本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 在 中建立多伺服器評估報告 AWS Schema Conversion Tool
<a name="CHAP_AssessmentReport.Multiserver"></a>

若要判斷整體環境的最佳目標方向，請建立多伺服器評估報告。

*多伺服器評估報告*會根據您要評估的每個結構描述定義所提供的輸入來評估多個伺服器。您的結構描述定義包含資料庫伺服器連線參數和每個結構描述的完整名稱。評估每個結構描述之後， AWS SCT 會產生摘要、彙總的評估報告，以便在多個伺服器上遷移資料庫。此報告顯示每個可能的遷移目標的預估複雜性。

您可以使用 AWS SCT 為下列來源和目標資料庫建立多伺服器評估報告。


| 來源資料庫 | 目標資料庫 | 
| --- | --- | 
|  Amazon Redshift  |  Amazon Redshift  | 
|  Azure SQL 資料庫  |  Aurora MySQL、Aurora PostgreSQL、MySQL、PostgreSQL  | 
|  Azure Synapse Analytics  |  Amazon Redshift  | 
|  BigQuery  |  Amazon Redshift  | 
|  Greenplum  |  Amazon Redshift  | 
|  z/OS 的 IBM Db2   |  Amazon Aurora MySQL 相容版本 (Aurora MySQL)、Amazon Aurora PostgreSQL 相容版本 (Aurora PostgreSQL)、MySQL、PostgreSQL  | 
|  IBM Db2 LUW  |  Aurora MySQL、Aurora PostgreSQL、MariaDB、MySQL、PostgreSQL  | 
|  Microsoft SQL Server  |  Aurora MySQL、Aurora PostgreSQL、Amazon Redshift、Babelfish for Aurora PostgreSQL、MariaDB、Microsoft SQL Server、MySQL、PostgreSQL  | 
|  MySQL  |  Aurora PostgreSQL、MySQL、PostgreSQL  | 
|  Netezza  |  Amazon Redshift  | 
|  Oracle  |  Aurora MySQL、Aurora PostgreSQL、Amazon Redshift、MariaDB、MySQL、Oracle、PostgreSQL  | 
|  PostgreSQL  |  Aurora MySQL、Aurora PostgreSQL、MySQL、PostgreSQL  | 
|  SAP ASE  |  Aurora MySQL、Aurora PostgreSQL、MariaDB、MySQL、PostgreSQL  | 
|  Snowflake  |  Amazon Redshift  | 
|  Teradata  |  Amazon Redshift  | 
|  Vertica  |  Amazon Redshift  | 

## 執行多伺服器評估
<a name="CHAP_AssessmentReport.Multiserver.Procedure"></a>

使用下列程序以 執行多伺服器評估 AWS SCT。您不需要在 中建立新的專案， AWS SCT 即可執行多伺服器評估。開始使用之前，請確定您已使用資料庫連線參數準備逗號分隔值 (CSV) 檔案。此外，請確定您已安裝所有必要的資料庫驅動程式，並在 AWS SCT 設定中設定驅動程式的位置。如需詳細資訊，請參閱[安裝 的 JDBC 驅動程式 AWS Schema Conversion Tool](CHAP_Installing.JDBCDrivers.md)。

**執行多伺服器評估並建立彙總摘要報告**

1. 在 中 AWS SCT，選擇**檔案**、**新增多伺服器評估**。**新的多伺服器評估**對話方塊隨即開啟。  
![\[新的多使用者評估存取權\]](http://docs.aws.amazon.com/zh_tw/SchemaConversionTool/latest/userguide/images/new_assess_screen_v3.png)

1. 選擇**下載連線檔案範例**，以下載具有資料庫連線參數的 CSV 檔案空白範本。

1. 輸入**專案名稱**、**位置** （儲存報告） 和**連線檔案 **(CSV 檔案） 的值。

1. 選擇**為每個來源資料庫建立 AWS SCT 專案**，以便在產生評估報告後自動建立遷移專案。

1. 開啟**每個來源資料庫的建立 AWS SCT 專案**時，您可以選擇**將映射規則新增至這些專案，並儲存轉換統計資料以供離線使用**。在此情況下， AWS SCT 會將映射規則新增至每個專案，並將來源資料庫中繼資料儲存在專案中。如需詳細資訊，請參閱[在 中使用離線模式 AWS Schema Conversion Tool](CHAP_UserInterface.OfflineMode.md)。

