Minimalizace problémů s SQL při migracích Teradata

Tento článek je 5. částí sedmidílné série, která obsahuje pokyny k migraci z Teradata do Azure Synapse Analytics. Tento článek se zaměřuje na osvědčené postupy pro minimalizaci problémů s SQL.

Přehled

Charakteristiky prostředí Teradata

Návod

Teradata v roce 1980 používala rozsáhlé databáze SQL využívající MPP.

V roce 1984 společnost Teradata původně vydala svůj databázový produkt. Zavedla techniky MPP (Massively Parallel Processing), které umožňují zpracování dat ve velkém měřítku efektivněji než stávající technologie sálových počítačů, které jsou v současné době k dispozici. Od té doby se produkt vyvinul a má mnoho instalací mezi velkými finančními institucemi, telekomunikačními a maloobchodními společnostmi. Původní implementace používala proprietární hardware a byla připojena prostřednictvím kanálu k mainframe počítačům – obvykle s procesory IBM nebo s těmi kompatibilními s IBM.

I když novější oznámení zahrnovala síťové připojení a dostupnost sady technologií Teradata v cloudu (včetně Azure), většina stávajících instalací je v místním prostředí, takže mnoho uživatelů uvažuje o migraci některých nebo všech dat Teradata do Azure Synapse Analytics, aby získalo výhody přechodu na moderní cloudové prostředí.

Návod

Mnoho existujících instalací Teradata je datových skladů využívajících dimenzionální datový model.

Technologie Teradata se často používá k implementaci datového skladu, která podporuje složité analytické dotazy na velké objemy dat pomocí SQL. Dimenzionální datové modely – hvězdicová nebo sněhová vločková schémata – jsou běžné, stejně jako implementace datových martů pro jednotlivá oddělení.

Tato kombinace modelů SQL a dimenzionálních dat zjednodušuje migraci do Azure Synapse, protože základní koncepty a dovednosti SQL jsou přenositelné. Doporučeným přístupem je migrace stávajícího datového modelu as-is, aby se snížilo riziko a doba trvání. I když je konečným záměrem provést změny datového modelu (například přechod na model trezoru dat), proveďte počáteční as-is migraci a pak proveďte změny v cloudovém prostředí Azure, využijte výkon, elastickou škálovatelnost a výhody nákladů.

Zatímco jazyk SQL je standardizovaný, jednotliví dodavatelé v některých případech implementovali proprietární rozšíření. Tento dokument zvýrazňuje potenciální rozdíly SQL, se kterými se můžete setkat při migraci ze starší verze prostředí Teradata, a nabízí alternativní řešení.

Použití instance Teradata virtuálního počítače Azure v rámci migrace

Návod

Pomocí virtuálního počítače Azure vytvořte dočasnou instanci Teradata, která urychlí migraci a minimalizuje dopad na zdrojový systém.

Při spuštění migrace z místního prostředí Teradata využijte prostředí Azure. Azure poskytuje cenově dostupné cloudové úložiště a elastickou škálovatelnost pro vytvoření instance Teradata ve virtuálním počítači v Azure, které je společně s cílovým prostředím Azure Synapse.

Díky tomuto přístupu se dají standardní nástroje Teradata, jako je Teradata Parallel Data Transporter (nebo nástroje replikace dat třetích stran, jako je Attunity Replication), použít k efektivnímu přesunu podmnožinu tabulek Teradata, které se mají migrovat do instance virtuálního počítače, a všechny úlohy migrace se můžou provádět v prostředí Azure. Tento přístup má několik výhod:

• Po počáteční replikaci dat nemá zdrojový systém vliv na úlohy migrace.

• Známá rozhraní, nástroje a nástroje Teradata jsou k dispozici v prostředí Azure.

• V prostředí Azure nejsou žádné potenciální problémy s dostupností šířky pásma sítě mezi místním zdrojovým systémem a cloudovým cílovým systémem.

• Nástroje, jako je Azure Data Factory, můžou efektivně volat nástroje, jako je Teradata Parallel Transporter, a rychle a snadno migrovat data.

