SQL Server veritabanınızı geçirmek için Azure önerileri alma (önizleme)

Veritabanı gereksinimlerinizi değerlendirmek, Azure kaynakları için doğru boyutta SKU önerileri almak ve SQL Server veritabanlarınızı Azure'a geçirmek için Azure Data Studio için Azure SQL Geçişi uzantısındaki birleşik deneyimi kullanmayı öğrenin.

SQL Server veritabanlarınızı Azure'a geçirmeden önce olası geçiş sorunlarını belirlemek için veritabanlarını değerlendirmeniz önemlidir. Beklenen sorunları düzeltebilir ve ardından veritabanlarınızı güvenle Azure'a geçirebilirsiniz.

Veritabanı iş yükü performans gereksinimlerinizin en düşük maliyetle karşılanması için geçiş için doğru boyuttaki Azure kaynağını belirlemek de aynı derecede önemlidir.

Azure Data Studio için Azure SQL Geçişi uzantısı, SQL Server veritabanlarınızı Azure Sanal Makineler'de Azure SQL Yönetilen Örneği SQL Server geçirmek için en iyi seçeneği belirlemeye çalışırken hem değerlendirme hem de SKU önerileri sağlar Sanal Makineler veya veritabanı (önizleme) Azure SQL. Uzantı, değerlendirmeyi verimli bir şekilde çalıştırmanıza ve öneriler oluşturmanıza yardımcı olan sezgisel bir arayüze sahiptir.

Not

Azure Data Studio için Azure SQL Geçişi uzantısındaki Değerlendirme ve Azure öneri özelliği, Windows veya Linux üzerinde çalışan kaynak SQL Server örneklerini destekler.

Ön koşullar

SQL Server veritabanı geçişinize yönelik bir Azure önerisi almak için aşağıdaki önkoşulları karşılamanız gerekir:

Performans verileri toplama ve SKU önerisi

Azure SQL Geçişi uzantısı önce SQL Server örneğinizden performans verilerini toplar. Ardından azure Sanal Makineler veya Azure SQL Veritabanı'nda Azure SQL Yönetilen Örneği, SQL Server için önerilen bir SKU oluşturmak üzere verileri analiz eder. SKU önerisi, Azure hizmetindeki en düşük maliyetle veritabanı performans gereksinimlerinizi karşılayacak şekilde tasarlanmıştır.

Aşağıdaki diyagramda veri toplama ve SKU önerileri için iş akışı gösterilmektedir:

SKU öneri işleminin iş akışını gösteren diyagram.

Aşağıdaki listede iş akışındaki her adım açıklanmaktadır:

(1) Performans verileri toplama: Geçiş sihirbazında performans verileri toplama işlemini başlatmak için Azure önerisini al'ı seçin ve performans verilerini toplama seçeneğini belirleyin. Toplanan verilerin kaydedileceği klasör yolunu girin ve ardından Başlat'ı seçin.

SKU önerileri için performans verilerini toplamaya yönelik sihirbaz bölmesini gösteren ekran görüntüsü.

Geçiş sihirbazında veri toplama işlemini başlattığınızda, Azure Data Studio için Azure SQL Geçişi uzantısı SQL Server örneğinizden veri toplar. Veri toplama, donanım yapılandırmasını ve CPU kullanımı, bellek kullanımı, depolama boyutu, giriş/çıkış (G/Ç), aktarım hızı ve G/Ç gecikme süresi gibi sistem Dinamik Yönetim Görünümlerinden toplanan SQL Server özgü performans verilerini içerir.

Önemli

  • İlk öneriyi oluşturmak için veri toplama işlemi 10 dakika boyunca çalışır. Etkin veritabanı iş yükünüz üretim senaryolarınıza benzer bir kullanımı yansıttığında veri toplama işlemini başlatmak önemlidir.
  • İlk öneri oluşturulduktan sonra, önerileri iyileştirmek için veri toplama işlemini çalıştırmaya devam edebilirsiniz. Bu seçenek özellikle kullanım düzenleriniz zaman içinde değişiyorsa kullanışlıdır.