1. 選擇**執行**。

   此時會顯示進度列，指出資料庫評估的步調。目標引擎的數量會影響評估執行時間。

1. 如果顯示下列訊息，請選擇**是**：**所有資料庫伺服器的完整分析可能需要一些時間。是否要繼續？**

   多伺服器評估報告完成後，會出現一個畫面指出。

1. 選擇**開啟報告**以檢視彙總摘要評估報告。

根據預設， AWS SCT 會產生所有來源資料庫的彙總報告，以及來源資料庫中每個結構描述名稱的詳細評估報告。如需詳細資訊，請參閱[尋找和檢視報告](#CHAP_AssessmentReport.Multiserver.Review)。

開啟**為每個來源資料庫建立 AWS SCT 專案**選項時， 會為每個來源資料庫 AWS SCT 建立空專案。 AWS SCT 也會如先前所述建立評估報告。在您分析這些評估報告並為每個來源資料庫選擇遷移目的地之後，請將目標資料庫新增至這些空專案。

開啟**將映射規則新增至這些專案並儲存離線使用選項的轉換統計資料**後， 會為每個來源資料庫 AWS SCT 建立專案。這些專案包含下列資訊：
+ 您的來源資料庫和虛擬目標資料庫平台。如需詳細資訊，請參閱[映射至 中的虛擬目標 AWS Schema Conversion Tool](CHAP_Mapping.VirtualTargets.md)。
+ 此來源目標對的映射規則。如需詳細資訊，請參閱[資料類型映射](CHAP_Mapping.md)。
+ 此來源目標對的資料庫遷移評估報告。
+ 來源結構描述中繼資料，可讓您在離線模式下使用此 AWS SCT 專案。如需詳細資訊，請參閱[在 中使用離線模式 AWS Schema Conversion Tool](CHAP_UserInterface.OfflineMode.md)。

## 準備輸入 CSV 檔案
<a name="CHAP_AssessmentReport.Multiserver.Input"></a>

若要提供連線參數做為多伺服器評估報告的輸入，請使用 CSV 檔案，如下列範例所示。

```
Name,Description,Secret Manager Key,Server IP,Port,Service Name,Database name,BigQuery path,Source Engine,Schema Names,Use Windows Authentication,Login,Password,Use SSL,Trust store,Key store,SSL authentication,Target Engines
Sales,,,192.0.2.0,1521,pdb,,,ORACLE,Q4_2021;FY_2021,,user,password,,,,,POSTGRESQL;AURORA_POSTGRESQL
Marketing,,,ec2-a-b-c-d.eu-west-1.compute.amazonaws.com,1433,,target_audience,,MSSQL,customers.dbo,,user,password,,,,,AURORA_MYSQL
HR,,,192.0.2.0,1433,,employees,,MSSQL,employees.%,true,,,,,,,AURORA_POSTGRESQL
Customers,,secret-name,,,,,,MYSQL,customers,,,,,,,,AURORA_POSTGRESQL
Analytics,,,198.51.100.0,8195,,STATISTICS,,DB2LUW,BI_REPORTS,,user,password,,,,,POSTGRESQL
Products,,,203.0.113.0,8194,,,,TERADATA,new_products,,user,password,,,,,REDSHIFT
```

