資料遷移是新舊世界之間的橋樑 — 將本地部署的檔案伺服器、關係型資料庫、SaaS 資料和大型主機記錄移動到 AWS 資料湖或分析倉儲中。AWS 提供了四種規範的遷移服務，DEA-C01 考試將其作為服務選擇矩陣進行測試：用於 SaaS 來源的 AppFlow、用於檔案系統的 DataSync、用於關係型資料庫的 資料庫遷移服務 (DMS)，以及用於 PB 級離線傳輸的 Snowball Edge。此外，還有用於 SFTP/FTPS 端點的 Transfer Family 和用於異質資料庫遷移的 結構描述轉換工具 (SCT)。來自 Tutorials Dojo、Digital Cloud Training 和 ExamCert.App 的社群研究指南都指出了相同的痛點 — 考生常會選擇 DataSync 進行資料庫遷移（工具錯誤，僅限檔案）、使用 DMS 轉換結構描述（DMS 不進行轉換，SCT 負責），或將 AppFlow 用於任意 HTTP API（AppFlow 是基於 SaaS 連接器的）。
本指南專為資料工程師的視角而編寫。它涵蓋了每種遷移服務的功能、何時選擇每種服務、AppFlow 流程組態模型、包含頻寬節流和驗證在內的 DataSync 任務組態、具有用於異質遷移的結構描述轉換工具的 DMS 全量載入和 CDC 機制、Snowball Edge 變體和 PB 級離線傳輸模式、用於受管檔案傳輸的 Transfer Family、服務選擇矩陣，以及困擾大多數資料工程師的規範考試陷阱。到最後，遷移服務的選擇應該像為包裹選擇正確的運輸承運商一樣簡單明瞭。
什麼是 AWS 資料遷移？
AWS 上的資料遷移是將資料從來源（本地部署伺服器、合作夥伴 SaaS、第三方資料庫、大型主機）移動到 AWS 受管儲存或分析服務中的實務。DEA-C01 考試將遷移視為任務 1.1（執行資料擷取）主題，因為「遷移」與「持續擷取」之間的界限很模糊 — DMS 透過 CDC 持續複寫，AppFlow 按排程執行，DataSync 按排程同步。關鍵洞察：選擇來源/協定/規模與您特定案例相匹配的服務，而不是一味套用通用解決方案。
五大來源類別
AWS 遷移服務針對五個不同的來源類別：SaaS 應用程式 (Salesforce, ServiceNow, Slack, Marketo, Google Analytics) → AppFlow。檔案系統 (NFS, SMB, HDFS, Azure Blob, Google Cloud Storage) → DataSync。關係型資料庫 (Oracle, SQL Server, PostgreSQL, MySQL, MariaDB, MongoDB) → DMS。PB 級離線資料（網路頻寬較差的資料中心、災難復原）→ Snowball Edge 或 Snowmobile。受管檔案傳輸協定（來自外部合作夥伴的 SFTP, FTPS, FTP, AS2）→ Transfer Family。考試中設置的服務選擇情境通常取決於來源類別與服務的正確匹配。
線上與離線遷移
線上遷移使用網路頻寬 — DataSync 透過公共網際網路或 VPN，DMS 透過私有連接，AppFlow 透過 HTTPS。離線遷移使用實體裝置 — Snowball Edge 透過 FedEx 運送硬碟，Snowmobile 則是一輛用於 EB 級傳輸的卡車。決定因素在於資料量除以可用頻寬：在 100 Mbps 的速度下，傳輸 100 TB 大約需要 90 天（而 Snowball Edge 的往返時間約為 1 週）。在設計之前請先進行計算。
白話文解釋 AWS Data Migration
遷移服務的選擇是一套僅憑名稱無法傳達其權衡取捨的系統。以下三個具體類比可以幫助記憶。
類比 1 — 擁有專業團隊的搬家公司
想像一家搬家公司。AppFlow 是辦公室搬遷團隊，專門從事商業設定 — 他們熟悉各個 SaaS 辦公室租戶（Salesforce、ServiceNow、SAP）的名稱，擁有為每個租戶預先建置的家具拆卸範本，並且可以在無需自定義規劃的情況下將辦公內容搬到您的新大樓。DataSync 是配備推車處理檔案箱的家庭搬運工 — 他們處理任何裝在標準箱子（NFS、SMB、HDFS 檔案系統）中的物品，排程從舊家取貨，送達 S3 或 EFS，並檢查每個箱子是否完好無損（資料完整性驗證）。DMS 是精緻古董專屬團隊（關係型資料庫）— 他們拆開每件物品（全量載入），然後在您住在舊家期間持續搬運新產生的物品（CDC），直到您準備好更換地址。Snowball Edge 是海運貨櫃，用於當您的東西太多，家庭搬運工需要幾個月才能搬完時 — 在您的舊家裝載貨櫃，透過 FedEx 運送，AWS 在資料中心卸貨。
陷阱：辦公室搬遷團隊 (AppFlow) 無法搬運古董瓷器 (資料庫) — 他們只懂辦公室。家庭搬運工 (DataSync) 無法搬運仍在寫入的資料庫 — 只能搬運靜態檔案。古董團隊 (DMS) 不包裝檔案箱 — 只處理關係型物品。選擇錯誤的團隊是典型的考試陷阱。結構描述轉換工具 (SCT) 是一位顧問，他在古董團隊到來之前，負責將您的古董瓷器 (Oracle PL/SQL) 翻譯成新家展示風格 (PostgreSQL 語法) — DMS 搬運資料，SCT 翻譯結構。
