Migreringsplanlægning: Azure Synapse Analytics dedikerede SQL-puljer til Fabric data warehouse

Gælder for:✅ Warehouse i Microsoft Fabric

Denne artikel beskriver strategier, overvejelser og metoder til at migrere fra Azure Synapse Analytics dedikerede SQL-puljer til Microsoft Fabric data warehouse.

Introduktion til migrering

Microsoft Fabric er en alt-i-en SaaS-analyseløsning til virksomheder. Det tilbyder en omfattende række tjenester, herunder Data Factory, Data Engineering, Data Warehousing, Data Science, Real-Time Intelligence og Power BI.

Denne artikel beskriver muligheder for skema (DDL), databasekode (DML) og datamigration og hjælper dig med at vælge en mulighed til dit scenarie. Den bruger den TPC-DS branchebenchmark til illustrations- og performancetest. Dine resultater kan variere afhængigt af faktorer som datatyper, tabelbredde og kildelatens.

Forbered migrering

Planlæg dit migrationsprojekt omhyggeligt, før du går i gang, og sørg for, at dit skema, din kode og dine data er kompatible med Fabric data warehouse. Overvej begrænsningerne. Kvantificér det arbejde, der kræves for at refaktorere inkompatible elementer og andre ressourcer, der er nødvendige for at levere migrationen.

Et andet vigtigt mål med planlægning er at justere dit design, så din løsning udnytter Fabric data warehouse forespørgselsydelse fuldt ud. Design af data warehouses til skalering introducerer unikke designmønstre, så traditionelle tilgange er ikke altid de bedste. Gennemgå præstationsretningslinjerne. Selvom du kan lave nogle designændringer efter migreringen, sparer det tid og kræfter at lave tidligere ændringer. Migration fra én teknologi eller miljø til et andet er altid en stor indsats.

Følgende diagram viser migrationscyklussen og de opgaver, der er forbundet med dens fem søjler: Vurder og evaluer, Planlæg og design, Migrer,Overvåge og Styr, samt Optimer og Moderniser.

Runbook til migrering

Overvej følgende aktiviteter som en planlægningsbog til din migration fra Synapse dedikerede SQL-pools til Fabric data warehouse.

1. Vurder og evaluer
   1. Identificer målsætninger og motivationer. Opret tydelige ønskede resultater.
   2. Opdag, vurder og baseline den eksisterende arkitektur.
   3. Identificer vigtige interessenter og sponsorer.
   4. Definér omfanget af, hvad der skal migreres.
      1. Start småt og enkelt, og forbered dig på flere små migrationer.
      2. Begynd at overvåge og dokumentere alle faser i processen.
      3. Byg et inventar over data og processer til migration.
      4. Definer ændringer i datamodellen, hvis der er nogen.
      5. Sæt Fabric-arbejdsområdet op.
   5. Vurder dit teams færdigheder og præferencer.
      1. Automatiser, hvor det er muligt.
      2. Brug indbyggede Azure-værktøjer og -funktioner til at reducere migreringsindsatsen.
   6. Oplær personalet tidligt på den nye platform.
      1. Identificer behov for opkvalificering og oplæringsaktiver, herunder Microsoft Learn.
2. Planlæg og design
   1. Definer den ønskede arkitektur.
   2. Vælg metoder og værktøjer til migreringen for at udføre følgende opgaver:
      1. Dataudtrækning fra kilden.
      2. Skema (DDL) konvertering, inklusive metadata for tabeller og visninger.
      3. Dataindtagelse, herunder historiske data.
         1. Om nødvendigt kan datamodellen omstruktureres ved at bruge ny platformpræstation og skalerbarhed.
      4. Overførsel af databasekode (DML).
         1. Overfør eller refactor lagrede procedurer og forretningsprocesser.
   3. Opret en oversigt over og udtræk sikkerhedsfunktionerne og objekttilladelserne fra kilden.
   4. Design og planlæg at erstatte eller ændre eksisterende ETL/ELT-processer for inkrementeller belastning.
      1. Opret parallelle ETL/ELT-processer til det nye miljø.
   5. Forbered en detaljeret overførselsplan.
      1. Kortlæg den nuværende tilstand til den ønskede tilstand.
3. Overflytte
   1. Udfør skema-, data- og kodemigrering.
      1. Dataudtrækning fra kilden.
      2. Skema (DDL) konvertering.
      3. Dataindtagelse
      4. Overførsel af databasekode (DML).
   2. Skaler om nødvendigt de dedikerede SQL-puljeressourcer midlertidigt for at gøre migreringen hurtigere.
   3. Anvend sikkerhed og tilladelser.
   4. Overfør eksisterende ETL/ELT-processer for trinvis belastning.
      1. Migrer eller refactor ETL/ELT trinvise belastningsprocesser.
      2. Test og sammenlign parallelle inkrementelle belastningsprocesser.
   5. Tilpas den detaljerede migrationsplan efter behov.
4. Overvåg og styr
   1. Kør parallelt, og sammenlign med dit kildemiljø.
      1. Test programmer, business intelligence-platforme og forespørgselsværktøjer.
      2. Benchmark og optimer forespørgselsydeevnen.
      3. Overvåg og administrer omkostninger, sikkerhed og ydeevne.
   2. Foretag en benchmark og vurdering af governance.
5. Optimer og moderniser
   1. Når virksomheden er komfortabel, kan du overføre programmer og primære rapporteringsplatforme til Fabric.
      1. Skaler ressourcer op eller ned, efterhånden som arbejdsbelastningen skifter fra Azure Synapse Analytics til Microsoft Fabric.
      2. Opret en gentagelig skabelon ud fra den erfaring, der er opnået i forbindelse med fremtidige migreringer. Iterere.
      3. Identificer muligheder for omkostningsoptimering, sikkerhed, skalerbarhed og operationel ekspertise.
      4. Identificer muligheder for at modernisere dit dataområde med de nyeste Fabric-funktioner.