上述範例使用分號來分隔`Sales`資料庫的兩個結構描述名稱。它也會使用分號來分隔資料庫的兩個目標`Sales`資料庫遷移平台。

此外，上述範例使用 AWS Secrets Manager 連線至`Customers`資料庫，並使用 Windows 身分驗證連線至`HR`資料庫。

您可以建立新的 CSV 檔案，或從 下載 CSV 檔案 AWS SCT 的範本，並填寫必要的資訊。請確定 CSV 檔案的第一列包含與上述範例相同的資料欄名稱。

**下載輸入 CSV 檔案的範本**

1. 開始 AWS SCT。

1. 選擇**檔案**，然後選擇**新增多伺服器評估**。

1. 選擇**下載連線檔案範例**。

請確定您的 CSV 檔案包含 範本提供的下列值：
+ **名稱** – 有助於識別資料庫的文字標籤。 AWS SCT 會在評估報告中顯示此文字標籤。
+ **描述** – 選用值，您可以在其中提供有關資料庫的其他資訊。
+ **Secret Manager 金鑰** – 在 中存放資料庫登入資料的秘密名稱 AWS Secrets Manager。若要使用 Secrets Manager，請確定您在其中存放 AWS 設定檔 AWS SCT。如需詳細資訊，請參閱[在 AWS Secrets Manager 中設定 AWS Schema Conversion Tool](CHAP_UserInterface.SecretsManager.md)。
**重要**  
AWS SCT 如果您在輸入檔案中包含**伺服器 IP**、**連接埠**、**登入**和**密碼**參數， 會忽略 **Secret Manager 金鑰**參數。
+ **伺服器 IP** – 來源資料庫伺服器的網域名稱服務 (DNS) 名稱或 IP 地址。
+ **連接埠** – 用來連線至來源資料庫伺服器的連接埠。
+ **服務名稱** – 如果您使用服務名稱連線至 Oracle 資料庫，則為要連線的 Oracle 服務名稱。
+ **資料庫名稱** – 資料庫名稱。對於 Oracle 資料庫，請使用 Oracle 系統 ID (SID)。
+ **BigQuery 路徑** – 來源 BigQuery 資料庫的服務帳戶金鑰檔案路徑。如需建立此檔案的詳細資訊，請參閱 [作為來源的 BigQuery 權限](CHAP_Source.BigQuery.md#CHAP_Source.BigQuery.Permissions)。
+ **來源引擎** – 來源資料庫的類型。使用以下其中一個值：
  + Azure SQL 資料庫的 **AZURE\$1MSSQL**。
  + Azure Synapse Analytics 資料庫的 **AZURE\$1SYNAPSE**。
  + BigQuery 資料庫的 **GOOGLE\$1BIGQUERY**。
  + IBM Db2 for z/OS 資料庫的 **DB2ZOS**。
  + IBM Db**DB2LUW**2LUW。 Db2 
  + Greenplum 資料庫的 **GreenPLUM**。
  + Microsoft SQL Server 資料庫的 **MSSQL**。
  + **MySQL 資料庫**的 MySQL。
  + Netezza 資料庫的 **NETEZZA**。
  + Oracle 資料庫的 **ORACLE**。
  + **PostgreSQL 資料庫的 POSTGRESQL**。 PostgreSQL 
  + Amazon Redshift 資料庫的 **REDSHIFT**。
  + Snowflake 資料庫的 **SNOWFLAKE**。
  + SAP **ASE 資料庫的 SYBASE\$1**ASE。
  + Teradata 資料庫的 **TERADATA**。
  + Vertica 資料庫的 **VERTICA**。
+ **結構描述名稱** – 要包含在評估報告中的資料庫結構描述名稱。

  針對 Azure SQL Database、Azure Synapse Analytics、BigQuery、Netezza、SAP ASE、Snowflake 和 SQL Server，請使用下列結構描述名稱格式：