類比 2 — 擁有不同來源的圖書館採購部門
想像一個研究圖書館正在從不同的捐贈者那裡獲取新的藏書。AppFlow 是電子期刊訂閱處理器 — 處理對特定出版商（SaaS 連接器）的數位訂閱，通過每個出版商門戶的身份驗證，並按排程下載新期刊。DataSync 是實體書遞送處理器 — 接收來自莊園和其他圖書館的箱子，驗證數量和狀況，然後將其上架。DMS 是目錄遷移專家 — 當圖書館從一個編目系統切換到另一個編目系統時，該團隊會逐一傳輸卡片目錄記錄（全量載入），並持續添加遷移期間提交的任何新卡片 (CDC)。Snowball Edge 是一位去世教授的遺產，擁有 10,000 本藏書的私人圖書館 — 書籍太多，常規遞送處理器無法處理；圖書館向該莊園發送一輛 U-Haul (Snowball)，裝滿後開回並卸貨。
圖書館有規則：期刊處理器 (AppFlow) 無法處理 U-Haul 裝載的書籍，實體書遞送處理器 (DataSync) 無法處理即時更新的動態目錄記錄，而目錄專家 (DMS) 不處理實體書。Transfer Family 是館際互借端點 — 公開一個標準協定 (SFTP)，以便外部圖書館可以在不了解 AWS 的情況下存放貨物；在底層，它會將其存放在 S3 中。
類比 3 — 擁有多種模式的國際貨運公司
想像一家國際貨運公司。AppFlow 是整合夥伴關係服務台 — 與主要承運商（Salesforce-Amazon, ServiceNow-AWS）預先談妥協議，因此客戶包裹在訂購時會自動移動。DataSync 是一般貨運的空運貨物 — 檔案的高速網路傳輸，排程取貨和遞送，節流頻寬以免飽和客戶的電路。DMS 是敏感文件（資料庫）的外交快遞服務 — 處理海關（結構描述映射），維持監管鏈（交易一致性），並支援一次性遞送（全量載入）和持續快遞服務（CDC 複寫）。Snowball Edge 是散裝貨物的貨櫃船 — 當空運需要數月時間時，裝滿一個貨櫃，透過海運運送，在目的地卸貨。
貨運公司有一個計算器：用體積除以頻寬，與 Snowball 的往返時間進行比較，選擇較便宜的選項。結構描述轉換工具 (SCT) 是海關翻譯員，他在文件標準 (Oracle PL/SQL → PostgreSQL 語法) 之間進行轉換，以便外交快遞可以遞送到有不同文書要求的國家。Transfer Family 是公共投遞箱 — 任何知道地址的人都可以透過標準協定投遞包裹；貨運公司會提取並在內部路由。
AWS AppFlow — SaaS 資料擷取
AppFlow 是無程式碼的 SaaS 到 AWS 整合服務。
AppFlow 的功能
AppFlow 無需自定義整合程式碼即可將支援的 SaaS 應用程式連接到 AWS 儲存和分析服務。Salesforce 記錄流向 S3，ServiceNow 事件流向 Redshift，SAP 訂單資料流向 S3 — 這些都透過 AppFlow 主控台組態為具有來源、目標、映射、篩選條件和觸發器的流程 (flows)。
支援的 SaaS 來源與目標
AppFlow 支援 50 多個 SaaS 來源，包括 Salesforce、ServiceNow、SAP OData、Slack、Marketo、Zendesk、Google Analytics、Snowflake（既作為來源也作為目標）、Datadog 等。目標包括 S3、Redshift、Snowflake、EventBridge、Salesforce（用於回寫）和 Honeycode。這些來源是精選的 — 您不能將任意 HTTP API 添加為 AppFlow 來源。對於任意 API，使用 Lambda 或帶有自定義程式碼的 Glue 是正確的答案。
流程組態 — 觸發器、映射、篩選條件
流程的觸發器包括按需 (on-demand)（透過 API 執行一次）、排程 (scheduled)（基於 cron 的循環執行）或基於事件 (event-based)（由支援推送的來源之事件驅動）。映射定義了來源欄位到目標欄位的對應關係，包括類型轉換、串接和基本的轉換（如字串截斷）。篩選條件會在記錄到達目標之前將其捨棄 — 例如，僅篩選處於「結案贏得 (Closed Won)」階段的 Salesforce 機會。
AppFlow PrivateLink 支援
對於支援的來源和目標，AppFlow 使用 AWS PrivateLink 將流量保留在 AWS 骨幹網上 — 絕不會經過公共網際網路。這對於擔心資料離開 AWS 網路的法規遵循使用案例非常重要。Salesforce、Slack、Snowflake 和 ServiceNow 都支援搭配 AppFlow 使用 PrivateLink。
何時使用 AppFlow
