Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Fase 3: migración

Una tarea principal de las migraciones de bases de datos es completar la migración con un tiempo de inactividad mínimo. Como ambas bases de datos deben utilizar el mismo lenguaje de programación y los mismos protocolos de comunicación, es posible que necesite convertir el código y el esquema para utilizar sintaxis, procedimientos y funciones de consulta similares. Al convertir un esquema, tenga en cuenta los siguientes aspectos:

Puede utilizar cualquier herramienta de migración de terceros para la conversión del código de esquema, como la base de datos SAP ASE y Amazon RDS for SQL Server. Es posible que necesite convertir parte del código manualmente porque SQL Server no admite SQL que no sea ANSI.

Después de convertir el código, convierta el código de la aplicación o la aplicación de SQL dinámico y, a continuación, realice las pruebas unitarias y funcionales. Para obtener más información, consulte Probar objetos de bases de datos (SybaseToSQL) migrados.

Conversión de los datos

Transforme los datos sin procesar para que sean más útiles limpiándolos, estandarizándolos, verificándolos y clasificándolos. En las migraciones de bases de datos, los procesos de extracción, transformación y carga (ETL) se utilizan de las siguientes maneras:

Algunos ejemplos de herramientas de ETL son AWS Glue Informatica y Talend. Para las migraciones de SAP ASE a SQL Server, algunas herramientas gratuitas pueden convertir automáticamente los procedimientos y funciones almacenados.

Validación de objetos de bases de datos

La validación de la base de datos ayuda a evitar problemas en las etapas posteriores de la migración. Tras la conversión del código, valide el esquema de la base de datos comparando los siguientes elementos entre SAP ASE y RDS SQL Server:

Compruebe que cada objeto se haya migrado correctamente. Si encuentra diferencias, identifique el motivo del error. Es posible que tenga que crear manualmente los objetos que faltan en la base de datos de destino o convertir el código Transact-SQL. Para obtener más información, consulte Validar objetos de bases de datos después de migrar de SAP ASE a Amazon RDS for SQL Server o Microsoft SQL Server.

Migración de datos mediante AWS DMS

Si tiene varios usuarios de bases de datos, es posible que sea necesario migrar la aplicación según un cronograma. Según el tamaño de la base de datos y la ventana de migración, estas migraciones de datos requieren conocer las cargas completas y las cargas incrementales. Por este motivo, AWS DMS puede conectar las bases de datos de origen y destino para replicar el contenido de la base de datos de acuerdo con los siguientes procesos:

Es posible que necesite AWS DMS optimizarlos para gestionar determinados tipos de datos. Para obtener más información, consulte Uso de una base de datos SAP ASE como fuente de AWS DMS.

Migración de datos fuera de línea

Puede utilizarla AWS Storage Gateway para integrar su base de datos SAP ASE con Amazon Simple Storage Service (Amazon S3), que proporciona un almacenamiento rentable, escalable y seguro para las copias de seguridad de bases de datos SAP ASE locales. Para obtener más información, consulte Integrar una base de datos SAP ASE en Amazon S3 mediante AWS Storage Gateway.

Uso de herramientas de terceros

Algunas aplicaciones funcionan como un punto de contacto único (SPOC) que interactúa con otras aplicaciones. Al migrar a una plataforma de base de datos de SQL Server, estas interconexiones pueden verse afectadas y la supervisión de la base de datos puede requerir herramientas nativas o de terceros que utilicen protocolos de comunicación específicos del servidor. Es importante evaluar si estas aplicaciones y herramientas dependientes ya son compatibles con SQL Server o si necesitan modificaciones para funcionar correctamente.

En el caso de las aplicaciones empaquetadas, consulte a los proveedores para determinar si admiten Amazon RDS for SQL Server. En el caso de las aplicaciones personalizadas, es posible que deba modificar el código para garantizar la compatibilidad con la base de datos migrada.

Supervisión de la base de datos

Independientemente de la ruta de migración que elija, Amazon CloudWatch desempeña un papel en la recopilación de métricas, como el tipo de CPU, la memoria y I/O las funciones. También es capaz de establecer umbrales de métricas e iniciar acciones cuando se activan los umbrales.

Por ejemplo, puede crear alarmas para las métricas, notificaciones y acciones del clúster de Amazon RDS a fin de detectar y cerrar las instancias de lectura no utilizadas o infrautilizadas. Establecer alarmas en las métricas y los eventos puede ayudar a minimizar el tiempo de inactividad y el impacto empresarial. Servicios de AWS como Amazon S3, Amazon RDS Performance Insights y Amazon CloudWatch, ya AWS CloudTrail están integrados con la plataforma de bases de datos de RDS, y les recomendamos que supervisen el rendimiento.