• Proces migrace se orchestruje a řídí zcela v rámci prostředí Azure.

Použití služby Azure Data Factory k implementaci migrace řízené metadaty

Návod

Automatizujte proces migrace pomocí funkcí služby Azure Data Factory.

Automatizujte a orchestrujte proces migrace pomocí funkcí v prostředí Azure. Tento přístup také minimalizuje dopad migrace na stávající prostředí Teradata, které už může běžet v blízkosti plné kapacity.

Azure Data Factory je cloudová služba pro integraci dat, která umožňuje vytvářet pracovní postupy řízené daty v cloudu pro orchestraci a automatizaci přesunu a transformace dat. Pomocí služby Data Factory můžete vytvářet a plánovat pracovní postupy řízené daty ( označované jako kanály), které ingestují data z různorodých úložišť dat. Může zpracovávat a transformovat data pomocí výpočetních služeb, jako jsou Azure HDInsight Hadoop, Spark, Azure Data Lake Analytics a Azure Machine Learning.

Vytvořením metadat pro výpis tabulek dat, které se mají migrovat, a jejich umístěním můžete pomocí zařízení Data Factory spravovat a automatizovat části procesu migrace. Můžete také použít kanály Azure Synapse.

Rozdíly DDL SQL mezi Teradata a Azure Synapse

DDL (SQL Data Definition Language)

Návod

Příkazy CREATE TABLE DDL SQL a CREATE VIEW mají standardní základní prvky, ale slouží také k definování možností specifických pro implementaci.

Standard ANSI SQL definuje základní syntaxi pro příkazy DDL, například CREATE TABLE a CREATE VIEW. Tyto příkazy se používají v rámci Teradata i Azure Synapse, ale byly také rozšířeny tak, aby umožňovaly definici funkcí specifických pro implementaci, jako jsou indexování, distribuce tabulek a možnosti dělení.

Následující části se týkají možností specifických pro Teradata, které je potřeba zvážit během migrace do Azure Synapse.

Úvahy o tabulkách

Návod

Pomocí existujících indexů můžete indikovat kandidáty na indexování v migrovaném skladu.

Při migraci tabulek mezi různými technologiemi se mezi těmito dvěma prostředími fyzicky přesunou pouze nezpracovaná data a jejich popisná metadata. Jiné databázové prvky ze zdrojového systému, jako jsou indexy a soubory protokolů, se nemigrují přímo, protože tyto prvky nemusí být potřeba nebo se můžou implementovat jinak v novém cílovém prostředí. Například v syntaxi Teradata MULTISET neexistuje žádný ekvivalent CREATE TABLE možnosti.

Je důležité pochopit, kde se ve zdrojovém prostředí používaly optimalizace výkonu , například indexy. Označuje, kde je možné do nového cílového prostředí přidat optimalizaci výkonu. Pokud je například ve zdrojovém prostředí Teradata vytvořen ne jedinečný sekundární index (NUSI), může to znamenat, že v migrované databázi Azure Synapse by se měl vytvořit ne clusterovaný index. Jiné nativní techniky optimalizace výkonu, jako je například replikace tabulek, mohou být vhodnější než přímé vytvoření indexu like-for-like.

Nepodporované typy tabulek Teradata

Návod

Standardní tabulky v rámci Azure Synapse můžou podporovat migrované časové řady Teradata a dočasné tabulky.

Teradata zahrnuje podporu speciálních typů tabulek pro časovou řadu a časová data. Syntaxe a některé funkce pro tyto typy tabulek nejsou přímo podporovány v rámci Azure Synapse, ale data je možné migrovat do standardní tabulky s příslušnými datovými typy a indexováním nebo dělením ve sloupci datum a čas.

Teradata implementuje funkci dočasného dotazu prostřednictvím přepsání dotazu a přidá do dočasného dotazu další filtry pro omezení příslušného rozsahu kalendářních dat. Pokud se tato funkce aktuálně používá ve zdrojovém prostředí Teradata a má být migrována, bude potřeba toto další filtrování přidat do příslušných dočasných dotazů.

