Snowpark Migration Accelerator : Conclusions¶

En utilisant SMA, nous avons pu accélérer la migration à la fois d’un pipeline de données et d’un notebook de rapports. Plus vous en avez, plus un outil comme SMA peut fournir de la valeur.

Et revenons au flux d’évaluation -> conversion -> validation auquel nous revenons toujours. Dans cette migration, nous avons :

• Configuré le projet dans SMA

• Exécuté le moteur d’évaluation et de conversion de SMA sur les fichiers de code

• Examiné les rapports de sortie de SMA pour mieux comprendre ce que nous avons

• Vérifié ce qui n’a pas pu être converti par SMA dans VS Code

• Résolu les problèmes et les erreurs

• Résolu les références de session

• Résolu les références aux entrées/sorties

• Exécuté le code localement

  • Et exécuté le code dans Snowflake

• Exécuté les scripts qui venaient d’être migrés et validé leur réussite

Snowflake a consacré beaucoup de temps à améliorer ses capacités d’ingestion et d’ingénierie des données, tout comme il a consacré du temps à améliorer les outils de migration tels que SnowConvert, l’Assistant de migration SnowConvert et Snowpark Migration Accelerator. Chacun de ces éléments continuera à s’améliorer. N’hésitez pas à contacter Snowflake si vous avez des suggestions concernant les outils de migration. Les équipes Snowflake sont toujours à la recherche de commentaires supplémentaires pour améliorer les outils.