異構數據庫遷移ADAM（Advanced Database & Application Migration）提供數據庫平滑遷云解決方案，全面評估上云可行性、成本和云存儲選型，內置實施協助、數據遷移、應用遷移等工具，覆蓋數據庫遷移的全生命周期，幫助企業降低數據庫和應用遷移的風險、技術難度和實施周期，助力企業源數據庫遷移上云。
支持的數據源
Oracle 10g、11g、12c、18c、19c版本
Teradata 13、14、15版本
Db2 for LUW
應用場景
傳統IT系統上云
傳統企業的IT系統使用的是IOE小型機架構，這種架構擴容只能升級硬件，高配置硬件升級帶來的性能提升跟硬件升級投入的成本不成正比，越往上升級性價比越低，無法做到平滑線性的擴容。而互聯網分布式架構能做到平滑擴容，并且硬件投入跟性能提升成正比。
云上IT系統遷移
系統已經在阿里云上，但隨著業務增長，現有的數據庫不滿足需求，需要更換或者新增數據庫，ADAM提供的目標存儲選型及應用改造專家服務可以幫助您完成系統擴展改造。例如，之前只使用RDS MySQL版數據庫，現在還需要用MaxCompute存放歷史數據，用云原生數據倉庫 AnalyticDB MySQL 版存放分析型數據。
費用說明
目前ADAM云上功能免費使用。
功能特性
采集器
數據庫采集器：收集、匯總源數據庫信息，包含環境、對象、SQL、空間、性能和事務，全面覆蓋數據庫實際運行狀況。同時針對數據冗余、信息安全問題，對采集結果中的SQL數據進行脫敏、去重、一致性校驗等處理，保證采集結果的準確性。更多信息，請參見數據庫采集。
應用采集器：收集、分析Oracle、Db2和Teradarta的Java應用框架與運行信息，包含應用機器性能信息、應用代碼中SQL信息、運行時SQL調用堆棧、應用與數據庫間調用關系和應用與應用間調用關系，全面覆蓋應用實際運行狀況，同時對結果中的數據進行脫敏處理。更多信息，請參見應用采集。
數據庫評估
提供目標庫選型建議，對遷移工作量和成本進行預估。更多信息，請參見數據庫評估概覽。
源庫畫像分析 : 對數據庫采集器采集到的源庫數據進行多維度評估分析，包括源庫的性能、容量、特性、外部依賴、對象詳情和全景搜索。其中全景分析提供對象的關聯關系、特征標識等信息。
目標庫選型建議 : 統計分析多種目標庫版本對源庫的對象兼容性和SQL兼容性，智能分析源庫使用場景，給出推薦的目標庫。
目標庫兼容評估 : 針對某個目標庫版本，提供源庫與目標庫版本之間的對象兼容度、SQL兼容度和對象改造點詳情，給出目標庫建議最小規格和預估費用，提示遷移風險。
數據庫改造遷移
將源庫結構遷移到目標庫中，通過智能轉換和手動訂正相結合的方式，對不兼容的DDL進行改造。更多信息，請參見線上改造遷移綜述。
應用評估改造
解決用戶遷移數據庫后的應用改造問題，幫助用戶快速改造應用。更多信息，請參見應用評估改造摘要。
應用動態改造
應用畫像：針對單個應用進行多維度分析，輸出應用畫像分析報告，包括對應用的軟件棧、系統信息、對象詳情、SQL和調用棧等的評估分析。
應用評估：快速梳理、指導數據庫異構遷移過程中的應用改造內容。
實時收集待遷移應用的數據庫請求，將代碼調用棧返回給用戶，快速定位應用的改造點。
實時收集待遷移應用的數據庫訪問SQL，進行兼容性分析并將分析結果實時反饋給用戶，指導您按照正確的方式進行代碼的遷移工作。
實時收集待遷移應用的數據庫訪問返回數據和性能數據，與原應用進行對比，保證遷移后的應用在功能和性能上可以與原應用一致。
應用靜態改造：通過靜態SQL代碼掃描方式，定位應用對數據庫對象的訪問點，自動識別應用中因為數據庫遷移需要改變的代碼塊，給出改造建議。
管理數據庫檔案
在ADAM中新建、測試和刪除數據庫檔案，避免用戶在使用功能時，重復輸入數據庫信息。更多信息，請參見管理數據庫檔案。
遷移實驗室
SQL周期性采集：根據自定義的采集周期，持續采集并自動合并Oracle的SQL信息。更多信息，請參見SQL周期性采集。
ADAM SQL Adapter：自動轉換Oracle與PolarDB之間有差異的SQL語句， 降低應用遷移到PolarDB的改造工作量。更多信息，請參見SQL Adapter。
SQL對比測試：基于Jmeter測試引擎構建的數據庫測試平臺，支持構建SQL測試集，創建、執行測試任務和查看測試結果。
SQL轉換
將Oracle、Teradata、Db2語句轉化為MySQL、PolarDB O引擎、云原生數據倉庫 AnalyticDB PostgreSQL 版語句的工具。
功能優勢
多年遷移經驗：
積累并提煉阿里巴巴內部多年的成功遷移經驗，尤其是從傳統IT架構向互聯網和云架構改造升級方面的全流程工具和成功實踐經驗。
數據庫遷移預評估：
全面評估源庫上云可行性、成本和目標庫存儲選型，提前對遷移工作量和成本進行預估。
敏感數據保護：
為保證數據庫的敏感信息不被泄漏，數據采集器會對采集到的數據進行脫敏。
兼容性分析：
源庫特性匹配：識別對象使用了哪些特性，并給出在目標庫上的解決方案。
源庫使用場景匹配：針對一些特定的使用場景（通常可能會影響性能），評估目標庫上是否能夠很好地支持這些使用場景，如果需要調整會給出調整方案。
模式自動轉換：
提供表和其它對象從源庫到目標庫的自動轉換能力，將支持轉換的對象直接轉換為目標庫上對應的對象或Java代碼。目前模式自動轉換支持將表結構在目標庫上自動創建。