기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다. # 구현 단계 빅 뱅 또는 단계별 접근 방식을 따르는 마이그레이션에는 새로운 개발 및 테스트가 필요합니다. AWS Schema Conversion Tool (AWS SCT)는 SSIS 패키지에서 AWS Glue 작업을 자동으로 생성할 수 있습니다. 이렇게 하면 마이그레이션 시간과 노력이 크게 줄어듭니다. 또는 그래픽 인터페이스 기반 개발에 AWS Glue Studio를 사용하거나 AWS Glue 또는 Amazon EMR에서 실행할 수 있는 Spark 라이브러리를 빌드할 수 있습니다. 다음 섹션에서는 AWS SCT AWS Glue및 Amazon EMR을 사용하는 데 유용한 포인터를 제공합니다. ## AWS SCT 다음 화면 그림은에서 변환한 AWS Glue 작업 스크립트를 보여줍니다 AWS SCT. ![AWS Glue 에서 변환한 작업 스크립트 AWS SCT](http://docs.aws.amazon.com/ko_kr/prescriptive-guidance/latest/migration-ssis-etl/images/ssis-sct-example.png) AWS SCT 는 SSIS 패키지를 AWS Glue 작업으로 대량으로 변환할 수 있습니다. 스크립트를 편집하여 기존 로직을 업데이트하거나 새 설계에 따라 새 로직을 추가할 수 있습니다. AWS SCT 변환된 스크립트의 이름 지정 규칙에 따라 스크립트를 사용자 지정하는 것이 좋습니다. 자세한 내용은 AWS SCT 설명서의 [를 AWS Glue 사용하여 SSIS 변환 AWS SCT](https://docs.aws.amazon.com/SchemaConversionTool/latest/userguide/CHAP-converting-aws-glue-ssis.html)을 참조하세요. ## AWS Glue AWS Glue Studio는 다음 화면에 표시된 대로 그래픽 인터페이스와 SSIS와 유사한 개발 환경을 제공합니다. ![AWS Glue Studio UI](http://docs.aws.amazon.com/ko_kr/prescriptive-guidance/latest/migration-ssis-etl/images/glue-studio.png) 그래픽 인터페이스를 사용하지 않으려면 AWS Glue 콘솔에서 필요한 Python 라이브러리를 사용하여 사용자 지정 스크립트를 실행할 수도 있습니다. 자세한 내용은 AWS Glue 설명서의 [사용자 지정 스크립트 제공을 참조하세요](https://docs.aws.amazon.com/glue/latest/dg/console-custom-created.html). AWS Glue 는 데이터 처리를 위한 기본 제공 변환 세트를 제공합니다. 이는 SSIS 데이터 흐름 변환과 유사합니다. 를 사용하여 SSIS ETL 작업을 마이그레이션할 때 AWS Glue다음 모범 사례를 따르세요. + AWS Glue 변환에서 동등한 SSIS 변환으로 매핑을 준비합니다. + 변환을 변환에 매핑할 수 없는 경우 Python 또는 Scala 사용자 지정 스크립트를 사용하여 AWS Glue 변환을 빌드합니다. + 사용자 지정 로깅(예: 행 읽기, 행 쓰기 또는 잘못된 레코드)의 경우 [Amazon CloudWatch](https://docs.aws.amazon.com/glue/latest/dg/logging-and-monitoring.html) 외에도 사용자 지정 스크립트를 사용합니다. + 로컬에서 [사용자 지정 스크립트를 개발하고 디버깅하려면 개발 엔드포인트](https://docs.aws.amazon.com/glue/latest/dg/add-dev-endpoint.html)를 추가합니다. ## Amazon EMR 와 마찬가지로 EMR 클러스터에서 사용자 지정 스크립트(Python 또는 Scala로 작성됨) 또는 컴파일된 Python 라이브러리를 실행할 수 있습니다 AWS Glue. 다음 모범 사례를 따르세요. + Spark 프레임워크를 사용하여 EMR 클러스터를 생성하는 동안 메모리 최적화 인스턴스 유형으로 시작합니다. (SSIS는 메모리 버퍼를 사용합니다.) + 각 SSIS 작업 또는 변환과 동일한 일반 Python 메서드를 빌드합니다. 예를 들어 다음 그림에서 두 데이터 프레임을 입력으로 사용하는 메서드는 두 데이터 프레임의 일치하는 레코드를 출력으로 포함하는 세 번째 데이터 프레임을 생성합니다. 병합 [조](https://learn.microsoft.com/en-us/sql/integration-services/data-flow/transformations/merge-join-transformation)인 변환으로 작동합니다. ![SSIS 작업을 위한 샘플 Python 병합 함수](http://docs.aws.amazon.com/ko_kr/prescriptive-guidance/latest/migration-ssis-etl/images/ssis-merge-function.png) ## 테스트 데이터의 완전성과 정확성을 검증하려면 테스트 프레임워크가 필요합니다. 이 프레임워크는 작업을 마이그레이션하는 동안 수행한 모든 기존 시나리오와 모든 개선 사항을 포함해야 합니다 AWS. + 완전성 검증: + 모든 작업이 대상 상태로 마이그레이션됩니다. + 모든 기능은 각 작업에서 마이그레이션됩니다. + 작업 실행 세부 정보, 오류 메시지, 잘못된 레코드, 행 수를 포함한 모든 유형의 로그를 사용할 수 있습니다. + 정확성 검증: + 데이터의 품질은 기존 환경과 새 환경에서 일관됩니다. + 모든 테이블의 모든 열이 일치하거나 테이블이 개선됩니다 AWS. + 모든 감사 및 로깅 정보가 일치합니다. 또한 마이그레이션된 작업의 성능이 기존 작업의 성능과 일치하는지 확인해야 합니다.