Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Membuat laporan penilaian multiserver di AWS Schema Conversion Tool
Untuk menentukan arah target terbaik untuk lingkungan Anda secara keseluruhan, buat laporan penilaian multiserver.
Laporan penilaian multiserver mengevaluasi beberapa server berdasarkan masukan yang Anda berikan untuk setiap definisi skema yang ingin Anda nilai. Definisi skema Anda berisi parameter koneksi server database dan nama lengkap setiap skema. Setelah menilai setiap skema, buat AWS SCT ringkasan, laporan penilaian agregat untuk migrasi database di beberapa server Anda. Laporan ini menunjukkan perkiraan kompleksitas untuk setiap target migrasi yang mungkin.
Anda dapat menggunakan AWS SCT untuk membuat laporan penilaian multiserver untuk database sumber dan target berikut.
Basis data sumber | Basis data target |
---|---|
Amazon Redshift |
Amazon Redshift |
Database Azure SQL |
Aurora Saya, Aurora SQL Postgre, Saya, Postgre SQL SQL SQL |
Analisis Sinaps Azure |
Amazon Redshift |
BigQuery |
Amazon Redshift |
Greenplum |
Amazon Redshift |
IBMDb2 untuk z/OS |
Amazon Aurora My SQL -Compatible Edition (Aurora My), SQL Amazon Aurora Postgre SQL -Edisi Kompatibel (Aurora Postgre), My, Postgre SQL SQL SQL |
IBMDb2 LUW |
Aurora Saya, Aurora Postgre, SQL MariaDB, Saya, SQL Postgre SQL SQL |
SQLServer Microsoft |
Aurora My, SQL Aurora PostgreSQL, Amazon Redshift, Babelfish untuk Aurora Postgre, MariaDB, Microsoft Server, My, Postgre SQL SQL SQL SQL |
Saya SQL |
Aurora Postgre, Saya, Postgre SQL SQL SQL |
Netezza |
Amazon Redshift |
Oracle |
Aurora Saya, SQL Aurora PostgreSQL, Amazon Redshift, MariaDB, Saya, Oracle, Postgre SQL SQL |
Postgre SQL |
Aurora Saya, Aurora SQL Postgre, Saya, Postgre SQL SQL SQL |
SAP ASE |
Aurora Saya, Aurora Postgre, SQL MariaDB, Saya, SQL Postgre SQL SQL |
Kepingan salju |
Amazon Redshift |
Teradata |
Amazon Redshift |
Vertica |
Amazon Redshift |
Melakukan penilaian multiserver
Gunakan prosedur berikut untuk melakukan penilaian multiserver dengan AWS SCT. Anda tidak perlu membuat proyek baru AWS SCT untuk melakukan penilaian multiserver. Sebelum memulai, pastikan Anda telah menyiapkan file value (CSV) dipisahkan koma dengan parameter koneksi database. Juga, pastikan bahwa Anda telah menginstal semua driver database yang diperlukan dan mengatur lokasi driver dalam AWS SCT pengaturan. Untuk informasi selengkapnya, lihat Menginstal JDBC driver untuk AWS Schema Conversion Tool.
Untuk melakukan penilaian multiserver dan membuat laporan ringkasan agregat
-
Di AWS SCT, pilih File, Penilaian multiserver baru. Kotak dialog penilaian multiserver baru terbuka.
-
Pilih Unduh contoh file koneksi untuk mengunduh templat kosong CSV file dengan parameter koneksi database.
-
Masukkan nilai untuk nama Proyek, Lokasi (untuk menyimpan laporan), dan file Koneksi (CSVfile).
-
Pilih Buat AWS SCT proyek untuk setiap database sumber untuk membuat proyek migrasi secara otomatis setelah membuat laporan penilaian.
-
Dengan mengaktifkan Buat AWS SCT proyek untuk setiap basis data sumber, Anda dapat memilih Tambahkan aturan pemetaan ke proyek ini dan menyimpan statistik konversi untuk penggunaan offline. Dalam hal ini, AWS SCT akan menambahkan aturan pemetaan untuk setiap proyek dan menyimpan metadata database sumber dalam proyek. Untuk informasi selengkapnya, lihat Menggunakan mode offline di AWS Schema Conversion Tool.
-
Pilih Jalankan.
Bilah kemajuan muncul yang menunjukkan kecepatan penilaian basis data. Jumlah mesin target dapat memengaruhi runtime penilaian.
-
Pilih Ya jika pesan berikut ditampilkan: Analisis lengkap dari semua server Database mungkin memakan waktu. Apakah Anda ingin melanjutkan?
Ketika laporan penilaian multiserver selesai, layar muncul yang menunjukkan demikian.
-
Pilih Buka Laporan untuk melihat laporan penilaian ringkasan gabungan.
Secara default, AWS SCT menghasilkan laporan agregat untuk semua database sumber dan laporan penilaian terperinci untuk setiap nama skema dalam database sumber. Untuk informasi selengkapnya, lihat Menemukan dan melihat laporan.
