O blog da AWS

Executando workloads de Microsoft Business Intelligence na nuvem AWS

Por Javier Gálvez, Arquiteto de Soluções na AWS e
Luis Gerardo Baeza, Arquiteto de Soluções na AWS

 

Ao acompanhar a jornada de nuvem de clientes, encontramos casos de uso em que clientes possuem implementações locais utilizando os recursos de Business Intelligence (BI) incluídos no Microsoft SQL Server para dar suporte às necessidades de análise de dados, incluindo SQL Server Analysis Services (SSAS), SQL Server Reporting Services (SSRS) e/ou SQL Server Integration Services (SSIS). Quando estes clientes migram essas cargas de trabalho para a nuvem da AWS, eles geralmente estão interessados em usar esses recursos em bancos de dados da nuvem para acelerar o processo de migração por meio de uma replataforma que não envolve alterações na arquitetura.

Antigamente, para usar o Microsoft SQL Server e suas funções SSIS, SSAS e SSRS na nuvem AWS, era necessário configurar o Microsoft SQL Server em instâncias do Amazon Elastic Compute Cloud (Amazon EC2). Por mais que isso ainda funcione, atualmente, os clientes também têm a opção de usar o Amazon Relational Database Service (Amazon RDS) para SQL Server e assim implementar várias versões do SSIS, SSRS e SSAS em questão de minutos. O Amazon RDS permite que o seu time de DBA e infraestrutura possa se concentrar no desenvolvimento de aplicativos, eliminando a necessidade de lidar com tarefas demoradas de gerenciamento de banco de dados e sistema operacional tais como provisionamento, backups, patches de software, monitoramento e dimensionamento de hardware entre outros.

Neste blog, coletamos informações que ajudarão você a executar suas cargas de trabalho do Microsoft Business Intelligence no Amazon RDS SQL. Além disso, também mostraremos como você poderia aproveitar maiores benefícios em desempenho, escalabilidade e otimização de custos, modernizando sua arquitetura para usar serviços nativos da nuvem.

 

O que é Microsoft Business Intelligence?

O Microsoft Business Intelligence constitui a utilização das três ferramentas abaixo:

  • SQL Server Integration Services: usado para transformar e migrar dados de vários repositórios, como sistemas transacionais ou arquivos simples. Extração, transformação e carregamento de dados são conhecidos como ETL, que é um termo comum em Business Intelligence.
  • SQL Server Analysis Services: usado como um mecanismo de processamento analítico on-line (OLAP) para analisar e entender as informações que podem ser distribuídas em vários bancos de dados ou em diferentes tabelas ou arquivos.
  • SQL Server Reporting Services: usado quando os dados estiverem em seu estado final para criar relatórios que ajudem a entender os dados.

 

Figura 1: Arquitetura de carga local do Microsoft Business Intelligence.

 

Como usar o SSIS, SSAS e SSRS no Amazon RDS?

Alguns mecanismos de banco de dados oferecem recursos adicionais, como SSIS, SSAS e SSRS. O Amazon RDS usa grupos de opções para habilitar e configurar esses recursos. Quando você associa uma instância de banco de dados a um grupo de opções, as opções e configurações especificadas são habilitadas para essa instância de banco de dados.

 

Figura 2: Arquitetura de Microsoft Business Intelligence na nuvem AWS

 

Além da associação de um grupo de opções, há outras configurações a serem levadas em consideração, então abaixo você encontrará uma série de blogs descrevendo as etapas para configurar cada um desses recursos no serviço Amazon RDS para SQL Server.