  `db_name.schema_name`

  `db_name` 將 取代為來源資料庫的名稱。

  `schema_name` 將 取代為來源結構描述的名稱。

  以雙引號括住包含點的資料庫或結構描述名稱，如下所示：`"database.name"."schema.name"`。

  使用分號分隔多個結構描述名稱，如下所示：`Schema1;Schema2`。

  資料庫和結構描述名稱區分大小寫。

  使用百分比 (`%`) 做為萬用字元，取代資料庫或結構描述名稱中任意數量的任何符號。上述範例使用百分比 (`%`) 作為萬用字元，在評估報告中包含來自`employees`資料庫的所有結構描述。
+ **使用 Windows 身分驗證** – 如果您使用 Windows 身分驗證連線到 Microsoft SQL Server 資料庫，請輸入 **true**。如需詳細資訊，請參閱[使用 Microsoft SQL Server 做為來源時使用 Windows 身分驗證](CHAP_Source.SQLServer.md#CHAP_Source.SQLServer.Permissions.WinAuth)。
+ **Login** – 連線到來源資料庫伺服器的使用者名稱。
+ **密碼** – 連線到來源資料庫伺服器的密碼。
+ **使用 SSL** – 如果您使用 Secure Sockets Layer (SSL) 連線到來源資料庫，請輸入 **true**。
+ **信任存放**區 – 用於 SSL 連線的信任存放區。
+ **金鑰存放**區 – 用於 SSL 連線的金鑰存放區。
+ **SSL 身分驗證** – 如果您使用憑證的 SSL 身分驗證，請輸入 **true**。
+ **目標引擎** – 目標資料庫平台。使用下列值在評估報告中指定一或多個目標：
  + 適用於 Aurora MySQL 相容資料庫的 **AURORA\$1MYSQL**。 MySQL
  + 適用於 Aurora **PostgreSQL 相容資料庫的 AURORA\$1POSTGRESQL**。 PostgreSQL
  + Babelfish for Aurora PostgreSQL 資料庫的 **BABELFISH**。
  + **MariaDB 資料庫的 MARIA\$1**MariaDB。
  + Microsoft SQL Server 資料庫的 **MSSQL**。
  + **MySQL 資料庫**的 MySQL。
  + Oracle 資料庫的 **ORACLE**。
  + **PostgreSQL 資料庫的 POSTGRESQL**。 PostgreSQL 
  + Amazon Redshift 資料庫的 **REDSHIFT**。

  使用如下所示的分號分隔多個目標：`MYSQL;MARIA_DB`。目標數量會影響執行評估所需的時間。

## 尋找和檢視報告
<a name="CHAP_AssessmentReport.Multiserver.Review"></a>

多伺服器評估會產生兩種類型的報告：
+ 所有來源資料庫的彙總報告。
+ 來源資料庫中每個結構描述名稱之目標資料庫的詳細評估報告。

報告會存放在您在**新增多伺服器評估**對話方塊中為**位置**選擇的目錄中。

若要存取詳細報告，您可以導覽依來源資料庫、結構描述名稱和目標資料庫引擎整理的子目錄。

彙總報告會以四欄顯示目標資料庫轉換複雜性的相關資訊。這些欄包含有關程式碼物件轉換、儲存物件、語法元素和轉換複雜性的資訊。

下列範例顯示將兩個 Oracle 資料庫結構描述轉換為 Amazon RDS for PostgreSQL 的資訊。

![\[彙總報告一個目標\]](http://docs.aws.amazon.com/zh_tw/SchemaConversionTool/latest/userguide/images/aggregate_rpt5.png)


相同的四個資料欄會附加到每個指定之其他目標資料庫引擎的報告。

如需如何讀取此資訊的詳細資訊，請參閱以下內容。

## 彙總評估報告的輸出
<a name="CHAP_AssessmentReport.Multiserver.Agreggated"></a>

中的彙總多伺服器資料庫遷移評估報告 AWS Schema Conversion Tool 是具有下列資料欄的 CSV 檔案：
+ `Server IP address and port`
+ `Secret Manager key`
+ `Name`
+ `Description`
+ `Database name`
+ `Schema name`
+ `Code object conversion % for target_database`
+ `Storage object conversion % for target_database`
+ `Syntax elements conversion % for target_database`
+ `Conversion complexity for target_database`

若要收集資訊， 會 AWS SCT 執行完整的評估報告，然後依結構描述彙總報告。

在報告中，以下三個欄位顯示根據評估可能自動轉換的百分比：

**程式碼物件轉換 % **  
結構描述中 AWS SCT 可自動轉換或變更最少的程式碼物件百分比。程式碼物件包括程序、函數、檢視和類似項目。

**儲存物件轉換 % **  
SCT 可以自動轉換或變更最少的儲存物件百分比。儲存物件包括資料表、索引、限制條件和類似項目。

**語法元素轉換 % **  
SCT 可自動轉換的語法元素百分比。語法元素包括 `SELECT`、`DELETE`、 `FROM`和 `JOIN`子句，以及類似項目。

轉換複雜性計算是根據動作項目的概念。*動作項目*反映來源碼中發現的一種問題類型，您需要在遷移至特定目標期間手動修正。動作項目可以有多次出現。

加權比例可識別執行遷移的複雜性層級。數字 1 代表最低的複雜性，數字 10 代表最高等級的複雜性。