewählt haben.

Um auf die detaillierten Berichte zuzugreifen, können Sie in den Unterverzeichnissen navigieren, die nach Quelldatenbank, Schemaname und Zieldatenbank-Engine organisiert sind.

Aggregierte Berichte enthalten Informationen zur Konvertierungskomplexität einer Zieldatenbank in vier Spalten. Die Spalten enthalten Informationen zur Konvertierung von Codeobjekten, Speicherobjekten, Syntaxelementen und zur Komplexität der Konvertierung.

Das folgende Beispiel zeigt Informationen zur Konvertierung von zwei Oracle-Datenbankschemas nach Amazon RDS for SQL Postgre.

Aggregieren Sie den Bericht, ein Ziel

Dieselben vier Spalten werden an die Berichte für jede weitere angegebene Zieldatenbank-Engine angehängt.

Einzelheiten zum Lesen dieser Informationen finden Sie im Folgenden.

Ergebnis für einen aggregierten Bewertungsbericht

Der aggregierte Bewertungsbericht zur Migration von Multiserver-Datenbanken in AWS Schema Conversion Tool ist eine CSV Datei mit den folgenden Spalten:

  • Server IP address and port

  • Secret Manager key

  • Name

  • Description

  • Database name

  • Schema name

  • Code object conversion % for target_database

  • Storage object conversion % for target_database

  • Syntax elements conversion % for target_database

  • Conversion complexity for target_database

Um Informationen zu sammeln, werden vollständige Bewertungsberichte AWS SCT ausgeführt und anschließend die Berichte nach Schemas zusammengefasst.

In dem Bericht zeigen die folgenden drei Felder den Prozentsatz der möglichen automatischen Konversionen auf der Grundlage der Bewertung:

Konvertierung von Codeobjekten (%)

Der Prozentsatz der Codeobjekte im Schema, die automatisch oder mit minimalen Änderungen konvertiert werden AWS SCT können. Zu den Codeobjekten gehören Prozeduren, Funktionen, Ansichten und ähnliches.

Konvertierung von Speicherobjekten%

Der Prozentsatz der Speicherobjekte, die automatisch oder mit minimalen Änderungen konvertiert werden SCT können. Zu den Speicherobjekten gehören Tabellen, Indizes, Einschränkungen und ähnliches.

Konvertierung von Syntaxelementen%

Der Prozentsatz der Syntaxelemente, die automatisch konvertiert werden SCT können. Zu den Syntaxelementen gehören SELECT FROMDELETE,, und JOIN Klauseln und ähnliche.

Die Berechnung der Konvertierungskomplexität basiert auf dem Konzept der Aktionspunkte. Ein Aktionspunkt spiegelt eine Art von Problem wider, das im Quellcode gefunden wurde und das Sie während der Migration zu einem bestimmten Ziel manuell beheben müssen. Ein Aktionspunkt kann mehrfach vorkommen.

Eine gewichtete Skala gibt den Grad der Komplexität an, mit dem eine Migration durchgeführt werden muss. Die Zahl 1 steht für die niedrigste und die Zahl 10 für die höchste Komplexitätsstufe.