Snowpark Migration Accelerator : Sortie de l’évaluation - Dans l’application¶
Lorsque l’outil Snowpark Migration Accelerator (SMA) a terminé l’analyse de votre code, il génère des artefacts d’évaluation et affiche « Analyse terminée » en haut de la page. Cliquez sur « VIEW RESULTS » pour accéder à la page de résumé de l’évaluation.
Scores de préparation¶
Le résumé de l’évaluation fournit un aperçu concis, affichant uniquement les [scores de préparation] disponibles (../../../user-guide/assessment/readiness-scores.md) à partir de l’exécution actuelle de l’outil.
Le score de préparation initial affiché représente le score de préparation Spark API. Ce score indique combien de références Spark API ont été trouvées dans votre code et quel pourcentage d’entre elles peut être converti avec succès en Snowflake. Cette section affiche :
Score de préparation Spark API : pourcentage de fonctions Spark API dans votre code qui peuvent être converties en Snowpark
Prochaines actions : Orientation étape par étape sur les actions à entreprendre avant de continuer
Comprendre le score de préparation Spark API : Explication détaillée de la signification du score et de la manière d’utiliser cette information
Utilisations identifiées : Nombre total de fonctions Spark API trouvées dans votre code
Utilisations prêtes pour la conversion : Nombre de fonctions Spark API qui peuvent être automatiquement converties en Snowpark par SMA
Le deuxième score de préparation affiché est le Score de préparation des bibliothèques tierces. Ce score indique le pourcentage de bibliothèques tierces compatibles avec Snowflake. Cette section affiche :
Score de préparation des bibliothèques tierces : Indique le pourcentage de vos bibliothèques importées qui sont compatibles avec Snowflake.
Prochaines actions : Orientation étape par étape sur les actions à entreprendre avant de continuer.
Comprendre le score de préparation des bibliothèques tierces : Explique comment interpréter le score de préparation et ce qu’il signifie pour votre migration.
Appels de bibliothèques identifiés : Affiche le nombre total d’appels de bibliothèques externes trouvés dans votre code.
Appels de bibliothèques pris en charge dans Snowpark : Indique combien d’appels de votre bibliothèque sont actuellement pris en charge par Snowpark.
Le troisième score de préparation affiché est le score de préparation SQL . Ce score indique le pourcentage d’éléments SQL trouvés dans votre code qui peuvent être convertis avec succès en Snowflake SQL. Cette section affiche :
Score de préparation SQL : Indique combien d’éléments SQL de votre code peuvent fonctionner avec Snowflake, affiché sous forme de pourcentage.
Prochaines actions : Orientation étape par étape sur les actions à entreprendre avant de continuer.
Comprendre le score de préparation SQL : Explique ce que signifie le score de préparation SQL et comment utiliser cette information.
Nombre total d’éléments : Indique combien de composants SQL ont été trouvés dans votre code.
Nombre total d’éléments pris en charge : Indique combien de vos composants SQL sont compatibles avec Snowflake.
Note
Informations importantes :
Un score élevé de préparation, même de 100 %, ne garantit pas un succès immédiat de la migration. Il indique que les références de Spark API sont compatibles avec Snowflake, ce qui laisse présager un bon potentiel de migration vers Snowpark.
Le score de préparation que vous voyez peut être différent de cet exemple car vous utilisez peut-être une version différente de l’outil, et que le code source de ces référentiels publics peut changer à tout moment car ils ne sont pas contrôlés par Snowflake.
En fonction de la version de votre outil, il se peut que d’autres scores de préparation s’affichent. Pour plus de détails sur la compréhension de ces scores, veuillez vous référer à la liste actuelle des scores de préparation.
Les scores de préparation sont les informations les plus importantes à examiner dans l’application. Bien que d’autres résumés soient brièvement abordés, vous trouverez des informations détaillées sur la signification des scores de préparation dans la section conclusions du résumé de l’évaluation ci-dessous.
Autres résumés
Résumé de l’exécution
Si vous continuez à faire défiler l’écran vers le bas, vous verrez apparaître la section du résumé de l’exécution.
Le résumé de l’exécution fournit des détails sur le processus en cours. Bien que ces informations puissent être utiles lors de la résolution de problèmes avec l’équipe SMA, vous n’avez pas besoin de les consulter pour l’instant.
Résumé des problèmes
Sous les scores de préparation, vous trouverez un résumé détaillé des problèmes en faisant défiler la page.
Le résumé des problèmes identifie les avertissements, les erreurs de conversion et les erreurs d’analyse détectées par l’outil. La compréhension de ces problèmes est cruciale pour une conversion réussie. Bien que des informations détaillées sur le résumé des problèmes soient disponibles dans la section sur le résumé des problèmes dans cette documentation, nous explorerons son application pratique ultérieurement dans le guide de conversion. Vous pouvez ignorer cette section pour l’instant et poursuivre le processus d’évaluation.
Conclusions du résumé de l’évaluation dans l’application
Avant de poursuivre, nous devons évaluer plusieurs aspects clés :
Niveau de préparation (Compatibilité avec Snowpark) L’évaluation montre un score de préparation de 95,22 % (votre résultat peut varier en fonction de la version de votre outil). Les scores supérieurs à 80 % indiquent une compatibilité élevée avec Snowpark, suggérant que la migration est recommandée pour cette base de code. Pour comprendre l’ensemble de la compatibilité, nous devons examiner les résultats complets de l’évaluation dans le dossier de sortie.
Taille de l’empreinte Spark/impact sur cette base de code L’analyse a trouvé 3 746 références Spark API au total, dont 3 541 automatiquement prises en charge pour la conversion. Il ne reste donc que 205 références nécessitant une conversion manuelle. Bien que la taille totale de la base de code soit inconnue, le petit nombre de références non prises en charge laisse penser que l’effort d’évaluation est gérable. Ces 205 références suivent probablement quelques modèles communs, ce qui facilite leur évaluation. L’effort de conversion réel sera déterminé au cours de la phase de migration.
D’après l’analyse, cette base de code semble bien adaptée à la migration de Spark vers Snowpark, avec un minimum d’effort pour mener à bien la conversion. Examinons le reste de la sortie pour confirmer cette évaluation.