Dela via


Migrera Azure Data Lake Analytics till Azure Synapse Analytics

Azure Data Lake Analytics dras tillbaka den 29 februari 2024. Få veta mer om genom det här meddelandet.

Om du redan använder Azure Data Lake Analytics kan du skapa en migreringsplan till Azure Synapse Analytics för din organisation.

Microsoft lanserade Azure Synapse Analytics som syftar till att sammanföra både datasjöar och informationslager för en unik upplevelse av stordataanalys. Det hjälper dig att samla in och analysera dina data för att lösa dataineffektivitet och hjälpa dina team att arbeta tillsammans. Dessutom gör Synapse-integreringen med Azure Machine Learning och Power BI det möjligt för organisationer att få insikter från sina data och köra maskininlärning till alla sina smarta appar.

Dokumentet visar hur du gör migreringen från Azure Data Lake Analytics till Azure Synapse Analytics.

  • Steg 1: Utvärdera beredskap
  • Steg 2: Förbered migreringen
  • Steg 3: Migrera data och programarbetsbelastningar
  • Steg 4: Övergång från Azure Data Lake Analytics till Azure Synapse Analytics

Steg 1: Utvärdera beredskap

  1. Titta på Apache Spark i Azure Synapse Analyticsoch förstå viktiga skillnader i Azure Data Lake Analytics och Spark i Azure Synapse Analytics.

    Objekt Azure Data Lake Analytics Spark på Synapse
    Prissättning Per analytisk enhet per timme Per vCore-timme
    Motor Azure Data Lake Analytics Apache Spark
    Standardprogramspråk U-SQL T-SQL, Python, Scala, Spark SQL och .NET
    Datakällor Azure Data Lake Storage Azure Blob Storage, Azure Data Lake Storage
  2. Granska Enkät för migreringsutvärdering och lista de möjliga riskerna för att överväga.

Steg 2: Förbered migreringen

  1. Identifiera jobb och data som du ska migrera.

    • Ta tillfället i akt att rensa de jobb som du inte längre använder. Om du inte planerar att migrera alla dina jobb samtidigt kan du använda denna tid för att identifiera logiska grupper av jobb som du kan migrera stegvis.
    • Utvärdera datastorleken och förstå Apache Spark-dataformatet. Granska dina U-SQL-skript och utvärdera skriptens omskrivningsarbete och förstå Apache Spark-kodkonceptet.
  2. Fastställa vilken inverkan en migrering kommer att ha på ditt företag. Till exempel om du har råd med någon stilleståndstid under migreringen.

  3. Skapa en migreringsplan.

Steg 3: Migrera data och programarbetsbelastning

  1. Migrera dina data från Azure Data Lake Storage Gen1 till Azure Data Lake Storage Gen2.

    Azure Data Lake Storage Gen1-pensionering kommer att ske i februari 2024, se det officiella meddelandet. Vi rekommenderar att du migrerar data till Gen2 från början. Se Förstå Apache Spark-dataformat för Azure Data Lake Analytics U-SQL-utvecklare och flytta både filen och data som lagras i U-SQL-tabeller för att göra dem tillgängliga för Azure Synapse Analytics. Mer information om migreringsguiden finns här.

  2. Transformera dina U-SQL-skript till Spark. Se Förstå Apache Spark-kodbegrepp för Azure Data Lake Analytics U-SQL-utvecklare för att konvertera dina U-SQL-skript till Spark.

  3. Transformera eller återskapa dina jobborkestreringsflöden för det nya Spark-programmet.

Steg 4: Klipp över från Azure Data Lake Analytics till Azure Synapse Analytics

När du är säker på att dina program och arbetsbelastningar är stabila kan du börja använda Azure Synapse Analytics för att uppfylla dina affärsscenarier. Inaktivera eventuella återstående pipelines som körs på Azure Data Lake Analytics och dra tillbaka dina Azure Data Lake Analytics-konton.

Enkät för migreringsutvärdering

Kategori Frågor Hänvisning
Utvärdera storleken på migreringen Hur många Azure Data Lake Analytics-konton har du? Hur många pipelines används? Hur många U-SQL-skript används? Ju fler data och skript som ska migreras, desto mer UDO/UDF används i skript, desto svårare är det att migrera. Den tid och de resurser som krävs för migreringen måste vara välplanerade enligt projektets skala.
Datakälla Hur stor är datakällan? Vilka typer av dataformat för bearbetning? Förstå Apache Spark-dataformat för Azure Data Lake Analytics U-SQL-utvecklare
Utdata Behåller du utdata för senare användning? Hur hanterar du utdata om de sparas i U-SQL-tabeller? Om utdata används ofta och sparas i U-SQL-tabeller behöver du ändra skripten och ändra utdata till Spark-dataformat som stöds.
Dataöverföring Har du gjort lagringsmigreringsplanen? Migrera Azure Data Lake Storage från Gen1 till Gen2
Transformationer av U-SQL-skript Använder du UDO/UDF (.NET, python osv.)? Om svaret ovan är ja, vilket språk använder du i UDO/UDF och eventuella problem med transformering under transformering? Används den federerade frågan i U-SQL? Förstå Apache Spark-kodbegrepp för Azure Data Lake Analytics U-SQL-utvecklare

Nästa steg