Cada blog inclui pré-requisitos e uma descrição passo a passo:

Versões e edições com suporte

Serviços de integração do SQL Server

O Amazon RDS oferece suporte ao SSIS para SQL Server Standard e Enterprise Edition em várias versões:

  • SQL Server 2016
  • SQL Server 2017
  • SQL Server 2019

SQL Server Analysis Services

O Amazon RDS oferece suporte a SSAS para SQL Server Standard e Enterprise Edition em várias versões:

  • SQL Server 2016
  • SQL Server 2017
  • SQL Server 2019

SQL Server Reporting Services

O Amazon RDS oferece suporte a SSRS para SQL Server Standard e Enterprise Edition em várias versões:

  • SQL Server 2016
  • SQL Server 2017
  • SQL Server 2019

Integração com o Amazon RDS para SQL Server com o Amazon S3

Uma situação comum ao configurar e usar SSIS e SSAS no Amazon RDS é trocar arquivos com outros sistemas, como:

  • Modelos de dados SSAS e pacotes SSIS criados com Visual Studio ou SQL Server Data Tools (SSDT).
  • Arquivos CSV no SSIS.

Para fazer isso, o artigo Integração do Amazon RDS para uma instância de banco de dados do SQL Server com o Amazon S3 explica como executar esse compartilhamento de arquivos. Esses arquivos podem ser carregados em um bucket do Amazon S3 e acessados a partir da instância de banco de dados no caminho D:\S3\

 

Modernize os workloads de Microsoft Business Intelligence para serviços nativos em nuvem

A migração para a nuvem é apenas o começo da jornada para muitos clientes que se beneficiam com a modernização progressiva de seus aplicativos, dados e infraestrutura. Alguns desses benefícios incluem: facilitar a inovação de negócios, reduzir custos, fortalecer a segurança e melhorar o custo-desempenho.

Aqui estão algumas estratégias que você pode adotar para modernizar seus aplicativos e obter esses benefícios:

  • Na camada de aplicativos, você pode usar o AWS App2Container para migrar aplicativos em execução em máquinas virtuais e executá-los em contêineres gerenciados pelo Amazon Elastic Container Service (Amazon ECS), Amazon Elastic Kubernetes Service (Amazon EKS) ou AWS App Runner, reduzindo a carga operacional e aumentando a agilidade no desenvolvimento e implantação de seus aplicativos. Consulte o seguinte blog para obter mais detalhes: Modernize aplicativos ASP.NET usando o AWS App2Container.
  • Para otimizar os custos do banco de dados, consulte o blog Estratégias de redução de custos para SQL na Nuvem AWS.
  • Para armazenamento, o Amazon FSx para Windows fornece um sistema de arquivos baseado no Windows Server totalmente gerenciado que seus aplicativos podem acessar por meio do protocolo SMB (Server Message Block) padrão. Você pode otimizar o custo com várias opções, bem como dimensionar o desempenho e o armazenamento a qualquer momento. O Amazon FSx oferece recursos como desduplicação de dados, restauração de arquivos do usuário final e integração com o Microsoft Active Directory (AD).Em 2020, criamos uma série de posts explicando as funcionalidades do Amazon FSx for Windows. Esta série tem quatro capítulos:
  1. Criando e Configurando o FSx
  2. Mais funcionalidades: VolumeShadowCopy, DFS Namespace, Data Deduplication e Quotas
  3. Mapeando o FSx para servidores Linux
  4. Migrando dados com o AWS DataSync (Cenário de Multi-Região)

Ainda em 2020, contruímos um Workshop sob demanda que discute e demonstra recursos e arquiteturas do Amazon FSx for Windows.