當情境提到特定的 SaaS 來源 — Salesforce, ServiceNow, SAP, Slack, Marketo, Snowflake 時，考試通常會將 AppFlow 作為答案。任何其他內容（自定義 REST API、內部 HTTP 服務、任意資料庫）都不是 AppFlow — 它們是 Lambda、Glue 或其他工具。AppFlow 的價值在於處理了身份驗證、節流和欄位映射的預先建置連接器。
AWS AppFlow 是一種無程式碼、全受管的整合服務，用於在特定的 SaaS 應用程式（Salesforce、ServiceNow、SAP、Slack、Marketo、Snowflake 等 50 多個）與 AWS 儲存和分析服務之間移動資料。 流程可組態來源連接器、目標、欄位映射、篩選條件和觸發器（按需、排程、基於事件），無需任何程式碼。AppFlow 不支援任意 HTTP API — 它需要預先建置的 SaaS 連接器。PrivateLink 整合可為支援的連接器將流量保留在 AWS 骨幹網上。當 DEA-C01 情境命名了支援清單中的 SaaS 來源時，此服務是正確答案；對於自定義 REST API、內部應用程式整合或關係型資料庫遷移，它是錯誤答案。
AWS DataSync — 檔案系統遷移
DataSync 是用於遷移到 S3、EFS、FSx 及其反向操作的受管檔案傳輸服務。
支援的來源與目標
DataSync 來源包括本地部署 NFS、SMB、HDFS、自我管理物件儲存（相容 S3）、Azure Blob Storage、Google Cloud Storage 和 AWS 檔案服務。目標包括 S3（任何儲存類別）、EFS、FSx for Windows、FSx for Lustre、FSx for OpenZFS 和 FSx for NetApp ONTAP。支援跨區域和跨帳戶傳輸。
DataSync 代理程式與任務
對於本地部署來源，您需要在您的網路上將 DataSync 代理程式部署為虛擬機器 (VMware, KVM, Hyper-V, 或 AWS Outposts) — 代理程式從來源儲存讀取，並透過公共網際網路、VPN 或 Direct Connect 推送到 AWS。任務 (Tasks) 定義了來源位置、目的地位置、排程、頻寬限制和篩選規則。每個任務都會傳輸資料並報告詳細指標，包括傳輸的檔案、傳輸的位元組和驗證狀態。
驗證與完整性
DataSync 在多個點驗證檔案完整性 — 來源處的總和檢查碼、傳輸後的總和檢查碼，以及確保沒有靜默損壞的比較。驗證模式是可組態的：POINT_IN_TIME_CONSISTENT（預設）、ONLY_FILES_TRANSFERRED（較快，僅驗證新檔案）或 NONE（最快，不驗證）。對於大多數遷移，預設值是正確的。
頻寬節流與排程
任務可以節流到最大頻寬（以 MiB/s 為單位），以避免在工作時間使本地部署網路飽和。排程可讓您按 cron 表達式執行任務 — 例如，午夜進行全量同步，工作時間內每小時進行增量同步。
何時使用 DataSync
當來源是檔案系統或物件儲存，且您需要具有驗證、排程和頻寬控制的線上受管傳輸時，DataSync 就是答案。對於關係型資料庫遷移（使用 DMS）、SaaS 資料擷取（使用 AppFlow）或 PB 級離線傳輸（使用 Snowball Edge），它是錯誤答案。
AWS 資料庫遷移服務 (DMS)
DMS 是將關係型和某些 NoSQL 資料庫遷移到 AWS 的規範服務。
DMS 的功能
DMS 以最小的停機時間將資料從來源資料庫遷移到目標資料庫。兩種操作模式：全量載入 (full load) 會一次性複製來源資料，而 變更資料擷取 (CDC) 則持續複寫從來源到目標的進行中變更。組合模式（全量載入 + 持續 CDC）可讓您在來源仍在使用時進行遷移，然後以秒級的停機時間進行切換。
支援的來源與目標
來源包括 Oracle, SQL Server, MySQL, MariaDB, PostgreSQL, MongoDB, Aurora, 以及這些資料庫的 RDS 版本, IBM Db2, SAP ASE, Azure SQL 等。目標包括上述所有服務，再加上 Redshift, S3 (作為 Parquet/CSV), DynamoDB, OpenSearch, Kinesis Data Streams, Kafka, Neptune 和 DocumentDB。這個矩陣非常龐大且經常被測試 — 支援同質（Oracle 到 Oracle）和異質（Oracle 到 PostgreSQL）遷移。
DMS 複寫執行個體
複寫執行個體 (replication instance) 是執行 DMS 引擎的 EC2 支援運算。大小類似於 RDS 執行個體（T3, R5, C5 系列，多種規格）。Multi-AZ 部署可為生產環境遷移提供高可用性。執行個體充當來源和目標之間的具狀態管道 — 它從來源讀取、根據需要進行轉換，然後寫入目標。
DMS 任務與端點
任務 (task) 描述了一次遷移：來源端點、目標端點、遷移類型（全量載入、CDC 或全量載入 + CDC）、資料表映射（要遷移哪些資料表，可選篩選條件和欄位轉換）以及複寫設定。端點 (Endpoints) 描述了如何連接到來源或目標，包括認證（從 Secrets Manager 引用）和連線屬性。
