Chuyển kho dữ liệu lên Databricks: một tuần quét hiện trạng quyết định điều gì

Khi một doanh nghiệp hỏi chi phí chuyển kho dữ liệu Oracle hay SQL Server lên Databricks, câu trả lời nhanh thường dựa vào số bảng và dung lượng dữ liệu. Hai con số này dễ lấy nhưng ít khi quyết định chi phí. Phần tốn công nằm ở chỗ khác: hàng nghìn thủ tục lưu trữ, job ETL viết bằng phương ngữ SQL riêng của từng hệ quản trị, các báo cáo và ứng dụng phụ thuộc lẫn nhau, và yêu cầu chứng minh số liệu sau chuyển đổi khớp với trước.

Một tuần quét hiện trạng có mục đích đo đúng những phần đó trước khi ai đó phải cam kết ngân sách. Bài viết này giải thích quét hiện trạng đo gì, câu hỏi nào công cụ không trả lời được, và kết quả được dùng như thế nào.

Công cụ đo được gì

Databricks cung cấp miễn phí bộ công cụ Lakebridge cho các dự án chuyển đổi kho dữ liệu. Lakebridge ra mắt tháng 6/2025 và gồm các phần đánh giá, chuyển đổi mã nguồn và đối soát. Hai thành phần dùng trong giai đoạn quét hiện trạng là Profiler và Analyzer. Các công cụ còn lại, cho khâu chuyển mã, di chuyển dữ liệu và đối soát, được trình bày trong bài bộ công cụ tăng tốc chuyển đổi lên Databricks.

Profiler chạy trên hệ thống nguồn và thu thập cấu trúc: schema, định nghĩa bảng và đối tượng, cùng số liệu vận hành như thời gian chạy truy vấn và mức sử dụng tài nguyên. Phần số liệu vận hành giúp ước tính chi phí chạy trên Databricks dựa trên tải thực tế, thay vì dựa trên cấu hình máy chủ hiện tại.

Analyzer đọc mã SQL và mã ETL được xuất ra từ hệ thống nguồn, rồi lập báo cáo gồm ba phần:

Danh mục đầy đủ các job, thủ tục, view và báo cáo.
Điểm độ phức tạp cho từng đối tượng, dùng để ước tính công sức chuyển đổi.
Các phụ thuộc giữa các hệ thống: job nào đọc bảng nào, báo cáo nào dựa trên kết quả của job nào.

Phần phụ thuộc là phần quan trọng nhất. Nó quyết định thứ tự chuyển đổi: một nhóm bảng chỉ chuyển được khi mọi job ghi vào chúng và mọi báo cáo đọc từ chúng được chuyển cùng lúc hoặc được xử lý tạm thời.

Những câu hỏi công cụ không trả lời

Công cụ đo được mã nguồn, nhưng không đo được mục tiêu và ràng buộc của doanh nghiệp. Những nhóm câu hỏi phải được trả lời qua phỏng vấn gồm:

Mục tiêu chuyển đổi và vấn đề đang gặp phải: chi phí bản quyền, hiệu năng, hay nhu cầu phân tích và AI mà hệ thống cũ không đáp ứng.
Workload nào chuyển: xử lý ETL, báo cáo BI, nạp dữ liệu, hay tất cả.
Dữ liệu được nạp từ đâu, tần suất và dung lượng mỗi ngày, có nguồn thời gian thực hay không, và thay đổi dữ liệu (CDC) đang được ghi nhận bằng cách nào.
Mô hình dữ liệu đích mong muốn, và luồng dữ liệu hiện tại qua các tầng.
Yêu cầu nghiệm thu: ngoài kiểm thử đơn vị, doanh nghiệp cần chạy song song hai hệ thống trong bao lâu, 30, 60 hay 90 ngày.

Câu hỏi cuối cùng thường bị bỏ qua nhưng ảnh hưởng lớn đến chi phí. Một đợt chạy song song 90 ngày nghĩa là doanh nghiệp trả chi phí cho cả hai nền tảng trong ba tháng, và đội ngũ phải duy trì hai luồng dữ liệu cùng lúc.

Kết quả: kế hoạch theo đợt và cách làm cho từng đối tượng

Từ danh mục, điểm phức tạp và phụ thuộc, quét hiện trạng tạo ra một kế hoạch chia thành các đợt. Mỗi đợt là một nhóm workload có thể chuyển và đưa vào vận hành độc lập, bắt đầu từ nhóm có giá trị cao và rủi ro thấp.

Với từng nhóm đối tượng, kế hoạch xác định cách làm:

Mã SQL và ETL: chuyển đổi tự động bằng bộ chuyển đổi theo quy tắc, bằng bộ chuyển đổi dùng mô hình ngôn ngữ lớn, hoặc viết lại thủ công với phần mã quá đặc thù. Tỷ lệ giữa ba cách này quyết định phần lớn công sức.
Dữ liệu lịch sử và dữ liệu phát sinh: Lakeflow Connect có hai kiểu kết nối, kiểu dựa trên CDC để sao chép liên tục các thay đổi, và kiểu dựa trên truy vấn khi nguồn không hỗ trợ CDC.
Đối soát: tiêu chí khớp số liệu được thống nhất trước, gồm schema, khóa, và mức khớp của dữ liệu (khớp tuyệt đối, khớp tổng hợp hay khớp trong ngưỡng cho phép). Công cụ đối soát phân loại chênh lệch thành thiếu ở nguồn, thiếu ở đích và lệch giá trị, nên nghiệm thu dựa trên báo cáo thay vì cảm nhận.

Thống nhất tiêu chí đối soát ngay từ giai đoạn quét là điều kiện để nghiệm thu từng đợt diễn ra nhanh. Nếu tiêu chí chỉ được bàn đến ở cuối dự án, mỗi chênh lệch nhỏ đều có thể trở thành một cuộc tranh luận.

Vì sao có thể báo giá cố định

Khi đã biết số lượng đối tượng, độ phức tạp của từng đối tượng, cách chuyển đổi và tiêu chí nghiệm thu, công sức của từng đợt có thể ước tính với sai số đủ nhỏ để báo giá cố định. Rủi ro còn lại được ghi thành sổ rủi ro, kèm cách xử lý nếu xảy ra.

Khi chưa có các số đo này, phần chưa chắc chắn phải được tính giá theo cách khác, chẳng hạn theo thời gian và nguồn lực thực tế hoặc kèm một khoản dự phòng. Đó đều là những cách hợp lý để định giá một phạm vi chưa rõ; bước quét giúp thu hẹp phần chưa rõ trước khi doanh nghiệp chọn cách định giá.

Sancire làm gì trong việc này

Gói Quét hiện trạng chuyển đổi của Sancire kéo dài một tuần, giá từ 2.500 USD. Kết quả gồm danh mục đối tượng xếp theo công sức chuyển đổi, kế hoạch theo đợt, sổ rủi ro và báo giá cố định cho từng đợt. Phí này được khấu trừ toàn bộ vào hợp đồng chuyển đổi nếu ký trong vòng 90 ngày. Việc chuyển đổi thuộc nhóm dịch vụ Hiện đại hoá.

Nguồn: Tài liệu Lakebridge và trang giải pháp chuyển đổi của Databricks, tra cứu ngày 28/9/2026. Lakebridge phát triển nhanh; danh sách hệ thống nguồn và bộ chuyển đổi được hỗ trợ cần đối chiếu tài liệu hiện hành trước khi lập kế hoạch.