(2) Oluşturulan veri dosyalarını yerel olarak kaydetme: Performans verileri düzenli aralıklarla toplanır ve geçiş sihirbazında seçtiğiniz yerel klasöre yazılır. Genellikle klasörde aşağıdaki son ekleri içeren bir DIZI CSV dosyası görürsünüz:

  • _CommonDbLevel_Counters.csv : Veritabanı dosya düzeni ve meta verileriyle ilgili statik yapılandırma verilerini içerir.
  • _CommonInstanceLevel_Counters.csv : Sunucu örneğinin donanım yapılandırması hakkında statik veriler içerir.
  • _PerformanceAggregated_Counters.csv : Sık güncelleştirilen toplu performans verilerini içerir.

(3) SKU'yu analiz etme ve önerme: SKU öneri süreci, yakalanan ortak ve performans verilerini analiz ederek veritabanınızın performans gereksinimlerini karşılayacak en düşük maliyetle minimum yapılandırmayı önerir. Ayrıca önerinin ardındaki neden ve analiz edilen kaynak özellikleriyle ilgili ayrıntıları da görüntüleyebilirsiniz. Azure Sanal Makineler'da SQL Server için bu işlem veri dosyaları, günlük dosyaları ve tempdb için depolama yapılandırması önerisi de içerir.

Önerileri iyileştirmek için isteğe bağlı parametreleri üretim iş yüküyle ilgili girişler olarak kullanabilirsiniz:

  • Ölçek faktörü: Ölçek (konfor) faktörü, üretim iş yükünü anlamanıza bağlı olarak bir SKU önerisini şişirmek veya hafifletmek için kullanılır. Örneğin, dört sanal çekirdek CPU gereksiniminin %150 ölçek faktörüne sahip olduğunu belirlerseniz gerçek CPU gereksinimi altı sanal çekirdektir. Varsayılan ölçek faktörü hacmi %100'dür.
  • Kullanım yüzdesi: Performans verileri toplanırken kullanılacak veri noktalarının yüzdebirliği. Varsayılan değer 95. yüzdebirlik değerdir.
  • Önizleme özelliklerini etkinleştir: Bu seçeneğin etkinleştirilmesi, gelişmiş performans ve ölçeklenebilirliğe sahip en son donanım nesillerini içerir. Şu anda bu SKU'lar önizleme aşamasındadır ve henüz tüm bölgelerde kullanılamayabilir. Bu seçenek varsayılan olarak etkindir.

Önemli

Azure Data Studio'yu kapatırsanız veri toplama işlemi sonlanır. Bu noktaya kadar toplanan veriler klasörünüzde kaydedilir.

Veri toplama işlemi devam ederken Azure Data Studio'yu kapatırsanız, veri toplamayı yeniden başlatmak için aşağıdaki seçeneklerden birini kullanın:

  • Azure Data Studio'yu yeniden açın ve yerel klasörünüzde kaydedilen veri dosyalarını içeri aktarın. Ardından, toplanan verilerden bir öneri oluşturun.
  • Azure Data Studio'yu yeniden açın ve geçiş sihirbazını kullanarak veri toplamayı yeniden başlatın.

Mevcut performans verilerini içeri aktarma

Azure SQL Geçişi uzantısını veya Data Migration Yardımcısı konsol uygulamasını kullanarak daha önce topladığınız tüm mevcut performans verilerini içeri aktarabilirsiniz.

Geçiş sihirbazında, performans veri dosyalarının kaydedildiği klasör yolunu girin. Ardından, öneriyi ve ilgili ayrıntıları görüntülemek için Başlat'ı seçin.

SKU önerisi için performans verilerini içeri aktarma bölmesini gösteren ekran görüntüsü.

Sonraki adımlar