用於異質遷移的結構描述轉換工具 (SCT)
DMS 本身不會在異質引擎之間轉換結構描述 — Oracle PL/SQL 預存程序在沒有翻譯的情況下無法在 PostgreSQL 上執行。AWS 結構描述轉換工具 (SCT) 是一個獨立的桌面或容器應用程式，它會分析來源結構描述、產生等效的目標結構描述和預存程序、標記需要手動檢閱的項目，並將轉換後的結構描述套用於目標。SCT 在 DMS 之前執行 — 先轉換結構描述，然後執行 DMS 遷移資料。
DMS CDC 機制
CDC 讀取來源資料庫的交易記錄（Oracle redo log, SQL Server transaction log, PostgreSQL WAL, MySQL binlog, MongoDB oplog）並將相同的操作套用於目標。延遲通常為秒級。來源資料庫必須組態足夠長的記錄保留時間，以便 CDC 在任何暫停後都能追趕。CDC 可以作為持續複寫無限期執行，也可以在來源退役後終止。
將 DMS 以 Parquet 格式輸出到 S3
DEA-C01 的一個常見模式：將 DMS 輸出到 S3，採用 Parquet 格式並組態 cdc_path，將進行中的 CDC 事件作為 Parquet 檔案寫入 S3，並按日期分區。這是將關係型來源複寫到資料湖的規範模式 — DMS 負責來源端的記錄讀取，S3 儲存變更，Glue 目錄和 Athena 查詢結果。結合 S3 + Glue + Athena，DMS-to-S3 可以構建一個由生產資料庫饋送的完整操作資料湖。
DMS 遷移資料，但在異質引擎之間不轉換結構描述 — 請使用 AWS 結構描述轉換工具 (SCT) 將 Oracle PL/SQL 翻譯為 PostgreSQL 語法、SQL Server T-SQL 翻譯為 PostgreSQL 函數，或任何其他跨引擎翻譯，然後執行 DMS 移動資料。 這種分離是遷移服務領域最常見的 DEA-C01 陷阱。SCT 分析來源結構描述、產生等效的目標結構描述和預存程序、標記需要手動檢閱的項目（某些 Oracle 功能沒有 PostgreSQL 等效項），並產生一個量化轉換完整性的評估報告。DMS 在 SCT 之後接手 — 全量載入將資料複製到已轉換的目標結構描述中，CDC 保持目標同步直到切換。跳過 SCT 並嘗試單獨使用 DMS 進行異質遷移會導致目標沒有可用的結構描述，也沒有預存程序。
AWS Snowball Edge — PB 級離線傳輸
Snowball Edge 是用於離線資料傳輸的實體裝置。
當 Snowball 勝過網路時
將資料量除以持續網路頻寬來計算傳輸時間。在 100 Mbps 的持續速度下，100 TB 大約需要 90 天；而 Snowball Edge 的往返時間約為 1 週。損益平衡點大約是每 100 Mbps 頻寬對應 10 TB 資料；低於此值，線上傳輸獲勝；高於此值，Snowball 獲勝。Snowmobile（一輛載重 100 PB 的 45 英尺卡車）用於 EB 級的資料中心撤離。
Snowball Edge 變體
主要有兩種變體。Snowball Edge 儲存最佳化 (Storage Optimized) (210 TB 可用) 用於單純的儲存傳輸 — 大容量，適度的運算能力。Snowball Edge 運算最佳化 (Compute Optimized)（同樣具備儲存空間，但運算能力更強，可選 GPU）用於邊緣使用案例，您可能希望在傳輸前在裝置上執行 Lambda 或 EC2 進行處理。對於單純的遷移，儲存最佳化通常是典型選擇。
Snowball 工作流程
透過主控台訂購；AWS 運送裝置。收到後，插入電源和網路，使用主控台提供的金鑰解鎖，並使用 Snowball 用戶端或 NFS 端點將資料複製到裝置上。完成後，透過預付費運送標籤寄回。AWS 接收、驗證並複製到目標 S3 儲存貯體。一個裝置的總往返時間通常為 1-2 週，可透過訂購多個裝置並行處理。
加密與法規遵循
Snowball Edge 上的資料使用 AES-256 進行靜態加密。加密金鑰由您帳戶中的 KMS 持有；裝置本身從不持有金鑰。AWS 上傳到 S3 後，裝置會按照 NIST 標準進行抹除。監管鏈可透過 CloudTrail 進行稽核。
何時使用 Snowball
當情境提到 PB 級、有限頻寬、本地部署資料中心撤離或「按當前頻寬需要數週傳輸時間」時，考試通常會將 Snowball 作為答案。對於較小的傳輸（幾 TB），透過網路的 DataSync 速度更快且成本更低。
AWS Transfer Family — 受管檔案傳輸端點
Transfer Family 公開受管的 SFTP、FTPS、FTP 和 AS2 端點，將資料直接存入 S3 或 EFS。
支援的協定
SFTP (SSH 檔案傳輸協定，預設值) 用於使用基於 SSH 的檔案傳輸的合作夥伴。FTPS (TLS 之上的 FTP) 用於具有 TLS 加密的舊式 FTP 用戶端。FTP (純文字) 僅限內部網路使用。AS2 (適用性聲明 2) 用於 B2B EDI 文件交換。