Nepodporované datové typy Teradata

Návod

Vyhodnoťte dopad nepodporovaných datových typů v rámci přípravné fáze.

Většina datových typů Teradata má v Azure Synapse přímý ekvivalent. Následující tabulka ukazuje datové typy Teradata, které nejsou v Azure Synapse podporovány společně s doporučeným mapováním. V tabulce je typ sloupce Teradata typ, který je uložen v systémovém katalogu, například v DBC.ColumnsV.

Typ sloupce Teradata	Datový typ Teradata	Datový typ Azure Synapse
++	TD_ANYTYPE	Nepodporuje se v Azure Synapse
A1	ARRAY	Nepodporuje se v Azure Synapse
AN	ARRAY	Nepodporuje se v Azure Synapse
AT	ČAS	ČAS
BF	BYTE	BINARY
BO	binární rozsáhlý objekt	Datový typ BLOB není přímo podporovaný, ale dá se nahradit typem BINARY.
BV	VARBYTE	BINARY
CF	VARCHAR	CHAR
Oxid uhelnatý	CLOB	Datový typ CLOB není přímo podporovaný, ale lze ho nahradit varCHAR.
Životopis	VARCHAR	VARCHAR
D	DECIMAL	DECIMAL
DA	Datum	Datum
DH	INTERVAL OD DNE DO HODINY	Datové typy INTERVAL nejsou v Azure Synapse podporované, ale výpočty kalendářních dat je možné provádět pomocí funkcí porovnání kalendářních dat (například DATEDIFF a DATEADD).
DM	INTERVAL DEN AŽ MINUTA	Datové typy INTERVAL nejsou v Azure Synapse podporované, ale výpočty kalendářních dat je možné provádět pomocí funkcí porovnání kalendářních dat (například DATEDIFF a DATEADD).
DS	INTERVAL OD DNE DO SEKUNDY	Datové typy INTERVAL nejsou v Azure Synapse podporované, ale výpočty kalendářních dat je možné provádět pomocí funkcí porovnání kalendářních dat (například DATEDIFF a DATEADD).
DT	datová sada	Datový typ DATOVÉ SADY se podporuje ve službě Azure Synapse.
DY	INTERVAL DNU	Datové typy INTERVAL nejsou v Azure Synapse podporované, ale výpočty kalendářních dat je možné provádět pomocí funkcí porovnání kalendářních dat (například DATEDIFF a DATEADD).
F	FLOAT	FLOAT
Hm	INTERVAL HODINA AŽ MINUTA	Datové typy INTERVAL nejsou v Azure Synapse podporované, ale výpočty kalendářních dat je možné provádět pomocí funkcí porovnání kalendářních dat (například DATEDIFF a DATEADD).
HR	INTERVAL HODIN	Datové typy INTERVAL nejsou v Azure Synapse podporované, ale výpočty kalendářních dat je možné provádět pomocí funkcí porovnání kalendářních dat (například DATEDIFF a DATEADD).
HS	INTERVAL HODINA AŽ SEKUNDA	Datové typy INTERVAL nejsou v Azure Synapse podporované, ale výpočty kalendářních dat je možné provádět pomocí funkcí porovnání kalendářních dat (například DATEDIFF a DATEADD).
