View a markdown version of this page

Menggunakan laporan penilaian konversi untuk perencanaan migrasi - AWS Layanan Migrasi Database
Menghitung total upayaMemprioritaskan item tindakanMengevaluasi risiko dan ruang lingkup

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Menggunakan laporan penilaian konversi untuk perencanaan migrasi

Laporan penilaian konversi adalah langkah pertama dalam perjalanan migrasi database Anda. Organisasi menggunakan laporan untuk mengevaluasi kompleksitas migrasi dan membuat keputusan yang go/no tepat sebelum berkomitmen pada proyek migrasi skala penuh.

Menghitung total upaya migrasi

File Action_Items_Summary CSV menyediakan tiga nilai untuk setiap jenis item tindakan yang Anda gunakan untuk memperkirakan upaya:

  • Upaya kurva pembelajaran — Biaya satu kali untuk memahami ketidakcocokan dan merancang pendekatan konversi untuk jenis item tindakan ini. Anda dikenakan biaya ini sekali per jenis item tindakan, terlepas dari berapa banyak objek database yang terpengaruh.

  • Upaya untuk mengonversi kejadian — Biaya untuk menyelesaikan satu kejadian item tindakan ini, setelah Anda merancang pendekatan konversi.

  • Jumlah kejadian — Jumlah objek database individu yang terpengaruh oleh jenis item tindakan ini.

catatan

Nilai upaya dalam CSV adalah unit relatif pada skala tertimbang, bukan jam. Untuk mengonversi ke jam kerja atau hari orang, kalikan dengan faktor kalibrasi yang berasal dari kecepatan historis tim Anda pada pekerjaan migrasi serupa.

Estimasi batas atas konservatif

Perkiraan paling sederhana memperlakukan setiap kejadian sama sulitnya. Gunakan rumus ini sebagai batas atas terburuk:

Effort for one action item type =
    Learning curve effort + (Effort per occurrence × Number of occurrences)

Jumlahkan ini di semua jenis item tindakan untuk mendapatkan perkiraan batas atas total Anda:

Total effort (upper bound) =
    Sum of [ Learning curve effort + (Effort per occurrence × Occurrences) ]
    for every action item type

Misalnya, item tindakan 5028 dalam Oracle-to-PostgreSQL penilaian sampel memiliki upaya kurva pembelajaran 40, upaya per kejadian 8, dan 12 kejadian. Total batas atasnya adalah 40 + (8 × 12) = 136.

Estimasi berbasis skenario realistis

Rumus batas atas melebih-lebihkan upaya karena mengasumsikan setiap kejadian membutuhkan jumlah pekerjaan yang sama. Dalam praktiknya, setelah tim Anda menyelesaikan beberapa kejadian pertama dari jenis item tindakan, kejadian berikutnya menjadi lebih cepat - solusinya diketahui dan konversi rutin. Model yang lebih realistis mengabaikan sebagian besar kejadian.

Pisahkan kejadian menjadi dua kelompok: grup terkemuka yang Anda kerjakan dengan upaya penuh saat menetapkan solusi, dan grup tersisa yang Anda selesaikan dengan setengah upaya setelah pola terbentuk. Pilih pemisahan berdasarkan tingkat kepercayaan tim Anda:

Realistic effort for one action item type =
    (Leading% × Occurrences × Effort per occurrence)
  + (Remaining% × Occurrences × (Effort per occurrence ÷ 2))

Tabel berikut menunjukkan tiga skenario untuk dipilih oleh tim migrasi:

Skenario estimasi upaya
Skenario Kelompok terkemuka Grup yang tersisa Kapan harus digunakan
Optimis 10% 90% Tim yang berpengalaman, mesin target yang dipahami dengan baik, sebagian besar ketidakcocokan bersifat mekanis dan sangat berulang.
Sedang 30% 70% Tingkat pengalaman campuran, beberapa jenis item tindakan adalah hal baru bagi tim, proyek migrasi tipikal.
Konservatif 50% 50% Tim baru, migrasi pertama ke mesin target ini, atau item tindakan mencakup banyak jenis objek database yang berbeda.

Misalnya, item tindakan 5127 (“Menggunakan CROSS JOIN di PostgreSQL mungkin menyebabkan kinerja yang lambat”) memiliki 8 kejadian dan upaya per kejadian 160. Perkiraan batas atas adalah 16 + (160 × 8) = 1.296. Menggunakan skenario moderat (30/70 split): (0,30 × 8 × 160) + (0,70 × 8 × 80) = 384 + 448 = 832 — pengurangan 36%. Menggunakan skenario optimis (10/90 split): (0,10 × 8 × 160) + (0,90 × 8 × 80) = 128 + 576 = 704 — pengurangan 46%.

catatan

Upaya kurva pembelajaran dalam CSV adalah biaya satu kali tetap dan tidak berkurang dengan pengulangan. Tambahkan sekali per jenis item tindakan di atas biaya kejadian berbasis skenario. Diskon skenario hanya berlaku untuk upaya per kejadian, bukan untuk upaya kurva pembelajaran.