身份供應商
Transfer Family 支援透過以下方式進行身份驗證：服務受管使用者 (在 AWS 中管理)、AWS Directory Service、透過 Lambda 或 API Gateway 的自定義身份供應商，或 直接使用 IAM 角色。身份供應商決定了誰可以通過身份驗證以及他們可以存取哪些 S3 儲存貯體或 EFS 路徑。
資料工程的使用案例
規範模式：外部合作夥伴（供應商、客戶、監管機構）每天透過 SFTP 發送檔案。Transfer Family 公開一個 SFTP 端點，將這些檔案直接存放在 S3 中，下游的 Lambda 或 Glue 會在那裡提取。如果沒有 Transfer Family，您需要執行一台 EC2 SFTP 伺服器，這會產生所有維運成本；Transfer Family 是受管的替代方案。
何時使用 Transfer Family
當情境提到外部合作夥伴使用標準檔案傳輸協定時，考試通常會將 Transfer Family 作為答案。對於內部 AWS 到 AWS 或 AWS 到本地部署，DataSync 通常更合適。對於 AWS 原生用戶端的 S3 存取，直接使用 S3 API 是合適的。
遷移服務選擇矩陣
DEA-C01 考試定期測試服務選擇。
來源與服務匹配
具名 SaaS 來源 (Salesforce, ServiceNow, SAP, Slack, Marketo, Snowflake) → AppFlow。檔案系統或物件儲存 (NFS, SMB, HDFS, Azure Blob, Google Cloud Storage) → DataSync。關係型或 NoSQL 資料庫 (Oracle, SQL Server, MySQL, MongoDB 等) → DMS。PB 級、有限頻寬離線傳輸 → Snowball Edge 或 Snowmobile。使用 SFTP/FTPS/FTP/AS2 協定的外部合作夥伴 → Transfer Family。
結構描述轉換 vs 資料遷移
DMS 負責資料遷移 — 將資料列從來源移動到目標。結構描述轉換工具 (SCT) 負責結構描述轉換 — 在異質引擎之間翻譯 DDL 和預存程序。它們按順序執行：先 SCT，後 DMS。
線上與離線
線上 — DataSync, DMS, AppFlow, Transfer Family — 使用網路頻寬，適用於頻寬除以資料量能得到合理時間線的情況。離線 — Snowball Edge, Snowmobile — 使用實體裝置，適用於頻寬有限的 PB 級規模。
將線上傳輸時間計算為資料量除以持續頻寬，然後與約 1 週的 Snowball Edge 往返時間進行比較 — 損益平衡點大約是每 100 Mbps 持續頻寬對應 10 TB 資料。 在 100 Mbps 的速度下，低於 10 TB 時，透過 DataSync 在線傳輸獲勝；高於此值時，Snowball Edge 獲勝。對於 100 Mbps 下的 1 PB 資料中心撤離，線上傳輸大約需要 2.5 年；而並行使用十台 Snowball Edge 儲存最佳化裝置大約在 2 週內即可完成。考試中可能會將其設為計算題，例如「我們需要在 2 週內使用 1 Gbps 頻寬傳輸 500 TB」— 在 1 Gbps 的速度下，每週可以線上傳輸大約 100 TB，因此 500 TB 線上傳輸需要 5 週，而透過並行的 Snowball Edge 裝置大約需要 2 週。務必進行計算；不要憑直覺假設線上或離線。
遷移服務的常見考試陷阱
DEA-C01 考試設置了一套固定的陷阱。請記住這五個。
陷阱 1 — DMS 轉換結構描述
最常被提及的陷阱。DMS 僅遷移資料；它不會在異質引擎之間轉換結構描述。使用 SCT 進行結構描述轉換，然後使用 DMS 進行資料遷移。
陷阱 2 — 使用 DataSync 進行資料庫遷移
情境描述了將 Oracle 資料庫遷移到 RDS。錯誤答案：DataSync。DataSync 處理檔案系統和物件儲存，而不是關係型資料庫。請使用 DMS。
陷阱 3 — 將 AppFlow 用於任意 HTTP API
情境描述了從自定義內部 REST API 擷取資料。錯誤答案：AppFlow。AppFlow 需要預先建置的 SaaS 連接器 — 它不支援任意 HTTP。請使用具有自定義程式碼的 Lambda 或 Glue。
陷阱 4 — 將 Snowball 用於小規模傳輸
情境描述了遷移 5 TB 的檔案資料。錯誤答案：Snowball Edge。在合理的頻寬 (100 Mbps+) 下，5 TB 資料在幾天內即可線上傳輸完畢，比 Snowball 往返時間更快。請使用 DataSync。
陷阱 5 — 不帶 CDC 的 DMS
情境描述了遷移一個在遷移期間仍有寫入操作的生產資料庫。錯誤答案：僅 DMS 全量載入。需要 CDC 模式來捕捉全量載入期間及之後的寫入，從而實現近乎零停機時間的切換。
陷阱 6 — 沒有頻寬限制的 DataSync
