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.
Was ist die AWS Schema Conversion Tool?
Mit dem AWS Schema Conversion Tool (AWS SCT) können Sie Ihr vorhandenes Datenbankschema von einer Datenbank-Engine in eine andere konvertieren. Sie können relationale OLTP-Schemata sowie Data Warehouse-Schemata konvertieren. Ihr konvertiertes Schema ist für Amazon Relational Database Service (Amazon RDS) MySQL, MariaDB, Oracle, SQL Server, PostgreSQL DB, einen Amazon-Aurora-DB-Cluster oder einen Amazon-Redshift-Cluster geeignet. Das konvertierte Schema kann auch für eine Datenbank in einer Amazon EC2-Instance verwendet oder in Form von Daten als Amazon S3-Bucket gespeichert werden.
AWS SCTunterstützt verschiedene Industriestandards, darunter Federal Information Processing Standards (FIPS), für Verbindungen zu einem Amazon S3-Bucket oder einer anderen AWS Ressource. AWS SCTentspricht auch dem Federal Risk and Authorization Management Program (FedRAMP). Weitere Informationen zu AWS und Compliance-Bemühungen finden Sie unter Im Rahmen des Compliance-Programms zugelassene AWS-Services
AWS SCT unterstützt folgende OLTP-Konvertierungen.
Quelldatenbank | Zieldatenbank |
---|---|
IBM Db2 für z/OS (Version 12) |
Amazon Aurora MySQL-kompatible Ausgabe (Aurora MySQL), Amazon Aurora PostgreSQL-kompatible Ausgabe (Aurora PostgreSQL), MySQL, PostgreSQL Weitere Informationen finden Sie unter IBM Db2 for z/OS als Quelle verwenden. |
IBM Db2 LUW (Versionen 9.1, 9.5, 9.7, 10.5, 11.1 und 11.5) |
Aurora MySQL, Aurora PostgreSQL, MariaDB, MySQL, PostgreSQL Weitere Informationen finden Sie unter Verwenden von IBM Db2 LUW als Quelle. |
Microsoft Azure SQL-Datenbank |
Aurora MySQL, Aurora PostgreSQL, MySQL, PostgreSQL Weitere Informationen finden Sie unter Azure SQL Database als Quelle verwenden. |
Microsoft SQL Server (Version 2008 R2, 2012, 2014, 2016, 2017, 2019 und 2022) |
Aurora MySQL, Aurora PostgreSQL, Babelfish für Aurora PostgreSQL (nur für Bewertungsberichte), MariaDB, Microsoft SQL Server, MySQL, PostgreSQL Weitere Informationen finden Sie unter Verwenden von SQL Server als Quelle. |
MySQL (Version 5.5 und höher) |
Aurora PostgreSQL, MySQL, PostgreSQL Weitere Informationen finden Sie unter Verwenden von MySQL als Quelle. Sie können Schema und Daten von MySQL zu einem Aurora MySQL-DB-Cluster migrieren, ohne es zu verwendenAWS SCT. Weitere Informationen finden Sie unter Migrieren von Daten zu einem Amazon Aurora-DB-Cluster. |
Oracle (Version 10.1 und höher) |
Aurora MySQL, Aurora PostgreSQL, MariaDB, MySQL, Oracle, PostgreSQL Weitere Informationen finden Sie unter Oracle Database als Quelle verwenden. |
PostgreSQL (Version 9.1 und höher) |
Aurora MySQL, Aurora PostgreSQL, MySQL, PostgreSQL Weitere Informationen finden Sie unter Verwenden von PostgreSQL als Quelle. |
SAP ASE (Versionen 12.5.4, 15.0.2, 15.5, 15.7 und 16.0) |
Aurora MySQL, Aurora PostgreSQL, MariaDB, MySQL, PostgreSQL Weitere Informationen finden Sie unter SAP ASE (Sybase ASE) als Quelle verwenden. |
AWS SCT unterstützt die folgenden Data Warehouse-Konvertierungen.