I1	BYTEINT	TINYINT
I2	SMALLINT	SMALLINT
I8	BIGINT	BIGINT
I	INTEGER	INT
JN	JSON	Datový typ JSON se v současné době nepodporuje přímo v rámci Azure Synapse, ale data JSON se dají uložit do pole VARCHAR.
MI	MINUTA INTERVALU	Datové typy INTERVAL nejsou v Azure Synapse podporované, ale výpočty kalendářních dat je možné provádět pomocí funkcí porovnání kalendářních dat (například DATEDIFF a DATEADD).
MO	MĚSÍČNÍ INTERVAL	Datové typy INTERVAL nejsou v Azure Synapse podporované, ale výpočty kalendářních dat je možné provádět pomocí funkcí porovnání kalendářních dat (například DATEDIFF a DATEADD).
MS	INTERVAL MINUT AŽ SEKUNDA	Datové typy INTERVAL nejsou v Azure Synapse podporované, ale výpočty kalendářních dat je možné provádět pomocí funkcí porovnání kalendářních dat (například DATEDIFF a DATEADD).
N	NUMBER	NUMERIC
PD	PERIODA(DATUM)	Lze převést na VARCHAR nebo rozdělit na dvě samostatná kalendářní data.
PM	OBDOBÍ (ČASOVÉ RAZÍTKO S ČASOVÝM PÁSMEM)	Lze převést na VARCHAR nebo rozdělit na dva samostatné časové značky (DATETIMEOFFSET)
P.S.	OBDOBÍ(ČASOVÁ ZNAČKA)	Lze převést na VARCHAR nebo rozdělit na dva samostatné časové značky (DATETIMEOFFSET)
PT	PERIÓDA(ČAS)	Lze převést na VARCHAR nebo rozdělit na dva samostatné časy.
PZ	OBDOBÍ (ČAS S ČASOVÝM PÁSMEM)	Lze převést na VARCHAR nebo rozdělit na dva samostatné časy, ale WITH TIME ZONE není pro TIME podporováno.
SC	INTERVAL SEKUNDA	Datové typy INTERVAL nejsou v Azure Synapse podporované, ale výpočty kalendářních dat je možné provádět pomocí funkcí porovnání kalendářních dat (například DATEDIFF a DATEADD).
SZ	ČASOVÉ RAZÍTKO S ČASOVÝM PÁSMEM	DATETIMEOFFSET
TS	ČASOVÁ ZNAČKA	DATETIME nebo DATETIME2
TZ	ČAS S ČASOVÝM PÁSMEM	Funkce ČAS S ČASOVÝM PÁSMEM není podporována, protože ČAS je ukládán jako místní čas bez časového posunu.
XM	jazyk XML	Datový typ XML se v současné době nepodporuje přímo ve službě Azure Synapse, ale data XML je možné uložit do pole VARCHAR.
YM	ČASOVÝ INTERVAL OD ROKU DO MĚSÍCE	Datové typy INTERVAL nejsou v Azure Synapse podporované, ale výpočty kalendářních dat je možné provádět pomocí funkcí porovnání kalendářních dat (například DATEDIFF a DATEADD).
YR	INTERVAL YEAR	Datové typy INTERVAL nejsou v Azure Synapse podporované, ale výpočty kalendářních dat je možné provádět pomocí funkcí porovnání kalendářních dat (například DATEDIFF a DATEADD).