  • O Amazon Aurora é um banco de dados relacional compatível com MySQL e PostgreSQL criado para a nuvem que oferece desempenho e disponibilidade de banco de dados de nível comercial a um décimo do custo. Babelfish é uma camada de tradução para o Amazon Aurora PostgreSQL que permite que o Amazon Aurora compreenda os comandos de seus aplicativos escritos para o Microsoft SQL Server, ajudando as organizações a ter opções de uso de banco de dados, como o PostgreSQL, aproveitando os modelos de dados criados por anos de idade. Por favor, note que a partir da data de publicação deste blog, a Babelfish está no estado de “pré-visualização”.
  • Para migrar com segurança seus bancos de dados do SQL Server para o Amazon Aurora, você pode usar a AWS Schema Conversion Tool (SCT), que converte automaticamente o esquema do banco de dados e a maioria dos objetos de código, incluindo exibições, procedimentos armazenados e funções, além de fornecer um relatório detalhado de objetos que não puderam ser migrados automaticamente para migração manual; bem como o AWS Database Migration Service que oferece suporte a migrações heterogêneas e mantém o banco de dados de origem totalmente operacional durante a migração.
  • O AWS Glue é um serviço de integração de dados sem servidor que facilita a descoberta, preparação e combinação de dados para análise, aprendizado de máquina e desenvolvimento de aplicativos. O AWS Glue fornece todos os recursos necessários para a integração de dados, incluindo enriquecer, limpar, normalizar e combinar. Além disso, engenheiros de dados e desenvolvedores de ETL podem usar o AWS Glue Studio para criar, executar e monitorar visualmente fluxos de trabalho sem usar código. Para acelerar a migração de seus fluxos ETL existentes, você pode usar o AWS SCT para converter projetos do Microsoft Visual Studio SSIS Designer em código do AWS Glue Python. Para obter mais informações, consulte esta documentação: Converta SSIS para AWS Glue.
  • O Amazon Redshift permite consultar e combinar exabytes de dados estruturados e semiestruturados em data warehouse, bancos de dados operacionais e data lake usando linguagem SQL padrão, simplesmente com desempenho de preço até 3 vezes melhor do que outros data warehouses de nuvem corporativa. Além disso, você pode usar o Amazon QuickSight, um serviço de inteligência de negócios sem servidor, para criar e publicar relatórios e painéis interativos que podem ser acessados a partir de qualquer dispositivo. O Amazon QuickSight oferece suporte à fácil integração com seus aplicativos.

 

Figura 3: Workloads de Microsoft Business Intelligence para serviços nativos em nuvem

Conclusão

Neste blog, discutimos sobre workloads de Microsoft Business Intelligence para serviços nativos em nuvem, incluindo o suporte do SQL Server SSIS, SSAS e SSRS no Amazon RDS for SQL Server. Além disso, falamos sobre algumas opções de modernização que permitirão que você aproveite mais benefícios na nuvem, como:

  • Escalabilidade e elasticidade usando serviços sem servidor, como Amazon FSx para Windows para o sistema de arquivos, AWS Glue para trabalhos ETL e Amazon QuickSight para análise e exploração de dados.
  • Eficiência operacional migrando seus aplicativos para serviços de contêiner gerenciados com o AWS App2Container.
  • Economia de custos e melhoria de desempenho usando o Amazon Aurora com Babelfish para armazenamento de dados e o Amazon Redshift para consulta e análise.

Esperamos que os recursos compartilhados neste blog lhe ajudem a explorar os casos de uso mais relevantes para a sua organização.

 

Referências adicionais:

Você está pronto para experimentar?

No link a seguir em nossa biblioteca de soluções, você encontrará um guia passo a passo explicando como habilitar esses recursos no Amazon RDS para SQL Server de maneira muito rápida:

https://aws.amazon.com/getting-started/hands-on/enable-business-intelligence-features-amazon-rds-sql-server/

Este artigo foi traduzido do Blog da AWS em Espanhol

 


Sobre os autores

Javier Gálvez atualmente trabalha como arquiteto de soluções e trabalha em tecnologia da informação há mais de 22 anos, começando como administrador de sistemas especializado em tecnologias Microsoft para grandes instituições financeiras especializadas em plataformas de correio e intranets corporativas e depois em sua carreira avance para tecnologias de virtualização e soluções de código aberto, como o Kubernetes. Atualmente, ele se concentra principalmente no design e na entrega de novas soluções híbridas na nuvem da AWS, bem como no desenvolvimento de atividades técnicas com demonstrações e sessões interativas para nossos clientes.

 

 

 

Luis Gerardo Baeza é arquiteto de soluções na Amazon Web Services (AWS) e tem 10 anos de experiência em transformação de processos, arquitetura corporativa, adoção de metodologias ágeis e integração de tecnologia em nuvem. Luis ajudou empresas dos setores de saúde, financeiro e educação no México e no Chile.