Snowpark Migration Accelerator: 評価出力 - レポートフォルダー¶
Snowpark Migration Accelerator（SMA）を使用すると、出力ファイルとレポートの完全なセットが生成されます。生成されたファイルとレポートの全リストを見るには、 このドキュメントの出力レポートセクション をご参照ください。
この評価では、任意の表計算ソフトウェアで開くことができる.csvファイルが生成されます。詳細レポート は、これらのファイルの概要を提供し、結果を評価するための出発点となります。移行要件を理解するために、いくつかの主要な.csvファイルを調べますが、それらすべてを網羅するわけではありません。Snowpark Migration Accelerator（SMA）によって生成されたインベントリファイルの包括的なリストについては、 このドキュメントの SMA インベントリセクション をご参照ください。
レポートを表示するには、画面下部の「VIEW REPORTS」ボタンをクリックします。これでファイルエクスプローラーが開き、レポートのあるディレクトリに移動します。
詳細レポートから収集できる情報を見てみましょう。
注釈
このページに表示されている詳細レポートやその他のインベントリのバージョンは、 SMA を実行した際に表示されるものとは異なる場合があります。ここに表示されているレポートは、このウォークスルーが作成されたときに使用可能だったツールのバージョンを反映しています。結果に大きな違いや問題がある場合は、 SMA チーム sma-support@snowflake.com または ツールの問題を報告する までご連絡ください。また、 SMA ツールを使用して、ドキュメントに関する問題を報告することもできます。
詳細レポート¶
詳細レポート（.docx）は、インベントリファイルの情報を包括的にまとめたものです。このレポートは、コードベースがSnowparkへの移行にどの程度適しているかを評価するために不可欠です。レポートの内容の完全な説明は、 詳細ドキュメント にありますが、このガイドは3つのキーポイントに焦点を当てています。
確認する必要のある重要な要素
レディネススコアへの影響
結果の解釈
レポートに記載されているすべてのレディネススコアを確認し、移行準備のステータスを把握します。
Spark API レディネススコア¶
Spark API レディネススコアの意味と算出方法を明らかにしましょう。このスコアは、Snowpark Migration Accelerator（SMA）が作成する主なレディネスインジケーターです。このスコアはSpark API の使用状況のみを考慮したものであり、サードパーティのライブラリやコード内の他の要素はアカウントに含まれないことに注意することが重要です。この制限は、スコアが完全なストーリーを語らない可能性があることを意味しますが、それでも移行評価の出発点として有用です。サードパーティライブラリの互換性についての詳細情報は、 サードパーティ API レディネススコア をご参照ください。
変換スコアは、コード内で見つかったSpark API 参照の総数と比較して、自動的にSnowpark API に変換できるSpark API 参照の比率を表します。この場合、3746個の参照のうち3541個が変換可能です。スコアが高いほど、より多くのコードを自動的にSnowparkに移行できることを示します。未変換のコードを手動でSnowparkに適合させることは可能ですが、このスコアは、ワークロードが自動移行にどれだけ適しているかを示す信頼性の高い指標となります。
サードパーティライブラリーレディネススコア¶
サードパーティライブラリーレディネススコアは、コード内でどの外部 APIs が使用されているかを把握するのに役立ちます。このスコアは、コードベース内のすべての外部依存関係の概要を明確にします。
概要ページ¶
概要ページには、レディネススコアが表示され、実行結果の概要が表示されます。
探すもの Spark API 参照をSnowpark API 参照に変換するため、レディネススコアをチェックして、コードベースがどの程度準備されているかを評価します。レディネススコアが高いということは、Snowparkへの移行に適したSparkコードであることを示します。
ファイルの概要¶
ファイルの概要は、以下を含むコードベースの概要を提供します。
ファイル拡張子ごとのコード総行数
ノートブックのセル情報（ノートブックを分析した場合）
SQL クエリが埋め込まれたファイルの数
注意する点
ファイルの数と内容。多くのファイルが見つかっても、Spark API の参照が含まれているのはごく少数である場合、以下の可能性があります。
アプリケーションはSparkを最低限しか使用しません（おそらくデータの抽出とロード中だけ）。
ソースコードには外部ライブラリの依存関係が含まれています。
ユースケースは、Sparkがどのように利用されているかを理解するために、さらなる調査が必要です。
いずれのシナリオでも、先に進む前にユースケースを徹底的に分析することが重要です。
\
Spark使用概要¶
Spark使用概要では、コード内で見つかったSpark API 参照の詳細な内訳を提供し、どの参照がSnowpark API に変換可能かを識別します。この概要では、これらの参照を DataFrame 操作、列操作、 SparkSession 呼び出し、その他の API 関数など、さまざまなタイプに分類しています。
