如何实施成功的数据迁移

sjqy5753

程真是这么困难的,让我们请教一下CIO Update栏目Informatica的客座专栏作家Arvind Parthasarathi 。
　　随着合并或并购的不断进行，有许多的原因要求单位着手数据迁移工程，从应用升级到大型系统合理化。
　　尽管情况千变万化, 所有数据迁移都拥有一个共同特征: 复杂、 费时和昂贵，如果不是彻底失败，就是工作量大大超出估计。
　　既然如此，你将如何克服绊脚石呢? 起点是工程方法学。使用正确的、合理的工程方法学, 数据迁移可能变得比较容易处理。
　　不要认为它是线性的
　　似乎可以把数据迁移逻辑地看成一个拥有四个阶段的线性过程: 分析来源数据、提取和编译、根据需要确认、装载它到目标。但事实是, 数据迁移更多的是一个重复过程, 而采取线性地选择这些连续阶段中的每一个阶段的工程方法可能是个大错误。
　　这在迁移工程中是常常发生的。为了纠正这个错误,你可能由于缺乏对数据和源系统的理解而无所适从。你可以分析、再分析, 但仍然奇怪地发现它总要求进一步和高度聚焦地分析。
　　然后当你进入提取和编译阶段的时候, 你期待理解被转移的目标系统的需求,结果造成更多的分析和工程变动。
　　当你进入确认阶段时, 深一层次的问题将浮现在你面前，使你重新回到分析模式和创建新的提取和编译。因此你不停地回到画板，分析你的源系统。
　　线性的工程方法独立地看待每一个阶段，它迅速地分解并且耗费时间与资金。这种线性方法很简单，但不能灵活、有效地处理数据迁移的重复属性。
　　反复思考
　　比较适当的方法学是一个期望挑战数据迁移的本质和能适应的对数据迁移的重复属性以及恒定的中期工程调整和改进需要的方法学。
　　使用重复方法学, 你能够连续地重复或循环分析、提取、确认等过程，并且没有超出时间和资金的预算，因为四个阶段被联系在一起。
　　如果绊脚石不能完全地被根除，使用重复方法学，可使它对成功的数据迁移的阻碍被减到最小。当你能准确、完全地理解数据和数据源时，你就有了循环、完备的分析能力。
　　这种方法提供的灵活性使它比较容易处理数据迁移的移动目标问题, 即变动不再发送你所有的方式回到同一个模块。同样的方法应用于处理复杂目标数据检验。
　　最后,你在你的组织之内获得了一个促进一致性的最佳实践和建立有意义的数据迁移专业技术的框架。
　　正如可再用对象, 这些属性可能一再起到杠杆作用，保证他们能成功。随着数据迁移在范围、复杂程度和数字上的增加, 这可能成为最大的支出。


本文来自ChinaUnix博客，如果查看原文请点：http://blog.chinaunix.net/u2/74483/showart_1093575.html