Quell-Data-Warehouse | Ziel-Data Warehouse |
---|---|
Amazon Redshift |
Amazon Redshift Weitere Informationen finden Sie unter Amazon Redshift als Quelle verwenden. |
Azure Synapse Analytics |
Amazon Redshift Weitere Informationen finden Sie unter Azure Synapse Analytics als Quelle verwenden. |
BigQuery |
Amazon Redshift Weitere Informationen finden Sie unter Verwenden von BigQuery als Quelle. |
Greenplum Database (Versionen 4.3 und 6.21) |
Amazon Redshift Weitere Informationen finden Sie unter Greenplum Database als Quelle verwenden. |
Microsoft SQL Server (Version 2008 und höher) |
Amazon Redshift Weitere Informationen finden Sie unter SQL Server Data Warehouse als Quelle verwenden. |
Netezza (Version 7.0.3 und höher) |
Amazon Redshift Weitere Informationen finden Sie unter Netezza als Quelle verwenden. |
Oracle (Version 10.1 und höher) |
Amazon Redshift Weitere Informationen finden Sie unter Oracle Data Warehouse als Quelle verwenden. |
Schneeflocke (Version 3) |
Amazon Redshift Weitere Informationen finden Sie unter Snowflake als Quelle verwenden. |
Teradata (Version 13 und höher) |
Amazon Redshift Weitere Informationen finden Sie unter Teradata als Quelle verwenden. |
Vertica (Version 7.2.2 und höher) |
Amazon Redshift Weitere Informationen finden Sie unter Vertica als Quelle verwenden. |
AWS SCTunterstützt die folgenden NoSQL-Datenbankkonvertierungen von Daten.
Quelldatenbank | Zieldatenbank |
---|---|
Apache Cassandra (Versionen 2.1.x, 2.2.16 und 3.11.x) |
Amazon DynamoDB Weitere Informationen finden Sie unter Apache Cassandra als Quelle verwenden. |
AWS SCTunterstützt Konvertierungen der folgenden ETL-Prozesse (Extrahieren, Transformieren und Laden). Weitere Informationen finden Sie unter ETL-Prozesse konvertieren.
Quelle | Ziel |
---|---|
Informatica ETL-Skripts |
Informatica |
ETL-Pakete für Microsoft SQL Server Integration Services (SSIS) |
AWS Glue oder AWS Glue Studio |
Shell-Skripte mit eingebetteten Befehlen aus Teradata Basic Teradata Query (BTEQ) |
Amazon-Redshift-RSQL |
Teradata BTEQ ETL-Skripts |
AWS Glueoder Amazon Redshift RSQL |
FastExportTeradata-Jobskripte |
Amazon-Redshift-RSQL |
FastLoadTeradata-Jobskripte |
Amazon-Redshift-RSQL |
MultiLoadTeradata-Jobskripte |
Amazon-Redshift-RSQL |
AWS SCTunterstützt die folgenden Big-Data-Framework-Migrationen. Weitere Informationen finden Sie unter Migration von Big-Data-Frameworks.
Quelle | Ziel |
---|---|
Apache Hive (Version 0.13.0 und höher) |
Hive auf Amazon EMR |
Apache HDFS |
Amazon S3 oder HDFS auf Amazon EMR |
Apache Oozie |
AWS Step Functions |
Übersicht über die Schemakonvertierung
AWS SCTbietet eine projektbasierte Benutzeroberfläche, um das Datenbankschema Ihrer Quelldatenbank automatisch in ein Format zu konvertieren, das mit Ihrer Amazon RDS-Zielinstanz kompatibel ist. Wenn ein Schema aus Ihrer Quelldatenbank nicht automatisch konvertiert werden kann, finden Sie AWS SCT hier eine Anleitung, wie Sie ein gleichwertiges Schema in Ihrer Amazon RDS-Zieldatenbank erstellen können.
Informationen zur Installation von AWS SCT finden Sie unter Installation, Überprüfung und Aktualisierung AWS SCT.
Eine Einführung in die AWS SCT-Benutzeroberfläche finden Sie unter Verwendung derAWS SCT Benutzeroberfläche.
