Laden Sie DDL-Dateien hoch (Offline-Workflow)

In diesem Workflow modernisiert AWS Transform Ihr Schema vollständig anhand hochgeladener DDL-Dateien — eine direkte Verbindung zu Ihrer Datenbank ist nicht erforderlich. Sie führen ein bereitgestelltes Extraktionsskript für Ihren SQL Server aus, laden die resultierenden Schemadateien hoch, und AWS Transform erkennt, bewertet, konvertiert und stellt das Schema für Amazon Aurora PostgreSQL bereit. Wählen Sie diesen Workflow, wenn Ihre Datenbank keiner direkten Verbindung ausgesetzt werden kann oder wenn Sie eine Machbarkeitsanalyse und Schemakonvertierung wünschen, bevor Sie den Netzwerkzugriff gewähren.

Wichtig

Der Offline-Workflow konvertiert und stellt nur Ihr Schema bereit. Es werden keine echten Daten migriert. Sofern verfügbar, können Sie synthetische Testdaten generieren, um das Ziel zu validieren. Wenn Sie echte Daten migrieren müssen, verwenden Sie die AWS DMS-Konsole, um ein neues Datenmigrationsprojekt zu erstellen.

Voraussetzungen für den Offline-Workflow

• Eine unterstützte SQL Server-Version (2008 R2 bis 2022, alle Editionen).

• PowerShell 7 oder höher, um das Extraktionsskript auszuführen. PowerShell ist unter Windows vorinstalliert. Installieren Sie unter macOS oder Linux PowerShell 7+ und führen Sie das Skript mit aus. pwsh Weitere Informationen finden Sie in der Microsoft-Installationsanleitung.

• Das auf dem PATH verfügbare sqlcmd Hilfsprogramm. Siehe sqlcmd-Hilfsprogramm.

• Ein SQL Server-Authentifizierungsanmeldename (Benutzername und Passwort) mit mindestens N BerechtigungenVIEW SERVER STATE. VIEW ANY DEFINITION Das Skript unterstützt keine Windows- oder Domänenauthentifizierung.

• Ein AWS Konto für die späteren Phasen (Erstellen des Aurora PostgreSQL-Ziels und Bereitstellung des konvertierten Schemas) mit aktivierter IAM Identity Center- oder IAM-Authentifizierung.

• Für die Schemaanalyse- und Konvertierungsphasen AWS ist keine eingehende oder ausgehende Datenbankkonnektivität zu erforderlich.

Schritte im Arbeitsablauf

1. DDL-Dateien hochladen — AWS Transform bietet eine Download-Schaltfläche für ein Extraktionsskript im Chat. Laden Sie das Skript herunter und führen Sie es auf Ihrem SQL Server aus. Beschränken Sie optional die Extraktion auf bestimmte Datenbanken mit einer kommagetrennten Include-Liste (ohne Berücksichtigung der Groß- und Kleinschreibung). Das Skript erzeugt einen Zeitstempel .zip aus SQL-DDL-Dateien. Laden Sie die .zip (oder einzelne .sql Dateien) mithilfe der Chat-Upload-Taste hoch.

2. Discovery — AWS Transform analysiert die hochgeladenen Dateien und katalogisiert die Datenbankobjekte (Tabellen, gespeicherte Prozeduren, Ansichten, Trigger, Indizes, Einschränkungen, Sequenzen und mehr), gruppiert nach Datenbanken. Sie überprüfen eine Zusammenfassung pro Datenbank und wählen aus, welche Datenbanken bewertet werden sollen. Wenn einige Anweisungen nicht analysiert werden können, meldet AWS Transform die Probleme und ermöglicht es Ihnen, mit den analysierten Objekten fortzufahren, bestimmte Datenbanken auszuwählen oder korrigierte Dateien hochzuladen.

3. Bewertung — AWS Transform bewertet die Durchführbarkeit der Konvertierung für die ausgewählten Datenbanken und erstellt einen herunterladbaren Bericht mit einer Zusammenfassung, einer Zusammenfassung der einzelnen Datenbankobjekte und einer Schätzung des Arbeitsaufwands (LOE). Passen Sie die LOE-Werte an, laden Sie zusätzliche Dateien hoch oder fahren Sie mit der Konvertierung fort.

4. Schemakonvertierung — AWS Transform konvertiert das SQL Server-Schema (einschließlich T-SQL gespeicherter Prozeduren) datenbankweise in Aurora PostgreSQL. Eine einzelne Datenbank wird automatisch konvertiert; bei mehreren Datenbanken wählen Sie aus, welche konvertiert werden sollen. Datenbanken werden unabhängig und parallel konvertiert.

5. Zielbereitstellung — Für jede konvertierte Datenbank erstellt AWS Transform einen Amazon Aurora PostgreSQL-Cluster in Ihrem Konto oder verwendet ihn erneut. AWS Sie wählen die Netzwerk- und Zielkonfiguration anhand von geführten Eingabeaufforderungen aus.

6. Schemabereitstellung — AWS Transform wendet das konvertierte Schema auf den Aurora-Cluster an. Korrigieren Sie nach der Bereitstellung die verbleibenden Objekte im Chat oder in einer IDE, generieren Sie synthetische Testdaten (sofern verfügbar) oder beenden Sie den Vorgang.

7. Modernisierung des Anwendungscodes (optional) — AWS Transform kann zugehörige .NET 6+-Anwendungen so aktualisieren, dass sie mit Aurora PostgreSQL funktionieren. Der Dienst aktualisiert Datenbankverbindungen im Quellcode und modifiziert den ORM-Code im Entity Framework, sodass er in einem einheitlichen ADO.NET Arbeitsablauf unter menschlicher Aufsicht mit Aurora PostgreSQL kompatibel ist. Verbinden Sie Ihr Quellcode-Repository mit AWS CodeConnections oder einem Personal Access Token (PAT) für GitHub und GitLab, oder stellen Sie eine S3-URI für eine Zip-Datei bereit, die den Quellcode enthält.

