View a markdown version of this page

마이그레이션 계획에 변환 평가 보고서 사용 - AWS 데이터베이스 마이그레이션 서비스

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

마이그레이션 계획에 변환 평가 보고서 사용

변환 평가 보고서는 데이터베이스 마이그레이션 여정의 첫 번째 단계입니다. 조직은 보고서를 사용하여 마이그레이션 복잡성을 평가하고 전체 규모의 마이그레이션 프로젝트를 수행하기 전에 정보에 입각한 go/no-go 결정을 내립니다.

총 마이그레이션 작업 계산

Action_Items_Summary CSV 파일은 작업량을 추정하는 데 사용하는 각 작업 항목 유형에 대해 세 가지 값을 제공합니다.

  • 학습 곡선 작업 - 비호환성을 이해하고이 작업 항목 유형에 대한 변환 접근 방식을 설계하는 일회성 비용입니다. 영향을 받는 데이터베이스 객체 수에 관계없이 작업 항목 유형당 한 번이 비용이 발생합니다.

  • 발생 변환 작업 - 변환 접근 방식을 이미 설계한 후이 작업 항목의 단일 발생을 해결하는 데 드는 비용입니다.

  • 발생 횟수 -이 작업 항목 유형의 영향을 받는 개별 데이터베이스 객체의 수입니다.

참고

CSV의 노력 값은 시간이 아닌 가중치 척도의 상대 단위입니다. 개인 시간 또는 개인 일수로 변환하려면 유사한 마이그레이션 작업에서 팀의 과거 속도에서 파생된 보정 인수를 곱합니다.

보존적 상한 추정치

가장 간단한 추정치는 모든 발생을 동일하게 어렵게 처리합니다. 이 공식을 최악의 경우 상한으로 사용합니다.

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

모든 작업 항목 유형에서 이를 합산하여 총 상한 추정치를 구합니다.

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

예를 들어 샘플 Oracle-to-PostgreSQL 평가의 작업 항목 5028은 학습 곡선 노력이 40, 발생당 노력이 8, 발생 횟수가 12입니다. 상한 합계는 40 + (8 × 12) = 136입니다.

현실적인 시나리오 기반 추정치

상한 공식은 모든 발생에 동일한 양의 작업이 필요하다고 가정하므로 노력을 과장합니다. 실제로 팀이 작업 항목 유형의 처음 몇 가지 발생을 해결하면 후속 발생이 더 빨라집니다. 해결 방법이 알려지고 변환이 일상적입니다. 보다 사실적인 모델은 대부분의 발생을 할인합니다.

발생 횟수를 두 그룹으로 나눕니다. 하나는 솔루션을 설정하는 동안 최대의 노력으로 작업하는 선행 그룹이고, 다른 하나는 패턴이 설정되면 절반의 노력으로 해결하는 나머지 그룹입니다. 팀의 신뢰 수준에 따라 분할을 선택합니다.

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

다음 표에는 마이그레이션 팀이 선택할 수 있는 세 가지 시나리오가 나와 있습니다.

노력 추정 시나리오
시나리오 선행 그룹 나머지 그룹 사용해야 하는 경우
낙관적 10% 90% 숙련된 팀, 잘 이해된 대상 엔진, 대부분의 비호환성은 기계적이고 매우 반복적입니다.
보통 30% 70% 혼합 경험 수준, 일부 작업 항목 유형은 팀에 새로운 일반적인 마이그레이션 프로젝트입니다.
보수적 50% 50% 새 팀,이 대상 엔진으로의 첫 번째 마이그레이션 또는 작업 항목은 다양한 데이터베이스 객체 유형에 걸쳐 있습니다.

예를 들어 작업 항목 5127("PostgreSQL에서 CROSS JOIN을 사용하면 성능이 느려질 수 있음")은 8회 발생하고 발생당 노력은 160회입니다. 상한 추정치는 16 + (160 × 8) = 1,296입니다. 중간 시나리오 사용(30/70 분할): (0.30 × 8 × 160) + (0.70 × 8 × 80) = 384 + 448 = 832 — 36% 감소. 낙관적 시나리오 사용(10/90 분할): (0.10 × 8 × 160) + (0.90 × 8 × 80) = 128 + 576 = 704 — 46% 감소.