Weitere Informationen zum Umwandlungsverfahren finden Sie unter Konvertieren von Datenbankschemas mithilfe von AWS SCT.
Neben der Konvertierung Ihres vorhandenen Datenbankschemas von einer Datenbank-Engine in eine andere AWS SCT bietet es einige zusätzliche Funktionen, mit denen Sie Ihre Daten und Anwendungen in die AWS Cloud verschieben können:
-
Sie können Datenextraktionsagenten verwenden, um Daten aus Ihrem Data Warehouse zu extrahieren, um die Migration zu Amazon Redshift vorzubereiten. Zur Verwaltung der Agenten für die Datenextraktion können Sie das AWS SCT verwenden. Weitere Informationen finden Sie unter Verwenden von Datenextraktionsagenten.
-
Erstellen Sie mit dem AWS SCT AWS DMS-Endpunkte und -Aufgaben. Sie können diese Aufgaben mit dem AWS SCT ausführen und überwachen. Weitere Informationen finden Sie unter Verwenden von AWS SCT mit AWS DMS.
-
In einigen Fällen können Datenbankfunktionen nicht in gleichwertige Amazon RDS- oder Amazon Redshift-Funktionen umgewandelt werden. Mit dem Assistenten des AWS SCT-Erweiterungspakets können Sie AWS Lambda-Funktionen und Python-Bibliotheken installieren, um diejenigen Funktionen zu emulieren, die nicht konvertiert werden können. Weitere Informationen finden Sie unter Verwenden von AWS SCT Erweiterungspaketen.
-
Sie können es verwendenAWS SCT, um Ihre bestehende Amazon Redshift-Datenbank zu optimieren. AWS SCTempfiehlt Sortier- und Verteilungsschlüssel, um Ihre Datenbank zu optimieren. Weitere Informationen finden Sie unter Optimierung von Amazon Redshift mithilfe von AWS SCT.
-
Sie können AWS SCT es verwenden, um Ihr vorhandenes lokales Datenbankschema in eine Amazon RDS-DB-Instance zu kopieren, auf der dieselbe Engine ausgeführt wird. Mit dieser Funktion können Sie potenzielle Kosteneinsparungen kalkulieren, die beim Wechsel in die Cloud und einer Änderung des Lizenztyps möglich sind.
-
Sie können mit dem AWS SCT SQL-Code in Ihren C++-, C #-, Java- oder anderen Anwendungscode konvertieren. Sie können den konvertierten SQL-Code anzeigen, analysieren, bearbeiten und speichern. Weitere Informationen finden Sie unter Anwendungs-SQL konvertieren mitAWS SCT.
-
Sie können AWS SCT es verwenden, um Extraktions-, Transformations- und Ladeprozesse (ETL) zu migrieren. Weitere Informationen finden Sie unter Konvertierung von Extrahieren, Transformieren und Laden (ETL) -Prozessen mitAWS Schema Conversion Tool.
Feedback geben
Sie können Feedback geben zuAWS SCT. Sie können einen Fehlerbericht einreichen, eine Funktionsanfrage einreichen oder allgemeine Informationen angeben.
Um Feedback zu geben über AWS SCT
-
Starten Sie den AWS Schema Conversion Tool.
-
Öffnen Sie das Menü Help und klicken Sie auf Leave Feedback. Das Dialogfeld Leave Feedback wird angezeigt.
-
Wählen Sie unter Area eine der Optionen Information, Bug report oder Feature request aus.
-
Wählen Sie für Source database Ihre Quelldatenbank aus. Wählen Sie Any aus, wenn Ihr Feedback sich nicht auf eine bestimmte Datenbank bezieht.
-
Wählen Sie für Target database Ihre Zieldatenbank aus. Wählen Sie Any aus, wenn Ihr Feedback sich nicht auf eine bestimmte Datenbank bezieht.
-
Geben Sie unter Title einen Titel für Ihr Feedback ein.
-
Geben Sie unter Message Ihr Feedback ein.
-
Klicken Sie auf Send, um das Feedback abzugeben.