Dengan opsi Buat AWS SCT proyek untuk setiap database sumber diaktifkan, AWS SCT buat proyek kosong untuk setiap database sumber. AWS SCT juga membuat laporan penilaian seperti yang dijelaskan sebelumnya. Setelah Anda menganalisis laporan penilaian ini dan memilih tujuan migrasi untuk setiap database sumber, tambahkan database target ke proyek kosong ini.
Dengan opsi Tambahkan aturan pemetaan ke proyek ini dan simpan statistik konversi untuk penggunaan offline diaktifkan, AWS SCT buat proyek untuk setiap basis data sumber. Proyek-proyek ini mencakup informasi berikut:
Database sumber Anda dan platform basis data target virtual. Untuk informasi selengkapnya, lihat Pemetaan ke target virtual di AWS Schema Conversion Tool.
Aturan pemetaan untuk pasangan sumber-target ini. Untuk informasi selengkapnya, lihat Pemetaan tipe data.
Laporan penilaian migrasi database untuk pasangan sumber-target ini.
Metadata skema sumber, yang memungkinkan Anda menggunakan AWS SCT proyek ini dalam mode offline. Untuk informasi selengkapnya, lihat Menggunakan mode offline di AWS Schema Conversion Tool.
Mempersiapkan CSV file input
Untuk menyediakan parameter koneksi sebagai masukan untuk laporan penilaian multiserver, gunakan CSV file seperti yang ditunjukkan pada contoh berikut.
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
Contoh sebelumnya menggunakan titik koma untuk memisahkan dua nama skema untuk database. Sales
Ini juga menggunakan titik koma untuk memisahkan dua platform migrasi database target untuk database. Sales
Juga, contoh sebelumnya digunakan AWS Secrets Manager untuk terhubung ke Customers
database dan Windows Authentication untuk terhubung ke database. HR
Anda dapat membuat CSV file baru atau mengunduh templat untuk CSV file dari AWS SCT dan mengisi informasi yang diperlukan. Pastikan bahwa baris pertama CSV file Anda menyertakan nama kolom yang sama seperti yang ditunjukkan pada contoh sebelumnya.
Untuk men-download template dari CSV file input
Mulai AWS SCT.
Pilih File, lalu pilih Penilaian multiserver baru.
Pilih Unduh contoh file koneksi.
Pastikan CSV file Anda menyertakan nilai-nilai berikut, yang disediakan oleh template:
-
Nama — Label teks yang membantu mengidentifikasi database Anda. AWS SCT menampilkan label teks ini dalam laporan penilaian.
-
Deskripsi — Nilai opsional, di mana Anda dapat memberikan informasi tambahan tentang database.
-
Secret Manager Key — Nama rahasia yang menyimpan kredensi database Anda di. AWS Secrets Manager Untuk menggunakan Secrets Manager, pastikan Anda menyimpan AWS profil AWS SCT. Untuk informasi selengkapnya, lihat Mengkonfigurasi AWS Secrets Manager di AWS Schema Conversion Tool.
penting
AWS SCT mengabaikan parameter Kunci Manajer Rahasia jika Anda menyertakan parameter Server IP, Port, Login, dan Kata Sandi dalam file input.
-
Server IP — Nama Layanan Nama Domain (DNS) atau alamat IP server basis data sumber Anda.
-
Port — Port yang digunakan untuk terhubung ke server database sumber Anda.
-
Nama Layanan — Jika Anda menggunakan nama layanan untuk terhubung ke database Oracle Anda, nama layanan Oracle untuk terhubung ke.
-
Nama database — Nama database. Untuk database Oracle, gunakan Oracle System ID (). SID
-
BigQuery path — path ke file kunci akun layanan untuk BigQuery database sumber Anda. Untuk informasi selengkapnya tentang membuat file ini, lihatHak istimewa untuk BigQuery sebagai sumber.
-
Source Engine — Jenis database sumber Anda. Gunakan salah satu nilai berikut:
AZURE_ MSSQL untuk SQL Database Azure.
AZURE_ SYNAPSE untuk database Azure Synapse Analytics.
GOOGLE_ BIGQUERY untuk BigQuery database.
DB2ZOSuntuk IBM Db2 untuk database z/OS.
DB2LUWuntuk database IBM Db2LUW.
GREENPLUMuntuk database Greenplum.
MSSQLuntuk database Microsoft SQL Server.
MYSQLuntuk SQL database saya.
NETEZZAuntuk database Netezza.
ORACLEuntuk database Oracle.
POSTGRESQLuntuk database PostgreSQL.
REDSHIFTuntuk database Amazon Redshift.
SNOWFLAKEuntuk database Snowflake.
SYBASE_ ASE untuk SAP ASE database.
TERADATAuntuk database Teradata.
VERTICAuntuk database Vertica.
-
Nama Skema — Nama-nama skema database untuk dimasukkan dalam laporan penilaian.
Untuk Azure SQL Database, Azure Synapse Analytics BigQuery, Netezza,, Snowflake SAPASE, dan SQL Server, gunakan format nama skema berikut:
db_name
.schema_name
Ganti
dengan nama database sumber.db_name
Ganti
dengan nama skema sumber.schema_name
Lampirkan nama database atau skema yang menyertakan titik dalam tanda kutip ganda seperti yang ditunjukkan berikut:.
