Megjegyzés
Az oldalhoz való hozzáféréshez engedély szükséges. Megpróbálhat bejelentkezni vagy módosítani a címtárat.
Az oldalhoz való hozzáféréshez engedély szükséges. Megpróbálhatja módosítani a címtárat.
A következőkre vonatkozik:
Azure SQL Database
A szegmenstérkép-kezelő módban lévő (vízszintes particionálás) rugalmas lekérdezés EXTERNAL DATA SOURCE típus SHARD_MAP_MANAGER használatával 2027. március 31-én megszűnik támogatni. Ezen dátum után a meglévő számítási feladatok továbbra is működni fognak, de a továbbiakban nem kapnak támogatást, és új külső típusú adatforrások SHARD_MAP_MANAGER létrehozása már nem lehetséges. Ez a cikk a rugalmas lekérdezés megosztott térképkezelő módból történő migrálási lehetőségeket tartalmazza.
A rugalmas lekérdezést típussal EXTERNAL DATA SOURCESHARD_MAP_MANAGERhasználó ügyfelek számára a legjobb alternatíva a rugalmas lekérdezés használatának használati esetétől, valamint az általános forgatókönyvtől és architektúrától függ.
Ez a cikk a rugalmas lekérdezési szegmenstérkép-kezelő mód lehetséges alternatíváit és az egyes főbb szempontokat ismerteti.
Microsoft Fabric
A legjobb a következőhöz: OLAP (online elemzési feldolgozás) és jelentéskészítési forgatókönyvek.
A Microsoft Fabric robusztus képességeket kínál a nagy léptékű elemzésekhez és jelentéskészítéshez, így zökkenőmentes adatintegrációt és fejlett elemzési számítási feladatokat tesz lehetővé. A migráláshoz azonban szükség lehet a meglévő megoldások újratervezésére és a csapatok új eszközökre való újratanítására. Értékelje ki a költségek következményeit és a meglévő adatforrásokkal való kompatibilitást.
További információt a Microsoft Fabric dokumentációjában talál.
SQL-tükrözés a Fabric rendszerre
A legjobb a következőhöz: Jelentéskészítés és elemzés a központosított adatokról.
Az SQL-adatbázisok hálóba való tükrözése leegyszerűsítheti a központosított adatok jelentéskészítését és elemzését. Vegye figyelembe a forrás és a tükrözött adatok közötti késési és szinkronizálási követelményeket. Emellett értékelje a tükrözés beállításának összetettségét és a folyamatban lévő műveletekre gyakorolt hatását.
További információért nézze meg a Microsoft Fabric Azure SQL Database-ből származó tükrözött adatbázisokat.
ETL-alapú megközelítés (például az Azure Data Factory használata)
A legjobb a következőhöz: Kötegelt feldolgozás és ütemezett adatáthelyezés.
Az olyan ETL-folyamatok, mint az Azure Data Factory (ADF) rugalmas, ütemezett adatáthelyezést és -átalakítást biztosítanak. Ez a megközelítés jól működik a kötegelt feldolgozáshoz, de késedelmet okozhat az adatok frissességében. Az adatmennyiség növekedésével vegye figyelembe az ETL-feladatok karbantartási többletterhelését és méretezhetőségét.
További információkért tekintse meg az Azure Data Factory dokumentációját vagy a Data Factoryt a Microsoft Fabricben.
Adatsík teljes migrálása a Fabric OneLake-be
A legjobb a következőhöz: Központosított adatkezelés egységes elemzéssel.
Ha teljes mértékben a Fabric OneLake-be migrál, központosítja az adatkezelést, és kihasználja az egyesített elemzési funkciók előnyeit. Ez a migrálás jelentős erőfeszítést, lehetséges állásidőt és alkalmazások újrabontását igényelheti. Mérje fel a hosszú távú előnyöket a rövid távú migrálási kihívásokkal szemben, és győződjön meg arról, hogy megfelel az üzleti igényeinek.
További információt a OneLake dokumentációjában talál.
Azure SQL Database Hyperscale
A legjobb a következőhöz: Azok a munkaterhelések, amelyekben a shardelést a Hyperscale által leküzdhető tárolási korlátok miatt vezették be.
Az Azure SQL Database rugalmas skálázása jól működik olyan számítási feladatokhoz, amelyek nagy teljesítményt, méretezhetőséget és gyors adatmennyiség-növekedést igényelnek. Támogatja a tetszőleges méretű adatbázisokat, gyors biztonsági mentéssel és visszaállítással, valamint magas egyidejűséggel. Ha eredetileg tárterület-korlátozások miatt implementálta a horizontális skálázást, a rendszer horizontális topológiából monolitikus adatbázisba alakítható át. A migrálás magában foglalja az adatbázisok összevonását és az alkalmazáslogika központosított tároláshoz való igazítását. Fontolja meg a költségeket, a teljesítményt és a működési következményeket, különösen akkor, ha jelenleg elosztott lekérdezési képességekre támaszkodik.
További információ: Azure SQL Database Rugalmas skálázású szolgáltatási szint.
Rugalmas feladatok
A legjobb a következőhöz: Lekérdezések futtatása egyes adatbázisokon vagy szegmenseken eredményösszesítés nélkül.
Ha rugalmas lekérdezéssel futtat lekérdezéseket a flotta egyes adatbázisaiban vagy szegmenseiben eredményösszesítés nélkül, a rugalmas feladatok ugyanazt a képességet biztosítják. A rugalmas feladatok ideálisak több adatbázis műveleteinek automatizálásához és kezeléséhez. Nem támogatják az eredményösszesítést, ezért olyan helyzetekhez ideálisak, ahol a független lekérdezések elegendőek. Tekintse át a feladatütemezési funkciókat és a monitorozási eszközökkel való integrációt a működési hatékonyság biztosítása érdekében.
További információ: Rugalmas feladatok az Azure SQL Database-ben.
Azure SQL Managed Instance
A legjobb választás: Pont-pont adatbázis-lekérdezések háromrészes névvel vagy kapcsolt kiszolgálók használatával.
A felügyelt Azure SQL-példány natív módon támogatja a háromrészes név lekérdezéseket és a csatolt kiszolgálókat. Ha rugalmas lekérdezést használ pont–pont lekérdezésekhez, a felügyelt SQL-példányok természetes migrálási célként használhatók. Fontolja meg a hálózatkezelés beállítását, a biztonsági konfigurációkat és a licencelési költségeket. Győződjön meg arról, hogy a számítási feladat megfelel a felügyelt SQL-példány teljesítmény- és méretezhetőségi korlátainak.
További információ: Mi a felügyelt Azure SQL-példány?
Egyéni fanout-lekérdezés és eredményösszesítési réteg
A legjobb a következőhöz: A meglévő Azure SQL Database-architektúra megőrzése maximális rugalmassággal.
Az egyéni fanout és aggregációs réteg létrehozása megőrzi a meglévő architektúrát, és maximális rugalmasságot biztosít. A fanout-lekérdezés az SQL Database-architektúra tetején fut egy ügyfél által létrehozott réteg használatával. Ez a megközelítés fejlesztési erőfeszítéseket, folyamatos karbantartást és robusztus hibakezelést igényel. Értékelje a megoldás létrehozásának és támogatásának összetettségét, valamint az igényeinek megfelelő méretezhetőségét és megbízhatóságát.