Untuk menghitung total upaya migrasi realistis Anda, terapkan skenario yang Anda pilih ke setiap jenis item tindakan dan jumlahkan hasilnya:

Total realistic effort =
    Sum of [ Learning curve effort
             + (Leading% × Occurrences × Effort per occurrence)
             + (Remaining% × Occurrences × (Effort per occurrence ÷ 2)) ]
    for every action item type

Memprioritaskan item tindakan

Gunakan kategori kompleksitas dan jumlah kejadian dari setiap item tindakan untuk menentukan urutan penyelesaiannya. Memprioritaskan item tindakan dengan cara ini membantu Anda menangani pekerjaan yang memiliki dampak terbesar pada timeline migrasi Anda terlebih dahulu.

  1. Tindakan kompleks dengan jumlah kejadian tinggi — Atasi item tindakan ini terlebih dahulu. Mereka membutuhkan upaya manual paling banyak per kejadian, dan jumlah kejadian yang tinggi melipatgandakan upaya itu di seluruh skema Anda.

  2. Medium-complexity tindakan — Atasi item tindakan ini selanjutnya. Mereka biasanya membutuhkan lebih sedikit usaha untuk merancang pendekatan konversi daripada tindakan kompleks, tetapi masih memerlukan pekerjaan konversi manual.

  3. Tindakan sederhana — Berikan item tindakan ini prioritas terendah di antara item tindakan yang memerlukan pekerjaan manual. Mereka biasanya membutuhkan upaya paling sedikit untuk menyelesaikannya.

  4. Objek database yang dikonversi secara otomatis — Objek database ini tidak memerlukan tindakan. Konversi Skema DMS mengonversinya tanpa intervensi manual.

Untuk menemukan kategori kompleksitas untuk item tindakan, lihat tab Item tindakan di AWS DMS konsol, atau Objects with complex actions kolomObjects with simple actions,Objects with medium-complexity actions, dan di file CSV Ringkasan. Untuk menemukan jumlah kejadian untuk jenis item tindakan, lihat Number of occurrences kolom di file Action_Items_Summary CSV.

Mengevaluasi risiko dan ruang lingkup migrasi

Selain menghitung upaya dan memprioritaskan item tindakan individual, gunakan laporan penilaian konversi Anda untuk mengevaluasi keseluruhan risiko dan ruang lingkup proyek migrasi Anda.

  • Mengidentifikasi objek database berisiko tinggi — Objek database yang diklasifikasikan oleh Konversi Skema DMS dengan tindakan kompleksitas menengah atau kompleks memerlukan konversi manual, dan mewakili risiko tertinggi untuk garis waktu migrasi Anda. Objek database yang dikonversi DMS Skema Conversion secara otomatis, atau yang hanya memiliki tindakan sederhana, membawa risiko yang relatif rendah. Untuk informasi selengkapnya tentang bagaimana Konversi Skema DMS menetapkan kategori ini, lihat. Kategori kompleksitas

  • Perkirakan cakupan dan garis waktu migrasi keseluruhan — Gunakan jumlah objek database di tab Ring kasan, atau di file CSV Ringkasan, untuk memperkirakan berapa banyak skema Anda yang memerlukan konversi manual. Bandingkan jumlah objek database dengan kompleksitas menengah dan tindakan kompleks terhadap jumlah total objek database untuk mengukur keseluruhan cakupan migrasi. Gabungkan cakupan ini dengan total upaya migrasi yang Anda hitung (lihatMenghitung total upaya) dan kapasitas tim Anda yang tersedia untuk memproyeksikan garis waktu untuk menyelesaikan pekerjaan konversi manual.

  • Merencanakan urutan tugas konversi manual — Tab item tindakan dan file CSV item tindakan memberikan tindakan yang disarankan untuk setiap jenis item tindakan. Gunakan rekomendasi ini, bersama dengan urutan prioritas yang Anda tetapkan (lihatMemprioritaskan item tindakan), untuk merencanakan urutan penyelesaian item tindakan tim Anda. Kelompokkan item tindakan yang memengaruhi objek database terkait, seperti objek dalam skema yang sama atau objek database yang bergantung satu sama lain, sehingga tim Anda dapat menyelesaikan masalah terkait bersama-sama.