情境提到擔心在工作時間使本地部署網路飽和。錯誤答案：DataSync 預設組態。應在任務上組態頻寬節流，並排程在非工作時間執行。
陷阱 7 — Transfer Family 與 DataSync 的混淆
情境描述了外部合作夥伴透過 SFTP 每天推送檔案。錯誤答案：DataSync（它用於 AWS 管理的基於提取的傳輸）。正確答案：Transfer Family，它公開一個 SFTP 端點，合作夥伴將檔案推送到 S3 中。
詢問如何單獨使用 DMS 將 Oracle 遷移到 PostgreSQL 的情境是一個洩漏陷阱 — DMS 不會將 Oracle PL/SQL 預存程序、自定義資料類型或專有語法翻譯為 PostgreSQL 等效項。 如果不先使用結構描述轉換工具，目標 PostgreSQL 就沒有預存程序、沒有函數、沒有觸發器 — 只有等待 DMS 填充的空資料表。甚至資料表 DDL 也可能存在類型不匹配（Oracle NUMBER 對應 PostgreSQL NUMERIC，Oracle VARCHAR2 對應 PostgreSQL VARCHAR），DMS 無法乾淨地解決這些問題。正確的順序是：執行 SCT 分析 Oracle 結構描述，檢閱不支援項目的轉換報告，將轉換後的結構描述套用於 PostgreSQL，然後組態 DMS 將資料遷移到現在已就緒的目標中。DEA-C01 考試將此作為一個多步驟答案，其中 SCT 先於 DMS — 對於異質遷移選擇僅限 DMS 是錯誤的。
常見考試陷阱第二輪 — 更多選擇陷阱
還有幾個值得記住的陷阱。
陷阱 8 — 輸出到 S3 的 DMS 始終代表 Parquet
DMS 輸出到 S3 支援 CSV、Parquet 和 JSON。根據組態，預設值可能是 CSV。請明確指定 Parquet 以獲得可用於分析的輸出。
陷阱 9 — AppFlow 僅支援提取
AppFlow 對於某些連接器是雙向的（Salesforce 既作為來源也作為目標），但大多數流程是 SaaS 到 AWS 的提取。僅在允許的連接器上才支援將 AWS 資料回寫到 SaaS。
陷阱 10 — 將 Snowball 運算最佳化用於資料遷移
Snowball Edge 運算最佳化具有 GPU，專為邊緣處理而設計。對於單純的資料遷移（典型的 DEA-C01 使用案例），儲存最佳化是正確的。運算最佳化適用於「在運送前在邊緣進行處理」的工作負載。
遷移服務矩陣：SaaS 使用 AppFlow，檔案使用 DataSync，資料庫使用 DMS（異質結構描述轉換使用 SCT），PB 級離線使用 Snowball Edge，SFTP/FTPS 合作夥伴端點使用 Transfer Family。 這是每個 DEA-C01 遷移問題都需要記住的一句話。如果情境關鍵字是「Salesforce」或「ServiceNow」或「SAP」，答案是 AppFlow。如果關鍵字是「NFS」或「SMB」或「檔案系統」或「HDFS」，答案是 DataSync。如果關鍵字是「Oracle」或「SQL Server」或「MySQL」或「PostgreSQL」或「資料庫遷移」，答案是 DMS — 如果是異質遷移則加上 SCT。如果關鍵字是「PB 級」或「頻寬有限」或「運送實體裝置」，答案是 Snowball Edge。如果關鍵字是「外部合作夥伴」或「SFTP」或「FTPS」，答案是 Transfer Family。停止嘗試讓一種服務包辦所有事情；AWS 為每個來源類別設計了專屬服務。
關鍵數字與必須記住的遷移事實
AppFlow
- 50 多個預先建置的 SaaS 連接器 (Salesforce, ServiceNow, SAP, Slack, Marketo, Snowflake 等)
- 觸發器：按需、排程、基於事件
- 目標：S3, Redshift, Snowflake, EventBridge, 支援回寫的 SaaS
- 部分連接器支援 PrivateLink
DataSync
- 來源：NFS, SMB, HDFS, 相容 S3, Azure Blob, Google Cloud Storage
- 目標：S3 (任何類別), EFS, FSx (所有變體)
- 驗證模式：POINT_IN_TIME_CONSISTENT (預設), ONLY_FILES_TRANSFERRED, NONE
- 代理程式部署為虛擬機器 (VMware, KVM, Hyper-V, AWS Outposts)
DMS
- 來源：Oracle, SQL Server, MySQL, MariaDB, PostgreSQL, MongoDB, Db2, SAP ASE 等
- 目標：同來源，外加 Redshift, S3, DynamoDB, OpenSearch, Kinesis, Kafka, Neptune, DocumentDB
- 模式：全量載入、CDC、全量載入 + CDC
- 用於高可用性的 Multi-AZ 複寫執行個體
結構描述轉換工具 (SCT)
- 分析來源結構描述，產生目標結構描述和預存程序
- 標記需要手動檢閱的項目