Validar los datos

Una vez finalizada la migración de datos de SAP ASE a Amazon RDS for SQL Server, valide los datos para garantizar la precisión y la coherencia. Utilice las siguientes consultas SQL para generar declaraciones de metadatos para cada tabla de la base de datos.

Paso 1: Genere declaraciones de metadatos y listas de columnas

SELECT dt.schema_name, dt.table_name,
    STRING_AGG(dt.column_name, ',') AS column_name,
    STRING_AGG(dt.cname, ',') AS column_order
FROM (
    SELECT 
        object_name(a.id) AS table_name,
        a.name colname,
        c.name col_type,
        a.isnullable,
        a.name AS cname,
        schema_name(b.uid) AS schema_name,
        CASE 
            WHEN a.isnullable = 1 THEN
                CASE 
                    WHEN c.name LIKE '%char%' 
                        THEN 'coalesce(ltrim(rtrim('+a.name+')),''X'') as '+a.name
                    WHEN (c.name LIKE '%int%' OR c.name = 'numeric') 
                        THEN 'coalesce('+a.name+',0) as '+a.name
                    WHEN c.name IN ('decimal','float','money') 
                        THEN 'coalesce('+a.name+',0.0) as '+a.name
                    WHEN c.name LIKE 'datetime%' 
                        THEN 'coalesce(convert(nvarchar(30),'+a.name+',112),''99991231'') as '+a.name
                    ELSE a.name 
                END
            WHEN c.name LIKE 'datetime%' 
                THEN 'coalesce(convert(nvarchar(30),'+a.name+',112),''99991231'') as '+a.name
            WHEN c.name LIKE '%char%' 
                THEN 'coalesce(ltrim(rtrim('+a.name+')),''X'') as '+a.name
            ELSE a.name
        END AS column_name
    FROM syscolumns a
    INNER JOIN sysobjects b
        ON a.id = b.id 
        AND b.type = 'U'
    INNER JOIN systypes c
        ON a.usertype = c.usertype
        AND a.xusertype = c.xusertype
        AND c.name != 'varbinary'
    INNER JOIN (
        SELECT 
            OBJECT_NAME(ic.OBJECT_ID) AS table_name,
            COL_NAME(ic.OBJECT_ID, ic.column_id) AS column_name
        FROM sys.indexes AS i
        INNER JOIN sys.index_columns AS ic
            ON i.OBJECT_ID = ic.OBJECT_ID
            AND i.index_id = ic.index_id
            AND i.is_primary_key = 1
    ) pk
        ON pk.table_name = object_name(a.id)
        AND pk.column_name = a.name
) dt 
GROUP BY dt.schema_name, dt.table_name;

En la siguiente tabla se muestran ejemplos de resultados:

Paso 2: Genere consultas de comparación utilizando los resultados de los metadatos y cree sentencias SELECT

SELECT <column_name>
FROM [schema_name].[table_name]
ORDER BY <column_order>;

El siguiente es un ejemplo de una consulta generada:

SELECT BusinessEntityID, AddressID, AddressTypeID
FROM [Person].[BusinessEntityAddress]
ORDER BY BusinessEntityID, AddressID, AddressTypeID;

Paso 3: Validación

Paso 4: Validar el recuento de filas

SELECT COUNT(1) AS total_rows
FROM [schema_name].[table_name];

Paso 5: Actualice la configuración de la aplicación para que apunte a la nueva base de datos

Prueba de la migración

El proceso de pruebas puede ayudarle a identificar los problemas que se pasaron por alto durante el desarrollo, como consultas mal convertidas o índices faltantes. Además, puede revelar la necesidad de ajustar el motor de la base de datos o de modificar las consultas en función del rendimiento de la carga de trabajo.

Las pruebas funcionales, que incluyen pruebas unitarias para los flujos de trabajo de las aplicaciones, ayudan a garantizar una integración perfecta con la nueva base de datos. Las pruebas de rendimiento ayudan a optimizar la base de datos al verificar los tiempos de respuesta aceptables e identificar los cuellos de botella.

Si bien existen métodos de prueba manuales y automatizados, recomendamos un método automatizado porque es más eficiente, especialmente para ciclos de prueba adicionales.