Pomocí metadat z tabulek katalogu Teradata určete, jestli se mají některé z těchto datových typů migrovat a povolit to v plánu migrace. Například pomocí podobného dotazu SQL najděte všechny výskyty nepodporovaných datových typů, které vyžadují pozornost.

SELECT
ColumnType, CASE
WHEN ColumnType = '++' THEN 'TD_ANYTYPE' 
WHEN ColumnType = 'A1' THEN 'ARRAY' WHEN 
ColumnType = 'AN' THEN 'ARRAY' WHEN 
ColumnType = 'BO' THEN 'BLOB'
WHEN ColumnType = 'CO' THEN 'CLOB'
WHEN ColumnType = 'DH' THEN 'INTERVAL DAY TO HOUR' WHEN 
ColumnType = 'DM' THEN 'INTERVAL DAY TO MINUTE' WHEN 
ColumnType = 'DS' THEN 'INTERVAL DAY TO SECOND' WHEN
ColumnType = 'DT' THEN 'DATASET'
WHEN ColumnType = 'DY' THEN 'INTERVAL DAY'
WHEN ColumnType = 'HM' THEN 'INTERVAL HOUR TO MINUTE' WHEN
ColumnType = 'HR' THEN 'INTERVAL HOUR'
WHEN ColumnType = 'HS' THEN 'INTERVAL HOUR TO SECOND' WHEN
ColumnType = 'JN' THEN 'JSON'
WHEN ColumnType = 'MI' THEN 'INTERVAL MINUTE' WHEN 
ColumnType = 'MO' THEN 'INTERVAL MONTH'
WHEN ColumnType = 'MS' THEN 'INTERVAL MINUTE TO SECOND' WHEN
ColumnType = 'PD' THEN 'PERIOD(DATE)'
WHEN ColumnType = 'PM' THEN 'PERIOD (TIMESTAMP WITH TIME ZONE)'
WHEN ColumnType = 'PS' THEN 'PERIOD(TIMESTAMP)' WHEN 
ColumnType = 'PT' THEN 'PERIOD(TIME)'
WHEN ColumnType = 'PZ' THEN 'PERIOD (TIME WITH TIME ZONE)' WHEN
ColumnType = 'SC' THEN 'INTERVAL SECOND'
WHEN ColumnType = 'SZ' THEN 'TIMESTAMP WITH TIME ZONE' WHEN
ColumnType = 'XM' THEN 'XML'
WHEN ColumnType = 'YM' THEN 'INTERVAL YEAR TO MONTH' WHEN
ColumnType = 'YR' THEN 'INTERVAL YEAR'
END AS Data_Type,
COUNT (*) AS Data_Type_Count FROM
DBC.ColumnsV
WHERE DatabaseName IN ('UserDB1', 'UserDB2', 'UserDB3') -- select databases to be migrated
GROUP BY 1,2
ORDER BY 1;

Návod

Nástroje a služby třetích stran můžou automatizovat úlohy mapování dat.

Existují dodavatelé třetích stran, kteří nabízejí nástroje a služby pro automatizaci migrace, včetně mapování datových typů. Pokud nástroj ETL třetí strany, jako je Informatica nebo Talend, je již používán v prostředí Teradata, tyto nástroje mohou implementovat všechny požadované transformace dat.

Generování jazyka DDL (Data Definition Language)

Návod

K automatizaci generování CREATE TABLE a CREATE VIEW DDL pro Azure Synapse použijte existující metadata Teradata.

Upravte existující skripty Teradata CREATE TABLE a CREATE VIEW tak, aby vytvořily ekvivalentní definice s upravenými datovými typy, jak bylo popsáno dříve v případě potřeby. Obvykle to zahrnuje odebrání dalších klauzulí specifických pro Teradata, jako FALLBACK je nebo MULTISET.

Všechny informace, které určují aktuální definice tabulek a zobrazení v existujícím prostředí Teradata, se však udržují v tabulkách systémového katalogu. Toto je nejlepší zdroj těchto informací, protože je zaručeno, že je aktuální a kompletní. Mějte na paměti, že uživatelsky udržovaná dokumentace nemusí být synchronizovaná s aktuálními definicemi tabulek.

K těmto informacím se dostanete prostřednictvím zobrazení do katalogu, jako je například DBC.ColumnsV, a vygenerujte odpovídající příkazy DDL pro ekvivalentní tabulky v Azure Synapse.

Návod

Nástroje a služby třetích stran můžou automatizovat úlohy mapování dat.

Existují partneři Microsoftu , kteří nabízejí nástroje a služby pro automatizaci migrace, včetně mapování datových typů. Pokud se v prostředí Teradata už používá nástroj ETL třetí strany, jako je Informatica nebo Talend, může tento nástroj implementovat všechny požadované transformace dat.

Rozdíly v SQL DML mezi Teradata a Azure Synapse

Jazyk SQL pro manipulaci s daty (DML)

Návod

Příkazy SQL DML SELECT, INSERT a UPDATE mají standardní základní prvky, ale mohou také implementovat různé možnosti syntaxe.

Standard ANSI SQL definuje základní syntaxi příkazů DML, jako jsou SELECT, INSERT, UPDATE a DELETE. Tyto příkazy používají Teradata i Azure Synapse, ale v některých případech existují rozdíly v implementaci.

Následující části se týkají příkazů DML specifických pro Teradata, které byste měli zvážit při migraci do Azure Synapse.

