Carregar arquivos DDL (fluxo de trabalho offline)

Nesse fluxo de trabalho, o AWS Transform moderniza seu esquema inteiramente a partir dos arquivos DDL carregados — nenhuma conexão direta com seu banco de dados é necessária. Você executa um script de extração fornecido no seu SQL Server, carrega os arquivos do esquema resultantes e o AWS Transform descobre, avalia, converte e implanta o esquema no Amazon Aurora PostgreSQL. Escolha esse fluxo de trabalho quando seu banco de dados não puder ser exposto a uma conexão direta ou quando você quiser uma avaliação de viabilidade e uma conversão de esquema antes de conceder acesso à rede.

Importante

O fluxo de trabalho off-line converte e implanta somente seu esquema. Ele não migra dados reais. Quando disponíveis, você pode gerar dados de teste sintéticos para validar o alvo. Se você precisar migrar dados reais, use o console do AWS DMS para criar um novo projeto de migração de dados.

Pré-requisitos para o fluxo de trabalho off-line

• Uma versão compatível do SQL Server (2008 R2 a 2022, todas as edições).

• PowerShell 7 ou posterior para executar o script de extração. PowerShell está pré-instalado no Windows. No macOS ou Linux, instale o PowerShell 7+ e execute o script com. pwsh Consulte o guia de instalação da Microsoft.

• O sqlcmd utilitário disponível no PATH. Veja o utilitário sqlcmd.

• Um login de autenticação do SQL Server (nome de usuário e senha) com pelo menos VIEW SERVER STATE uma VIEW ANY DEFINITION permissão. O script não oferece suporte à autenticação do Windows ou do domínio.

• Uma AWS conta para as fases posteriores (criação do destino Aurora PostgreSQL e implantação do esquema convertido), com o IAM Identity Center ou a autenticação IAM ativada.

• Nenhuma conectividade de entrada ou saída do banco de dados AWS é necessária para as fases de análise e conversão do esquema.

etapas do fluxo de trabalho

1. Carregar arquivos DDL — O AWS Transform fornece um botão de download para um script de extração no chat. Baixe e execute o script em seu SQL Server. Opcionalmente, limite a extração a bancos de dados específicos com uma lista de inclusão separada por vírgula (sem distinção entre maiúsculas e minúsculas). O script produz um registro de data e hora .zip dos arquivos SQL DDL. Faça o upload do .zip (ou .sql arquivos individuais) usando o botão de upload do bate-papo.

2. O Discovery — AWS Transform analisa os arquivos enviados e cataloga os objetos do banco de dados (tabelas, procedimentos armazenados, visualizações, gatilhos, índices, restrições, sequências e muito mais), agrupados por banco de dados. Você revisa um resumo por banco de dados e escolhe quais bancos de dados avaliar. Se algumas declarações não puderem ser analisadas, o AWS Transform relata os problemas e permite que você continue com os objetos analisados, escolha bancos de dados específicos ou faça upload de arquivos corrigidos.

3. Avaliação — O AWS Transform avalia a viabilidade de conversão para os bancos de dados selecionados e produz um relatório para download com um resumo executivo, um resumo por objeto de banco de dados e uma estimativa de nível de esforço (LOE). Personalize as pontuações do LOE, faça upload de arquivos adicionais ou prossiga com a conversão.

4. Conversão de esquema — O AWS Transform converte o esquema do SQL Server (incluindo procedimentos T-SQL armazenados) em Aurora PostgreSQL, um banco de dados por vez. Um único banco de dados é convertido automaticamente; com vários bancos de dados, você escolhe qual deseja converter. Os bancos de dados são convertidos de forma independente e em paralelo.

5. Provisionamento de destino — Para cada banco de dados convertido, o AWS Transform cria ou reutiliza um cluster Amazon Aurora PostgreSQL em sua conta. AWS Você escolhe a configuração de rede e de destino por meio de prompts guiados.

6. Implantação do esquema — O AWS Transform aplica o esquema convertido ao cluster do Aurora. Após a implantação, corrija os objetos restantes no chat ou em um IDE, gere dados de teste sintéticos (quando disponíveis) ou conclua.