- 在 DMS 之前執行，而非同時執行
- 桌面或容器部署
Snowball Edge
- 儲存最佳化：210 TB 可用，基礎運算
- 運算最佳化：較小儲存，更強運算，GPU 選項
- 往返時間：約 1 週
- 加密：AES-256，金鑰存放在客戶 KMS
Transfer Family
- 協定：SFTP, FTPS, FTP, AS2
- 身份驗證：服務受管、Directory Service、自定義 Lambda/API Gateway、IAM
- 目標：S3, EFS
損益平衡計算
- 線上 (DataSync) vs 離線 (Snowball)：持續頻寬下每 100 Mbps 對應約 10 TB
- 低於損益平衡點使用線上；高於則使用離線
DEA-C01 考試優先事項 — 用於資料遷移的 AppFlow、DataSync、DMS 和 Snowball。 此主題在 DEA-C01 考試中佔有很大權重。掌握每種 AWS 服務公開的權衡、決策邊界以及成本/效能觸發因素 — 考試將測試那些取決於了解哪種服務是錯誤答案的情境，而不僅僅是哪種是正確答案。
FAQ — AWS 資料遷移常見問題
Q1 — 什麼時候應該使用 AppFlow 與 Lambda 進行 SaaS 資料擷取？
當來源在 AppFlow 連接器清單中（Salesforce、ServiceNow、SAP、Slack、Marketo、Snowflake 等 50 多個），且您想要無程式碼、按排程且全受管的提取時，請使用 AppFlow。AppFlow 處理身份驗證、節流、重試、欄位映射、篩選條件，以及在支援的情況下整合 PrivateLink。當來源是自定義 REST API、內部 HTTP 服務、不在 AppFlow 連接器清單中的 SaaS，或者當您需要的轉換邏輯超出了 AppFlow 映射支援的範圍時，請使用 具有自定義程式碼的 Lambda 或 Glue。考試將此設為「按每日排程從 Salesforce 擷取資料」— AppFlow 排程流程。「每 5 分鐘從我們的內部定價 API 擷取一次」— EventBridge Scheduler 觸發的 Lambda，而非 AppFlow。決策因素在於連接器的可用性：如果 AppFlow 有預先建置的連接器，請使用它；否則，使用 Lambda 或 Glue 進行建構。
Q2 — DataSync 和 DMS 有什麼區別？
DataSync 移動檔案和物件 — NFS、SMB、HDFS、相容 S3、Azure Blob、Google Cloud Storage 到 S3、EFS 或 FSx。它用於非結構化資料，不適用於動態關係型資料庫。DMS 遷移關係型和某些 NoSQL 資料庫 — Oracle、SQL Server、MySQL、PostgreSQL、MongoDB 到 AWS 原生或 AWS 託管的等效服務，以及 S3 (作為 Parquet)、Redshift、Kinesis 和 Kafka 等目標。它支援全量載入和 CDC，以實現近乎零停機時間的遷移。它們絕不會重疊：資料庫絕不會使用 DataSync 遷移，檔案系統也絕不會使用 DMS 遷移。考試中設置的混淆情境通常會含糊地描述來源（例如「資料存放區」），以測試您是否仔細閱讀 — 檔案系統 → DataSync，資料庫 → DMS。
Q3 — 我該如何在 AWS 上遷移異質資料庫 (Oracle 到 PostgreSQL)？
這是一個分兩步走的過程。步驟 1：結構描述轉換工具 (SCT) 分析 Oracle 來源，產生等效的 PostgreSQL 結構描述（包括資料表、索引、外鍵和預存程序），標記需要手動檢閱的項目（某些 Oracle 功能沒有直接的 PostgreSQL 等效項），並產生一個量化轉換完整性的評估報告。將轉換後的結構描述套用於目標 PostgreSQL 資料庫。手動重寫 SCT 標記的項目。步驟 2：DMS 將資料遷移到現在已就緒的 PostgreSQL 目標。組態一個具有 Oracle 來源端點、PostgreSQL 目標端點和遷移類型「全量載入 + CDC」的 DMS 任務，以便遷移捕捉全量載入期間的所有寫入並持續複寫直到切換。驗證後，將應用程式流量重新導向到 PostgreSQL 並停止 DMS 任務。跳過 SCT 並嘗試單獨使用 DMS 進行異質遷移是 DEA-C01 最常見的陷阱 — DMS 遷移資料，不遷移結構描述。
Q4 — 什麼時候應該使用 Snowball Edge 與 DataSync？
首先計算線上傳輸時間：資料量除以持續頻寬等於時間。與約 1 週的 Snowball Edge 往返時間進行比較。當線上傳輸時間合理（數天而非數月）時，請使用 DataSync — 通常低於每 100 Mbps 頻寬對應 10 TB 資料，或在高頻寬下按比例增加。當線上傳輸時間無法接受時，請使用 Snowball Edge — PB 級規模、嚴重受限的頻寬、資料中心撤離時間表。針對 EB 級規模（罕見，主要用於企業資料中心退役），請使用 Snowmobile。多台並行的 Snowball Edge 裝置可線性擴展容量 — 十台裝置運送 2 PB 的時間與一台裝置運送 200 TB 的時鐘時間相同。考試將此設為計算題：進行計算，與往返時間進行比較，根據問題要求選擇較便宜或較快的選項。不要憑感覺假設；務必進行計算。