Rozdíly v syntaxi SQL DML

Mějte na paměti tyto rozdíly v syntaxi jazyka DML (SQL Data Manipulat Language) mezi Teradata SQL a Azure Synapse (T-SQL) při migraci:

• QUALIFY: Teradata podporuje QUALIFY operátor. Například:

  SELECT col1
  FROM tab1
  WHERE col1='XYZ'
  QUALIFY ROW_NUMBER () OVER (PARTITION by
  col1 ORDER BY col1) = 1;
  

  Ekvivalentní syntaxe Azure Synapse je:

  SELECT * FROM (
  SELECT col1, ROW_NUMBER () OVER (PARTITION by col1 ORDER BY col1) rn
  FROM tab1 WHERE col1='XYZ'
  ) WHERE rn = 1;
  

• Aritmetika data: Azure Synapse má operátory, jako je DATEADD a DATEDIFF, které lze použít na polích DATE nebo DATETIME. Teradata podporuje přímé odčítání datumů, například SELECT DATE1 - DATE2 FROM...

• V GROUP BY ordinal explicitně zadejte název sloupce T-SQL.

• LIKE ANY: Teradata podporuje LIKE ANY syntaxi, například:

  SELECT * FROM CUSTOMER
  WHERE POSTCODE LIKE ANY
  ('CV1%', 'CV2%', 'CV3%');
  

  Syntaxe Azure Synapse má ekvivalent:

  SELECT * FROM CUSTOMER
  WHERE
  (POSTCODE LIKE 'CV1%') OR (POSTCODE LIKE 'CV2%') OR (POSTCODE LIKE 'CV3%');
  

• V závislosti na nastavení systému může být porovnávání znaků v Teradatu ve výchozím nastavení bez rozlišování velkých a malých písmen. V Azure Synapse se při porovnávání znaků vždy rozlišují malá a velká písmena.

Použití funkce EXPLAIN k ověření starší verze SQL

Návod

K vyhledání potenciálních problémů s migrací použijte skutečné dotazy ze stávajících systémových protokolů dotazů.

Jedním ze způsobů, jak otestovat starší Teradata SQL pro kompatibilitu se službou Azure Synapse, je zachytit některé reprezentativní příkazy SQL z protokolů starého systému, přidat k těmto dotazům předponu EXPLAIN a (za předpokladu, že migrovaný datový model v Azure Synapse používá stejné názvy tabulek a sloupců) tyto příkazy spustit ve službě Azure Synapse. Jakékoli nekompatibilní SQL vyvolá chybu – pomocí těchto informací můžete určit měřítko úlohy překódování. Tento přístup nevyžaduje načtení dat do prostředí Azure, pouze to, že byly vytvořeny relevantní tabulky a zobrazení.

Funkce, uložené procedury, triggery a sekvence

Návod

V rámci přípravné fáze vyhodnoťte počet a typ nemigrovaných objektů.

Při migraci z vyspělého staršího prostředí datového skladu, jako je Teradata, jsou často jiné prvky než jednoduché tabulky a zobrazení, které je potřeba migrovat do nového cílového prostředí. Mezi příklady patří funkce, uložené procedury, triggery a sekvence.

V rámci přípravné fáze vytvořte inventář objektů, které je potřeba migrovat, a definujte metody pro jejich zpracování. Pak v plánu projektu přiřaďte odpovídající přidělení zdrojů.

V prostředí Azure můžou existovat zařízení, která nahradí funkce implementované jako funkce nebo uložené procedury v prostředí Teradata. V tomto případě je často efektivnější používat integrované funkce Azure než přeprogramování funkcí Teradata.

Návod

Produkty a služby třetích stran můžou automatizovat migraci jiných než datových prvků.

Partneři Microsoftu nabízejí nástroje a služby, které můžou migraci automatizovat.

Další informace o každém z těchto prvků najdete v následujících částech.