7. Modernização do código do aplicativo (opcional) — O AWS Transform pode atualizar aplicativos do.NET 6+ associados para que funcionem com o Aurora PostgreSQL. O serviço atualiza as conexões do banco de dados no código-fonte e modifica o código ORM no Entity Framework ADO.NET para ser compatível com o Aurora PostgreSQL em um fluxo de trabalho unificado com supervisão humana. Conecte seu repositório de código-fonte usando AWS CodeConnections um token de acesso pessoal (PAT) para GitHub e GitLab ou forneça um URI do S3 para um arquivo zip contendo o código-fonte.

nota

O Amazon Aurora PostgreSQL é o único mecanismo de destino compatível com esse fluxo de trabalho.

Limites de serviço para o fluxo de trabalho off-line

Os limites padrão a seguir se aplicam ao fluxo de trabalho off-line. Alguns limites são configuráveis por conta; entre em contato com sua equipe de AWS contas para solicitar um aumento.

Limite	Padrão	Aplica-se a
Tamanho do upload por trabalho	1.024 MB (1 GB), cumulativos em todos os uploads no trabalho	Carregar arquivos DDL
Bancos de dados convertidos por mês	10 por conta	Conversão do esquema
Procedimentos armazenados por banco de dados	250	Conversão do esquema
Conversões simultâneas de esquema	5 bancos de dados por vez	Conversão do esquema
Trabalhos em execução simultânea	5	Por conta

• O limite de tamanho de upload é um orçamento cumulativo por trabalho. Se você redefinir a configuração de entrada, o orçamento será liberado (isso descarta os arquivos já carregados e executa novamente a descoberta e a avaliação no mesmo trabalho).

• Quando você escolhe mais de 5 bancos de dados para conversão, os bancos de dados adicionais são colocados em fila e iniciam automaticamente quando as conversões em execução terminam.

• A avaliação nunca é bloqueada pelo limite de procedimentos armazenados por banco de dados; somente a conversão do esquema é afetada.

Solução de problemas do fluxo de trabalho off-line

Script de extração

• pwsh: command not found(macOS/Linux) — PowerShell 7+ não está instalado. Instale e executepwsh ./ExtractDatabaseMetadata.ps1.

• Referência de erros sqlcmd — O sqlcmd utilitário não está no PATH. Instale-o e verifique se ele está no PATH.

• Erros de login ou permissão — Use um login de autenticação do SQL Server com VIEW SERVER STATE VIEW ANY DEFINITION e. Windows/domain a autenticação não é suportada.

• Somente alguns bancos de dados foram exportados — A lista de inclusão restringiu o escopo. Re-run sem ele, ou especifique os nomes corretos do banco de dados separados por vírgula.

Carregar

• Carregamento rejeitado com uma mensagem de tamanho — O orçamento de upload por tarefa foi excedido. Faça upload de um arquivo menor ou peça ao agente que redefina a configuração de entrada para liberar o orçamento dentro do mesmo trabalho. Peça ao agente o orçamento restante atual em vez de fazer uma estimativa.

• Arquivo não aceito — Faça upload do .zip produzido pelo script ou de .sql arquivos individuais. Compacte vários arquivos em um único arquivo.

Descoberta

• Problemas de sintaxe SQL detectados — Baixe o relatório de problemas. Objetos em seções sem erros ainda estão catalogados. Escolha continuar com os objetos analisados, escolher bancos de dados específicos ou fazer upload de arquivos corrigidos.

• Objetos agrupados sob um nome genérico — O analisador não conseguiu encontrar uma USE [Database] declaração. Quando solicitado, forneça o nome correto do banco de dados.

• Nenhum objeto encontrado — Os arquivos não continham CREATE declarações ou falharam na análise de todos. Re-upload DDL válido.

Avaliação

• As estimativas de LOE parecem erradas — Escolha personalizar as pontuações de LOE, editar o modelo e fazer o upload novamente para regenerar a avaliação.

• Objetos perdidos — Escolha carregar arquivos SQL adicionais; a descoberta e a avaliação são executadas automaticamente novamente.

Conversão do esquema

• Falha na conversão do banco de dados — AWS Transforme os relatórios como o motivo. Responda pedindo para tentar novamente; a conversão é reiniciada para esse banco de dados.

• Uma resposta vai para o banco de dados errado — Quando vários bancos de dados estão aguardando entrada, especifique para qual banco de dados sua mensagem se destina. Você pode abordar um banco de dados específico com@DatabaseName:.

Provisionamento e implantação do Target

• Não é possível criar o cluster Aurora — preencha as solicitações guiadas de credencial e rede e garanta que a conta tenha permissão para criar o Aurora PostgreSQL.

• Alguns objetos não foram implantados — Use as opções de pós-implantação para corrigir os objetos restantes no chat ou em um IDE e, em seguida, reimplantar.