Løft og skift eller modernisere?

Der er generelt to typer migreringsscenarier, uanset formålet med og omfanget af den planlagte migrering: løft og skift, som den er, eller en faseinddelt tilgang, der inkorporerer arkitektoniske ændringer og kodeændringer.

Løft og skift

I en lift and shift-migration migrerer du en eksisterende datamodel med mindre ændringer til den nye Fabric data warehouse. Denne fremgangsmåde minimerer risikoen og overførselstiden ved at reducere det nye arbejde, der er nødvendigt for at realisere fordelene ved migrering.

Migrering af løft og skift passer godt til disse scenarier:

• Du har et eksisterende miljø med et lille antal lagre, der skal migreres.
• Du har et eksisterende miljø med data, der allerede findes i et veldesignet stjerne- eller snefnugskema.
• Du er under tids- og omkostningspres for at skifte til Fabric data warehouse.

Sammenfattende fungerer denne tilgang godt for arbejdsbelastninger, der er optimeret til dit nuværende Azure Synapse dedikerede SQL pool-miljø og ikke kræver større ændringer i Fabric.

Modernisere i en faseinddelt tilgang med arkitektoniske ændringer

Hvis et ældre datalager har udviklet sig over en længere periode, kan det være nødvendigt at omstrukturere det for at opretholde de nødvendige ydelsesniveauer.

Du kan også overveje at redesigne arkitekturen for at udnytte de nye motorer og funktioner, der er tilgængelige i Fabric-arbejdsområdet.

Designforskelle: Synapse dedikerede SQL-pools og Fabric data warehouse

Overvej følgende forskelle mellem Azure Synapse og Microsoft Fabric data warehousing, hvor dedikerede SQL-pools sammenlignes med Fabric data warehouse.

Tabelovervejelser

Når du overfører tabeller mellem forskellige miljøer, er det typisk kun rådata og metadata, der overføres fysisk. Man migrerer normalt ikke andre databaseelementer fra kildesystemet, såsom indekser, fordi de kan være unødvendige eller implementeret anderledes i det nye miljø.

Ydelsesoptimeringer i kildemiljøet, såsom indekser, angiver, hvor du kan få brug for optimering i et nyt miljø. Fabric håndterer disse optimeringer automatisk.

T-SQL-overvejelser

Der er flere forskelle i Data Manipulation Language (DML) syntaks, man bør tage højde for. Gennemgå T-SQL-overfladearealet i Fabric data warehouse og udfør en kodevurdering, når du vælger en metode til migrering af databasekode.

Afhængigt af paritetsforskellene på tidspunktet for migreringen skal du muligvis omskrive dele af din T-SQL DML-kode.

Tilknytningsforskelle for datatyper

Fabric data warehouse har flere forskelle mellem datatyper og Azure Synapse Analytics dedikerede SQL-pools. Du kan få flere oplysninger under Datatyper i Microsoft Fabric.

Følgende tabel viser kortlægningen af understøttede datatyper fra Azure Synapse dedikerede SQL-puljer til Fabric data warehouse.

* Datetime2 gemmer ikke den ekstra tidszone-offset-information, som DatetimeOffset gemmer. Da Fabric data warehouse ikke understøtter datetimeoffset-datatypen i øjeblikket, skal du udtrække tidszoneoffset-dataene i en separat kolonne.

Relateret indhold

• Opret et lager i Microsoft Fabric
• Fabric data warehouse performance-retningslinjer
• Sikkerhed i Fabric data warehouse
• Blog: Mapping Azure Synapse dedikerede SQL-puljer til Fabric data warehouse compute
• Oversigt over Microsoft Fabric-migrering