Q5 — DMS CDC 如何處理遷移期間的來源資料庫寫入？
DMS CDC 即時讀取來源資料庫的交易記錄（Oracle redo log, SQL Server transaction log, PostgreSQL WAL, MySQL binlog, MongoDB oplog）並將相同的操作套用於目標。來源資料庫必須組態足夠長的記錄保留時間以涵蓋遷移視窗 — 例如，保留 MySQL binlog 24-48 小時，以便 DMS 在暫停後可以追趕。組合的「全量載入 + CDC」模式在 CDC 緩衝進行中變更的同時執行全量載入；全量載入完成後，CDC 會套用緩衝的變更，然後即時繼續。當 CDC 追趕上時，從來源到目標的延遲通常為秒級。切換過程：短暫暫停對來源的應用程式寫入（幾秒到幾分鐘），等待 CDC 清空剩餘的緩衝變更，將應用程式流量重新導向到目標，然後停止 DMS 任務。這實現了近乎零停機時間的遷移。考試將「在生產環境運作時進行遷移」設為規範的全量載入加 CDC 情境。
Q6 — 我該如何處理外部合作夥伴將檔案推送到我的 AWS 資料湖？
使用 AWS Transfer Family 公開受管的 SFTP、FTPS、FTP 或 AS2 端點，驗證合作夥伴身份並將其檔案直接存入 S3 (或 EFS)。針對少量合作夥伴，透過服務受管使用者組態身份；針對企業整合，使用 AWS Directory Service；針對複雜的身份驗證流程，使用自定義 Lambda 或 API Gateway 身份供應商。每個合作夥伴身份都對應到特定的 S3 儲存貯體和前置詞，因此合作夥伴 A 無法看到合作夥伴 B 的檔案。檔案存入 S3 後，下游處理遵循標準的事件驅動模式：S3 事件通知觸發 Lambda 或 Glue 作業，負責驗證、轉換並註冊資料。與執行 EC2 SFTP 伺服器相比，優點顯著 — Transfer Family 是全受管的，自動擴展，與 CloudWatch 整合進行稽核，並按協定小時加傳輸資料計費。考試將「外部合作夥伴使用 SFTP」的情境設為以 Transfer Family 作為答案，而不是 EC2 加 OpenSSH 或 DataSync (DataSync 是基於提取的；Transfer Family 對於合作夥伴是基於推送的)。
Q7 — DMS 可以複寫到 S3 上的資料湖嗎？
可以 — DMS 到 S3 是構建由關係型資料庫饋送之資料湖的規範模式之一。組態具有關係型來源端點和 S3 目標端點的 DMS 任務，選擇 Parquet 作為目標格式（預設值可能是 CSV；請指定 Parquet 以獲得可用於分析的輸出），並組態 cdc_path，以便將 CDC 事件作為按日期分區的進行中檔案寫入 S3。使用遷移模式「全量載入 + CDC」，以便將來源的初始狀態作為 Parquet 轉儲到 S3，並將進行中的變更作為新的 Parquet 檔案附加。結合 Glue 資料目錄（執行爬蟲或使用分區投影）和 Athena 來查詢產生的資料湖。這種模式在 DEA-C01 中被頻繁測試，因為它是真實的生產架構：生產 OLTP 資料庫保留在 Oracle 或 PostgreSQL 中，分析工作負載透過 Athena 或 Redshift Spectrum 查詢 S3 複寫副本，且分析查詢不會影響 OLTP 效能。考試將此設為「在不影響 OLTP 效能的情況下，將生產資料庫複寫到資料湖」— 答案是將 DMS 輸出到 S3 且格式為 Parquet。
延伸閱讀 — 遷移服務官方 AWS 文件
權威的 AWS 來源包括：涵蓋連接器、流程、映射和 PrivateLink 整合的 AWS AppFlow 使用者指南；涵蓋代理程式、任務、位置和驗證的 AWS DataSync 使用者指南；涵蓋複寫執行個體、端點、任務和 CDC 的 AWS 資料庫遷移服務使用者指南；涵蓋分析、轉換和評估報告的 AWS 結構描述轉換工具使用者指南；涵蓋裝置變體、訂購和工作流程的 AWS Snowball Edge 開發人員指南；以及涵蓋協定支援、身份供應商和 S3/EFS 目標的 AWS Transfer Family 使用者指南。
AWS 遷移白皮書提供了在線上和離線傳輸之間進行選擇、計算頻寬預算以及在資料遷移前安排結構描述轉換順序的架構框架。AWS 資料庫部落格有多篇關於 DMS 效能調整、異質遷移模式和以 S3 為目標之架構的深入探討文章。AWS 大數據部落格涵蓋了 DataSync 到 S3 的模式、用於分析擷取的 AppFlow 以及 Snowball Edge 案例研究。最後，AWS 解決方案庫包含了針對常見遷移情境（Oracle 到 Aurora-PostgreSQL、本地部署 Hadoop 到 S3 以及 SaaS 到資料湖管道）的預先建置參考架構，這些架構將 DEA-C01 模式編碼為可部署的範本。