Functions

Stejně jako u většiny databázových produktů teradata podporuje systémové funkce a uživatelem definované funkce v rámci implementace SQL. Při migraci na jinou databázovou platformu, jako je Azure Synapse, jsou k dispozici běžné systémové funkce a dají se migrovat beze změny. Některé systémové funkce můžou mít trochu odlišnou syntaxi, ale požadované změny je možné automatizovat. Systémové funkce, u kterých neexistuje žádný ekvivalent, například libovolné uživatelem definované funkce, může být potřeba překódovat pomocí jazyků dostupných v cílovém prostředí. Azure Synapse používá k implementaci uživatelem definovaných funkcí oblíbený jazyk Transact-SQL.

Uložené procedury

Většina moderních databázových produktů umožňuje ukládání procedur v databázi. Teradata poskytuje pro tento účel jazyk SPL. Uložená procedura obvykle obsahuje příkazy SQL a určitou procedurální logiku a může vracet data nebo stav.

Vyhrazené fondy SQL služby Azure Synapse Analytics také podporují uložené procedury pomocí T-SQL, takže pokud je nutné migrovat uložené procedury, odpovídajícím způsobem je překódujte.

Spouštěče

Azure Synapse nepodporuje vytváření triggerů, ale můžete je implementovat ve službě Azure Data Factory.

Sequences

Sekvence Azure Synapse se zpracovávají podobným způsobem jako Teradata pomocí identity k vytváření náhradních klíčů nebo spravované identity.

Mapování Teradata na T-SQL

Tato tabulka ukazuje mapování datových typů z Teradata na T-SQL v souladu s Azure Synapse SQL:

Datový typ Teradata	Datový typ Azure Synapse SQL
bigint	bigint
bool	bit
boolean	bit
byteint	tinyint
char [(p)]	char [(p)]
char varying [(p)]	varchar [(p)]
znak [(p)]	char [(p)]
znakový řetězec měnící se délky [(p)]	varchar [(p)]
date	date
datum a čas	datetime
dec [(p[;s])]	decimal [(p[;s])]
decimal [(p[;s])]	decimal [(p[;s])]
double	float(53)
dvojitá přesnost	float(53)
float [(p)]	float [(p)]
float4	float(53)
float8	float(53)
int	int
int1	tinyint
int2	smallint
int4	int
int8	bigint
integer	integer
časový úsek	Nepodporováno
národní znak se liší [(p)]	nvarchar [(p)]
národní znak [(p)]	nchar [(p)]
proměnný národní znak [(p)]	nvarchar [(p)]
nchar [(p)]	nchar [(p)]
numeric [(p[;s])]	numeric [(p[;s])
nvarchar [(p)]	nvarchar [(p)]
reálný	opravdový
smallint	smallint
Čas	Čas
čas s časovým pásmem	datetimeoffset
čas bez časového pásma	Čas
časový úsek	Nepodporováno
časová značka	datetime2
timetz	datetimeoffset
varchar [(p)]	varchar [(p)]

Shrnutí

Typické starší instalace Teradata se implementují způsobem, který usnadňuje migraci do Azure Synapse. Sql používají k analytickým dotazům na velké objemy dat a jsou v nějaké podobě dimenzionálního datového modelu. Díky těmto faktorům jsou vhodnými kandidáty pro migraci do Azure Synapse.

Pokud chcete minimalizovat úlohu migrace skutečného kódu SQL, postupujte podle těchto doporučení:

• Počáteční migrace datového skladu by měla být as-is, aby se minimalizovalo riziko a doba trvání, a to i v případě, že konečné prostředí bude zahrnovat jiný datový model, jako je například trezor dat.

• Zvažte použití instance Teradata na virtuálním počítači Azure jako krokovací kámen v rámci procesu migrace.

• Seznamte se s rozdíly mezi implementací Teradata SQL a Azure Synapse.

• Použijte metadata a protokoly dotazů z existující implementace Teradata k posouzení dopadu rozdílů a plánování přístupu ke zmírnění.

• Automatizujte proces všude, kde je to možné, abyste minimalizovali chyby, rizika a čas migrace.

• Zvažte použití specializovaných partnerů a služeb Microsoftu ke zjednodušení migrace.

Další kroky

Další informace o nástrojích Microsoftu a jiných výrobců najdete v dalším článku této série: Nástroje pro migraci datového skladu Teradata do Azure Synapse Analytics.