Anmerkung

Amazon Aurora PostgreSQL ist die einzige unterstützte Ziel-Engine für diesen Workflow.

Servicebeschränkungen für den Offline-Workflow

Die folgenden Standardgrenzwerte gelten für den Offline-Workflow. Einige Grenzwerte sind pro Konto konfigurierbar. Wenden Sie sich an Ihr AWS Account-Team, um eine Erhöhung zu beantragen.

Limit	Standard	Gilt für
Upload-Größe pro Auftrag	1.024 MB (1 GB), kumulativ für alle Uploads im Job	Laden Sie DDL-Dateien hoch
Konvertierte Datenbanken pro Monat	10 pro Konto	Schemakonvertierung
Gespeicherte Prozeduren pro Datenbank	250	Schemakonvertierung
Gleichzeitige Schemakonvertierungen	5 Datenbanken gleichzeitig	Schemakonvertierung
Gleichzeitige Ausführung von Aufträgen	5	Pro Konto

• Bei der Größenbeschränkung für Uploads handelt es sich um ein kumulatives Budget pro Auftrag. Wenn Sie die Eingabesetup zurücksetzen, wird das Budget gelöscht (dadurch werden die bereits hochgeladenen Dateien verworfen und die Erkennung und Bewertung innerhalb desselben Jobs werden erneut ausgeführt).

• Wenn Sie mehr als 5 Datenbanken für die Konvertierung auswählen, werden die zusätzlichen Datenbanken in die Warteschlange gestellt und starten automatisch, sobald die laufenden Konvertierungen abgeschlossen sind.

• Die Bewertung wird niemals durch das Limit für gespeicherte Prozeduren pro Datenbank blockiert; nur die Schemakonvertierung ist betroffen.

Problembehandlung beim Offline-Workflow

Extraktionsskript

• pwsh: command not found(macOS/Linux) — PowerShell 7+ ist nicht installiert. Installiere es und pwsh ./ExtractDatabaseMetadata.ps1 starte es.

• Fehler beim Referenzieren sqlcmd — Das sqlcmd Hilfsprogramm befindet sich nicht im PATH. Installieren Sie es und stellen Sie sicher, dass es sich auf dem PATH befindet.

• Anmelde- oder Berechtigungsfehler — Verwenden Sie eine SQL Server-Authentifizierungsanmeldung mit VIEW SERVER STATE undVIEW ANY DEFINITION. Windows/domain Authentifizierung wird nicht unterstützt.

• Nur einige Datenbanken wurden exportiert — Die Include-Liste schränkte den Umfang ein. Re-run ohne sie, oder geben Sie die richtigen kommagetrennten Datenbanknamen an.

Hochladen

• Upload mit Größenangabe abgelehnt — Das Upload-Budget pro Auftrag wurde überschritten. Laden Sie eine kleinere Datei hoch oder bitten Sie den Agenten, die Eingabeeinstellungen zurückzusetzen, um das Budget für denselben Auftrag freizugeben. Fragen Sie den Agenten nach dem aktuellen Restbudget und nicht nach einem Kostenvoranschlag.

• Datei nicht akzeptiert — Laden Sie die vom Skript .zip erstellten oder einzelne .sql Dateien hoch. Zipen Sie mehrere Dateien in ein einziges Archiv.

Erkennung

• SQL-Syntaxprobleme erkannt — Laden Sie den Problembericht herunter. Objekte in fehlerfreien Abschnitten werden weiterhin katalogisiert. Wählen Sie, ob Sie mit den analysierten Objekten fortfahren, bestimmte Datenbanken auswählen oder korrigierte Dateien hochladen möchten.

• Objekte, die unter einem generischen Namen gruppiert sind — Der Parser konnte keine Anweisung finden. USE [Database] Wenn Sie dazu aufgefordert werden, geben Sie den richtigen Datenbanknamen ein.

• Keine Objekte gefunden — Die Dateien enthielten keine CREATE Anweisungen, oder alle konnten nicht analysiert werden. Re-upload gültiges DDL.

Bewertung

• LOE-Schätzungen sehen falsch aus — Wählen Sie, ob Sie die LOE-Werte anpassen, die Vorlage bearbeiten und erneut hochladen möchten, um die Bewertung erneut zu generieren.

• Fehlende Objekte — Wählen Sie, ob Sie zusätzliche SQL-Dateien hochladen möchten; Erkennung und Bewertung werden automatisch erneut ausgeführt.

Schemakonvertierung

• Eine Datenbankkonvertierung schlägt fehl — AWS Transform meldet den Grund. Antworten Sie mit der Bitte, es erneut zu versuchen; die Konvertierung wird für diese Datenbank neu gestartet.

• Eine Antwort geht an die falsche Datenbank — Wenn mehrere Datenbanken auf eine Eingabe warten, geben Sie an, für welche Datenbank Ihre Nachricht bestimmt ist. Sie können eine bestimmte Datenbank mit @DatabaseName: adressieren.

Zielgerichtete Bereitstellung und Bereitstellung

• Der Aurora-Cluster kann nicht erstellt werden — Füllen Sie die Anweisungen für Anmeldeinformationen und Netzwerke aus und stellen Sie sicher, dass das Konto die Berechtigung hat, Aurora PostgreSQL zu erstellen.

• Einige Objekte wurden nicht bereitgestellt — Verwenden Sie die Optionen nach der Bereitstellung, um die verbleibenden Objekte im Chat oder in einer IDE zu korrigieren und dann erneut bereitzustellen.