各参照は、7つのサポートステータスのいずれかに分類されます。これらのステータスは、参照がSnowparkでサポートされるかどうか、またどのようにサポートされるかを示しています。これらのステータスの詳細定義は、報告書の付録に記載されています。
直接: この関数は PySpark とSnowparkの両方に存在し、そのまま使用できます。
名前変更: この関数は両方のフレームワークに存在しますが、Snowparkでは名前の変更が必要です。
ヘルパー: この関数はSnowparkで小さな修正を必要としますが、同等のヘルパー関数を作成することで解決できます。
変換: Snowparkで同じ結果を得るためには、異なる方法または複数のステップを使用して、関数を完全に再構築する必要があります。
回避策: 関数を自動的に変換することはできませんが、ドキュメント化された手動による解決策があります。
NotSupported: Snowflakeには同等の機能がないため、関数を変換できません。ツールはコードにエラーメッセージを追加します。
NotDefined: PySpark 要素はまだ変換ツールのデータベースに含まれておらず、将来のアップデートで追加される予定です。
注意する点
レディネススコアはこのセクションに表示されます。直接の翻訳に対して回避策を必要とするコード参照の数を確認することができます。コードに多くの回避策、ヘルパー、変換が必要な場合は、Snowpark Migration Accelerator（SMA）を使用してコードベースを効率的に移行することをお勧めします。
インポート呼び出し:¶
SMA は、各パッケージやライブラリのインポートを、個別のインポート呼び出しとして追跡します。共通および認識されたインポート呼び出しは、詳細レポートページのインポート概要セクションに表示されます。すべてのインポート呼び出しは、ローカルの出力インベントリフォルダーと評価データベースの両方に記録されます。これらのインポート呼び出しは、Snowflakeではまだサポートまたは非サポートに分類されていないことに注意してください。
注意する点
Snowflakeがサポートしていないサードパーティライブラリは、移行準備に大きな影響を与える可能性があります。コードがmllibやストリーミングなどのライブラリや、グラフ、サブプロセス、smtplibなどのサードパーティライブラリをインポートしている場合、移行の課題に直面する可能性があります。これらのライブラリがあるからといって自動的に移行が不可能になるわけではありませんが、ユースケースをより深く分析する必要があります。そのような場合は、 WLS チームに相談し、詳細な評価を受けることをお勧めします。
Snowpark Migration Accelerator の問題の概要¶
このセクションでは、ワークロードの移行中に発生する可能性のある問題とエラーの概要を説明します。変換不可能な要素に関する詳細な情報は別の場所で入手可能ですが、このセクションは変換プロセスの初期ステージで特に価値があります。
注意すべき一般的な問題
変換されなかった要素や既知の回避策がある要素を見つけるには、ローカルインベントリフォルダーにあるSpark参照インベントリを確認します。データベースをクエリすると、これらの要素を既存のマッピングと比較できます。
概要:¶
レディネススコアは、Snowpark移行に対するコードベースの準備状況を示します。スコアが80%以上であれば、コードの移行準備はほぼ整っていることになります。スコアが60%未満の場合は、先に進む前にコードをさらに修正する必要があります。
このワークロードでは、スコアが90%を超えており、移行に対する優れた互換性を示しています。
次のインジケーターは サイズ です。膨大なコードがあるにもかかわらず、Spark API 参照がほとんどないワークロードは、サードパーティのライブラリに大きく依存している可能性があります。レディネススコアが低いプロジェクトであっても、コード行数が100行程度、またはSpark API 参照が5つ程度であれば、自動化ツールに関係なく、手動で迅速に変換することができます。
このワークロードの場合は、サイズも手頃で扱いやすいものです。コードベースには100個以上のファイルがあり、Spark API 参照数は5,000個未満、コード行数は10,000行未満です。これらのファイルの約98%にSpark API 参照が含まれており、PythonコードのほとんどがSpark関連であることがわかります。
3つ目のインジケーターは、 インポートされたライブラリ です。インポートステートメントのインベントリは、コードがどの外部パッケージを使用しているかを識別するのに役立ちます。コードがサードパーティのライブラリに大きく依存している場合は、追加の分析が必要になることがあります。外部依存関係が多数あるユースケースの場合は、ワークロードサービス（WLS）チームに相談して、これらのライブラリがどのように使用されているかをよりよく理解するようにします。
この例では、サードパーティのライブラリをいくつか参照していますが、機械学習やストリーミングなど、Snowparkでの実装が困難な複雑なライブラリに関連するものはありません。
このワークロードはSnowparkへの移行に適しているため、Spark移行プロセスの次のステップに進みます。