Migreringsplanering: dedikerade SQL-pooler i Azure Synapse Analytics till Fabric Data Warehouse

gäller för:✅ Warehouse i Microsoft Fabric

Den här artikeln beskriver strategier, överväganden och metoder för att migrera från Azure Synapse Analytics dedikerade SQL-pooler till Microsoft Fabric Data Warehouse.

Tips/Råd

Använd Fabric Migration Assistant för Data Warehouse för en automatiserad migreringsupplevelse från Azure Synapse Analytics dedikerade SQL-pooler. Den här artikeln innehåller viktig strategisk information och planeringsinformation.

Introduktion till migrering

Microsoft Fabric är en allt-i-ett SaaS-analyslösning för företag. Det erbjuder en omfattande tjänsteportfölj, inklusive Data Factory, Data Engineering, Data Warehousing, Data Science, Real-Time Intelligence och Power BI.

Den här artikeln beskriver alternativ för schema (DDL), databaskod (DML) och datamigrering och hjälper dig att välja ett alternativ för ditt scenario. Den använder TPC-DS branschbenchmark för illustration och prestandatestning. Dina resultat kan variera beroende på faktorer som datatyper, tabellbredd och källlatens.

Förbereda för migrering

Planera noggrant ditt migrationsprojekt innan du börjar, och se till att ditt schema, din kod och data är kompatibla med Fabric Data Warehouse. Tänk på begränsningarna. Kvantifiera arbetet som krävs för att refaktorera inkompatibla objekt och andra resurser som behövs för att genomföra migrationen.

Ett annat viktigt mål med planeringen är att justera din design så att din lösning utnyttjar Fabric Data Warehouse frågeprestanda fullt ut. Design av informationslager för skalning introducerar unika designmönster, så traditionella metoder är inte alltid de bästa. Gå igenom prestationsriktlinjerna. Även om du kan göra vissa designjusteringar efter migreringen, sparar det tid och ansträngning att göra ändringar tidigare. Migration från en teknik eller miljö till en annan är alltid en stor ansträngning.

Följande diagram visar migrationslivscykeln och de uppgifter som är kopplade till dess fem pelare: Bedöma och utvärdera,Planera och Designa, Migrera, Övervaka och styra, samt Optimera och Modernisera.

Runbok för migrering

Tänk på följande aktiviteter som en planeringsrunbook för migreringen från Synapse-dedikerade SQL-pooler till Fabric Data Warehouse.

Bedöma och utvärdera
1. Identifiera mål och motivationer. Upprätta tydliga önskade resultat.
2. Upptäck, bedöm och grundlägg den befintliga arkitekturen.
3. Identifiera viktiga intressenter och sponsorer.
4. Definiera omfattningen av vad som ska migreras.
  1. Börja smått och enkelt, och förbered dig på flera små migrationer.
  2. Börja övervaka och dokumentera alla faser i processen.
  3. Bygg upp en inventarie över data och processer för migrering.
  4. Definiera datamodelländringar, om några.
  5. Sätt upp Fabric-arbetsområdet.
5. Utvärdera ditt teams kompetens och preferenser.
  1. Automatisera när det är möjligt.
  2. Använd inbyggda Azure-verktyg och funktioner för att minska migreringsarbetet.
6. Utbilda personalen tidigt på den nya plattformen.
  1. Identifiera kompetensbehov och utbildningstillgångar, inklusive Microsoft Learn.
Planera och utforma
1. Definiera önskad arkitektur.
2. Välj metoder och verktyg för migreringen för att utföra följande uppgifter:
  1. Dataextrahering från källan.
  2. Schema (DDL)-konvertering, inklusive metadata för tabeller och vyer.
  3. Datainmatning, inklusive historiska data.
    1. Vid behov, omkonstruera datamodellen genom att använda ny plattformsprestanda och skalbarhet.
  4. Migrering av databaskod (DML).
    1. Migrera eller omstrukturera lagrade procedurer och affärsprocesser.
3. Inventera och extrahera säkerhetsfunktioner och objektbehörigheter från källan.
4. Designa och planera att ersätta eller modifiera befintliga ETL/ELT-processer för inkrementell belastning.
  1. Skapa parallella ETL/ELT-processer till den nya miljön.
5. Förbered en detaljerad migreringsplan.
  1. Mappa det aktuella tillståndet till det önskade tillståndet.
Migrera
1. Utför schema-, data- och kodmigrering.
  1. Dataextrahering från källan.
  2. Konvertering av schema (DDL).
  3. Datainhämtning
  4. Migrering av databaskod (DML).
2. Om det behövs skalar du upp de dedikerade SQL-poolresurserna tillfälligt för att underlätta migreringens hastighet.
3. Tillämpa säkerhet och behörigheter.
4. Migrera befintliga ETL/ELT-processer för inkrementell belastning.
  1. Migrera eller omstrukturera inkrementella dataladdningsprocesser för ETL/ELT.
  2. Testa och jämför parallella inkrementella belastningsprocesser.
5. Anpassa den detaljerade migrationsplanen vid behov.
Övervaka och styra
1. Kör parallellt och jämför med din källmiljö.
  1. Testa program, business intelligence-plattformar och frågeverktyg.
  2. Mäta och optimera frågeprestanda.
  3. Övervaka och hantera kostnader, säkerhet och prestanda.
2. Utför en styrningsbenchmark och bedömning.
Optimera och modernisera
1. När verksamheten är redo kan du överföra program och primära rapporteringsplattformar till Fabric.
  1. Skala resurser upp eller ner när arbetsbelastningen flyttas från Azure Synapse Analytics till Microsoft Fabric.
  2. Skapa en repeterbar mall från upplevelsen för framtida migreringar. Iterera.
  3. Identifiera möjligheter till kostnadsoptimering, säkerhet, skalbarhet och operativ excellens.
  4. Identifiera möjligheter att modernisera dina dataresurser med de senaste Fabric-funktionerna.