"database.name"."schema.name"
Pisahkan beberapa nama skema dengan menggunakan titik koma seperti yang ditunjukkan berikut:.
Schema1;Schema2
Nama database dan skema peka huruf besar/kecil.
Gunakan percent (
%
) sebagai wildcard untuk mengganti sejumlah simbol apa pun dalam database atau nama skema. Contoh sebelumnya menggunakan percent (%
) sebagai wildcard untuk memasukkan semua skema dariemployees
database dalam laporan penilaian. -
Gunakan Otentikasi Windows - Jika Anda menggunakan Otentikasi Windows untuk menyambung ke database Microsoft SQL Server Anda, masukkan true. Untuk informasi selengkapnya, lihat Menggunakan Otentikasi Windows saat menggunakan Microsoft SQL Server sebagai sumber.
-
Login — Nama pengguna untuk terhubung ke server database sumber Anda.
-
Kata sandi — Kata sandi untuk terhubung ke server basis data sumber Anda.
-
Gunakan SSL - Jika Anda menggunakan Secure Sockets Layer (SSL) untuk terhubung ke database sumber Anda, masukkan true.
-
Toko kepercayaan — Toko kepercayaan yang digunakan untuk SSL koneksi Anda.
-
Key store — Toko kunci yang digunakan untuk SSL koneksi Anda.
-
SSLotentikasi — Jika Anda menggunakan SSL otentikasi berdasarkan sertifikat, masukkan true.
-
Mesin Target — Platform basis data target. Gunakan nilai berikut untuk menentukan satu atau beberapa target dalam laporan penilaian:
AURORA_ MYSQL untuk database Aurora My SQL -Compatible.
AURORA_ POSTGRESQL untuk database Aurora SQL Postgre -Kompatibel.
BABELFISHuntuk database Babelfish untuk Aurora Postgre. SQL
MARIA_DB untuk database MariaDB.
MSSQLuntuk database Microsoft SQL Server.
MYSQLuntuk SQL database saya.
ORACLEuntuk database Oracle.
POSTGRESQLuntuk database PostgreSQL.
REDSHIFTuntuk database Amazon Redshift.
Pisahkan beberapa target dengan menggunakan titik koma seperti ini:.
MYSQL;MARIA_DB
Jumlah target mempengaruhi waktu yang dibutuhkan untuk menjalankan penilaian.
Menemukan dan melihat laporan
Penilaian multiserver menghasilkan dua jenis laporan:
-
Laporan agregat dari semua database sumber.
-
Laporan penilaian rinci dari database target untuk setiap nama skema dalam database sumber.
Laporan disimpan di direktori yang Anda pilih untuk Lokasi di kotak dialog Penilaian multiserver baru.
Untuk mengakses laporan terperinci, Anda dapat menavigasi subdirektori, yang diatur oleh database sumber, nama skema, dan mesin basis data target.
Laporan agregat menampilkan informasi dalam empat kolom tentang kompleksitas konversi database target. Kolom mencakup informasi tentang konversi objek kode, objek penyimpanan, elemen sintaks, dan kompleksitas konversi.
Contoh berikut menunjukkan informasi untuk konversi dari dua skema database Oracle ke Amazon RDS untuk Postgre. SQL
Empat kolom yang sama ditambahkan ke laporan untuk setiap mesin database target tambahan yang ditentukan.
Untuk detail tentang cara membaca informasi ini, lihat berikut.
Output untuk laporan penilaian agregat
Laporan penilaian migrasi database multiserver agregat di AWS Schema Conversion Tool adalah CSV file dengan kolom berikut:
-
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
Untuk mengumpulkan informasi, AWS SCT jalankan laporan penilaian lengkap dan kemudian agregat laporan berdasarkan skema.
Dalam laporan tersebut, tiga bidang berikut menunjukkan persentase kemungkinan konversi otomatis berdasarkan penilaian:
- Konversi objek kode%
-
Persentase objek kode dalam skema yang AWS SCT dapat dikonversi secara otomatis atau dengan perubahan minimal. Objek kode termasuk prosedur, fungsi, tampilan, dan sejenisnya.
- Konversi objek penyimpanan%
-
Persentase objek penyimpanan yang SCT dapat dikonversi secara otomatis atau dengan sedikit perubahan. Objek penyimpanan termasuk tabel, indeks, kendala, dan sejenisnya.
- Elemen sintaks konversi%
-
Persentase elemen sintaks yang SCT dapat dikonversi secara otomatis. Elemen sintaks meliputi
SELECT
,FROM
,DELETE
, danJOIN
klausa, dan serupa.
Perhitungan kompleksitas konversi didasarkan pada gagasan item tindakan. Item tindakan mencerminkan jenis masalah yang ditemukan dalam kode sumber yang perlu Anda perbaiki secara manual selama migrasi ke target tertentu. Item tindakan dapat memiliki beberapa kejadian.
Timbangan tertimbang mengidentifikasi tingkat kompleksitas untuk melakukan migrasi. Angka 1 mewakili tingkat kompleksitas terendah, dan angka 10 mewakili tingkat kompleksitas tertinggi.