以資料為導向，並使用探索工具來避免中斷

在考慮淘汰應用程式時，資料驅動至關重要。架構圖表和機構知識可以輕鬆過期或不完整。有時候，非預期的問題也可能會浮現，例如另一個應用程式由於中斷修復案例而變得依賴您的系統而沒有正式參與。

資料驅動型方法提供您可以做出決策或驗證方法的基礎。評估應用程式是否可以淘汰時，您必須確認您要遷移的工作負載不依賴於它。遷移這些工作負載，然後淘汰相依性可能會導致服務降級，或更嚴重的服務中斷。

所幸，使用資料監控排定淘汰之伺服器上的網路傳入和傳出連線，了解這些相依性相當簡單。網路傳入連線，例如連線至應用程式的應用程式，以及傳出連線，例如上傳至網路檔案系統 (NFS) 共用的檔案，都指出潛在的上游相依性。需要調查此相依性，因為如果由於遷移至 AWS Cloud 的工作負載連線到應用程式，如果應用程式稍後淘汰，則可能會中斷服務。此程序可能需要深入挖掘才能遵循相依性鏈。遵循上述範例，如果應用程式將檔案上傳至 NFS 共享，下一步是判斷哪個系統使用該檔案和該應用程式的狀態。

您可以決定調查這些連線並評估影響程度。若要執行此操作，您可以使用探索工具來顯示正在啟動的連線到已排程淘汰的伺服器。您可能會注意到，大多數連線來自管理伺服器，並且可以忽略，因為它們是收集效能指標或系統管理員代理執行個體的工具。不過，如果有應用程式連線至已排定進行遷移的伺服器，您應該深入探索，並檢查遷移對應用程式的潛在影響。

AWS Application Discovery Service 透過收集他們計劃淘汰的內部部署資料中心的相關資訊，協助客戶規劃遷移專案。將代理程式部署到伺服器後，Application Discovery Service 會記錄每個伺服器的傳入和傳出網路活動，以及其他資訊。透過使用 Amazon Athena 分析此資料，您可以識別其他應用程式是否取決於計劃淘汰的伺服器。AWS 遷移能力合作夥伴也可以提供深入探索和規劃工具。

例如，以下畫面圖解顯示連接到連接埠 22 上伺服器的四個來源 IP 地址 （目的地 = 172.31.1.117)。

這些是系統管理員使用的堡壘主機，可以忽略。該映像也會顯示兩個伺服器連接到連接埠 80 上的此應用程式，這些伺服器位於計劃遷移的範圍內。在此階段，您需要深入探索並了解連線的應用程式。這項更深入的分析可讓您評估退休後是否有任何上游影響。