Lyfta och skifta eller modernisera?

I allmänhet finns det två typer av migreringsscenarier, oavsett syftet med och omfattningen av den planerade migreringen: lift and shift as-is, eller en stegvis metod som omfattar arkitektur- och kodändringar.

Lyft och flytta

Vid en lift and shift-migrering migrerar du en befintlig datamodell med mindre ändringar till den nya Fabric Data Warehouse. Den här metoden minimerar risken och migreringstiden genom att minska det nya arbete som krävs för att utnyttja fördelarna med migreringen.

Lift and Shift-migrering passar bra för följande scenarier:

Du har en befintlig miljö med ett litet antal lager som ska migreras.
Du har en befintlig miljö med data som redan finns i ett väldesignat star- eller snowflake-schema.
Du är under tids- och kostnadstryck för att flytta till Fabric Data Warehouse.

Sammanfattningsvis fungerar detta tillvägagångssätt bra för arbetsbelastningar som är optimerade för din nuvarande Azure Synapse-dedikerade SQL-poolmiljö och inte kräver större förändringar i Fabric.

Modernisera i en stegvis metod med arkitekturändringar

Om ett äldre datalager utvecklats under en lång tidsperiod kan du behöva omstrukturera det för att bibehålla de nödvändiga prestandanivåerna.

Du kanske också vill omdesigna arkitekturen för att dra nytta av de nya motorerna och funktionerna som finns i Fabric-arbetsytan.

Designskillnader: Synapse-dedikerade SQL-pooler och Fabric Data Warehouse

Överväg följande skillnader i Azure Synapse- och Microsoft Fabric-datalager, och jämför dedikerade SQL-pooler med Fabric Data Warehouse.

Tabellöverväganden

När du migrerar tabeller mellan olika miljöer migreras vanligtvis endast rådata och metadata fysiskt. Du brukar inte migrera andra databaselement från källsystemet, som index, eftersom de kan vara onödiga eller implementerade annorlunda i den nya miljön.

Prestandaoptimeringar i källmiljön, såsom index, anger var du kan behöva optimering i en ny miljö. Fabric hanterar dessa optimeringar automatiskt.

T-SQL-överväganden

Det finns flera skillnader i Data Manipulation Language (DML)-syntax att ta hänsyn till. Gå igenom T-SQL-ytan i Fabric Data Warehouse och gör en kodbedömning när du väljer en metod för att migrera databaskod.

Beroende på paritetsskillnaderna vid tidpunkten för migreringen kan du behöva skriva om delar av din T-SQL DML-kod.

Skillnader i datatypsmappning

Fabric Data Warehouse har flera skillnader mellan datatyper och Azure Synapse Analytics dedikerade SQL-pooler. Mer information finns i Datatyper i Microsoft Fabric.

Följande tabell visar mappningen av stödda datatyper från Azure Synapse dedikerade SQL-pooler till Fabric Data Warehouse.

Synapse-dedikerade SQL-pooler	Fabric-datalager
money	decimal(19,4)
smallmoney	decimal(10,4)
smalldatetime	datetime2
datetime	datetime2
nchar	char
nvarchar	varchar
tinyint	smallint
binary	varbinary
Datetimeoffset*	datetime2

* Datetime2 lagrar inte den extra tidszonsförskjutningsinformationen som Datetimeoffset lagrar. Eftersom Fabric Data Warehouse för närvarande inte stödjer datetimeoffset-datatypen behöver du extrahera tidszonsoffset-data till en separat kolumn.

Tips/Råd

Är du redo att migrera?

För att komma igång med en automatiserad migrering, se Fabric Migration Assistant för Data Warehouse.

För fler manuella migreringssteg och detaljer, se Migreringsmetoder för Azure Synapse Analytics dedikerade SQL-pooler till Fabric Data Warehouse.

Feedback

Var den här sidan till hjälp?

Last updated on 2026-09-29