참고

CSV의 학습 곡선 작업은 고정된 일회성 비용이며 반복해도 감소하지 않습니다. 시나리오 기반 발생 비용 외에 작업 항목 유형당 한 번 추가합니다. 시나리오 할인은 학습 곡선 노력이 아닌 발생당 노력에만 적용됩니다.

총 실제 마이그레이션 노력을 계산하려면 선택한 시나리오를 모든 작업 항목 유형에 적용하고 결과를 합산합니다.

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

작업 항목 우선 순위 지정

각 작업 항목의 복잡성 범주와 발생 횟수를 사용하여 해결 순서를 결정합니다. 이러한 방식으로 작업 항목의 우선순위를 지정하면 마이그레이션 타임라인에 가장 큰 영향을 미치는 작업을 먼저 해결하는 데 도움이 됩니다.

  1. 발생 횟수가 많은 복잡한 작업 - 이러한 작업 항목을 먼저 해결합니다. 발생당 가장 많은 수작업이 필요하며 발생 횟수가 높을수록 스키마 전체에서 해당 작업이 곱해집니다.

  2. 중간 복잡성 작업 - 다음으로 이러한 작업 항목을 해결합니다. 일반적으로 복잡한 작업보다에 대한 변환 접근 방식을 설계하는 데 적은 노력이 필요하지만 수동 변환 작업은 여전히 필요합니다.

  3. 단순 작업 - 이러한 작업 항목에 수동 작업이 필요한 작업 항목 중에서 가장 낮은 우선 순위를 부여합니다. 일반적으로 문제를 해결하려면 최소한의 노력이 필요합니다.

  4. 데이터베이스 객체 자동 변환 - 이러한 데이터베이스 객체에는 작업이 필요하지 않습니다. DMS Schema Conversion은 수동 개입 없이 변환합니다.

작업 항목의 복잡성 범주를 찾으려면 AWS DMS 콘솔의 작업 항목 탭 또는 요약 CSV 파일의 Objects with simple actionsObjects with medium-complexity actions, 및 Objects with complex actions 열을 확인합니다. 작업 항목 유형의 발생 횟수를 찾으려면 Action_Items_Summary CSV 파일의 Number of occurrences 열을 참조하세요.

마이그레이션 위험 및 범위 평가

노력을 계산하고 개별 작업 항목의 우선순위를 지정하는 것 외에도 변환 평가 보고서를 사용하여 마이그레이션 프로젝트의 전반적인 위험과 범위를 평가합니다.

  • 고위험 데이터베이스 객체 식별 - DMS Schema Conversion이 중간 복잡성 또는 복잡한 작업으로 분류하는 데이터베이스 객체는 수동 변환이 필요하며 마이그레이션 타임라인에 가장 높은 위험을 나타냅니다. DMS Schema Conversion이 자동으로 변환하거나 간단한 작업만 있는 데이터베이스 객체는 비교적 낮은 위험을 수반합니다. DMS Schema Conversion이 이러한 범주를 할당하는 방법에 대한 자세한 내용은 섹션을 참조하세요복잡성 범주.

  • 전체 마이그레이션 범위 및 타임라인 추정 - 요약 탭 또는 요약 CSV 파일의 데이터베이스 객체 수를 사용하여 수동 변환이 필요한 스키마의 양을 추정합니다. 중간 복잡성 및 복잡한 작업이 있는 데이터베이스 객체 수를 총 데이터베이스 객체 수와 비교하여 마이그레이션의 전체 범위를 측정합니다. 이 범위를 계산한 총 마이그레이션 작업( 참조총 작업량 계산) 및 팀의 가용 용량과 결합하여 수동 변환 작업을 완료하기 위한 타임라인을 프로젝션합니다.

  • 수동 변환 작업 순서 계획 - 작업 항목 탭과 작업 항목 CSV 파일은 각 작업 항목 유형에 대한 권장 작업을 제공합니다. 이러한 권장 사항을 설정한 우선 순위( 참조작업 항목 우선 순위 지정)와 함께 사용하여 팀이 작업 항목을 해결하는 순서를 계획합니다. 팀이 관련 문제를 함께 해결할 수 있도록 동일한 스키마의 객체 또는 서로 의존하는 데이터베이스 객체와 같이 관련 데이터베이스 객체에 영향을 미치는 작업 항목을 그룹화합니다.