本文編譯自:Google Blog

將數據遷移到雲端是一項艱鉅的任務。尤其是從資料庫和遺留環境中移動數據需要系統化的方式。這些遷移通常需要手動操作並且容易出錯，它們很複雜，且涉及多個步驟，例如規劃、系統設置、查詢翻譯、模式分析、數據移動、驗證和性能優化。為了降低風險，遷移需要一種結構化的方法和一致的工具，以幫助遷移結果變得可以預測。

傳統的資料庫遷移：容易出錯、勞動密集型、需要反覆測試

Google Cloud 通過 BigQuery Migration Service 簡化了這一過程，這是一套託管工具，允許使用者規劃並執行遷移，從而使遷移結果更可預測。同時，可以免費使用並產生高度準確的一致結果。

PayPal、匯豐銀行和美國職業棒球大聯盟等主要品牌使用 BigQuery 遷移服務來加速應用 BigQuery 的力量、部署新項目、打破數據孤島並充分利用其數據的潛力。它非常易於使用、開放和客製化，因此，客戶可以自行遷移，也可以透過神通資科的專業技術團隊進行遷移。

BigQuery 遷移服務：自動評估、翻譯 SQL、傳輸數據和驗證

BigQuery Migration Service 為客戶自動完成大部分遷移過程。它將端到端遷移過程分為四個部分：評估、SQL 轉換、數據傳輸和驗證，客戶通常只需按幾個按鈕即可通過每個階段並縮短遷移時間。在本文章中，將深入探討每個階段，並了解如何降低資料庫遷移的風險和成本。

BigQuery 遷移服務通過分析工作負載和元數據，生成詳細的規劃，其中包含 BigQuery 上的依賴關係、風險和優化遷移狀態的視圖。

在評估階段，BigQuery Migration Service 使用直觀的介面引導客戶完成一系列步驟，並自動生成豐富見解與可操作步驟的 Google 數據洞察報告。評估功能目前可用於 Teradata 和 Redshift，未來將針對其他來源進行擴展。

評估報告：在開始之前了解並消除意外。在開始數據傳輸之前查看據對象並查詢特徵。

此階段通常是所有遷移階段最困難的部分。BigQuery 遷移服務提供從大多數 SQL 語言到 BigQuery 的快速、語義正確、人類可讀的翻譯。它可以從 Amazon Redshift SQL、Apache HiveQL、Apache Spark SQL、Azure Synapse T-SQL、IBM Netezza SQL/NZPLSQL、MySQL、Oracle SQL/PL/ 以大量批次處理並與類似 Google 翻譯的互動模式智能翻譯 SQL 語句SQL/Exadata、Presto SQL、PostgreSQL、Snowflake SQL、SQL Server T-SQL、Teradata SQL/SPL/BTEQ 和 Vertica SQL。

與大多數解析表達的現有產品不同，BigQuery 的 SQL 翻譯是基於編譯器，具有高度可客製化的功能來處理替換、用戶定義的函數、輸出名稱和其他數據上下文感知的細微差別。輸出是詳細和規範的，帶有明確的“下一步行動”，利用行業領先的自動化 SQL 翻譯服務，數據工程師和數據分析師節省了無數時間。

批量翻譯：從全面的 SQL 語言列表中自動翻譯並加速大型遷移

互動式翻譯：數據工程師最喜歡的功能，互動式翻譯簡化了重構工作並顯著減少錯誤，同時作為一個很好的學習幫助

BigQuery 使用簡單的引導功能提供從源系統到 BigQuery 的數據傳輸服務。用戶創建傳輸配置並從下拉列表中選擇數據源。

目標設置引導用戶通過數據源的連接選項，並安全地連接到源系統和目標系統。 BigQuery 數據傳輸的關鍵特性是能夠安排作業，大量數據傳輸會給操作系統帶來額外的負擔並影響數據源。BigQuery Migration Service 可靈活安排傳輸作業在用戶指定的時間執行，以避免對生產環境產生任何不利影響

數據傳輸引導：分步引導用戶將數據從源系統移動到 BigQuery

此階段可確保在遷移完成後舊源數據和 BigQuery 中的數據保持一致。驗證允許高度可配置且可編排的規則在源系統和 BigQuery 之間執行精細的每行、每列或每表從左到右的比較。標記、聚合、分組和過濾可實現深度驗證。

驗證：BigQuery 遷移服務的安心模組

如果您想利用 BigQuery Migration Service 進行概念驗證或遷移，歡迎聯繫神通資科，將由專業的技術團隊，為您提供評估與遷移的服務。