Uma empresa está migrando seu banco de dados Oracle on-premises para o Amazon Aurora PostgreSQL. O banco de dados possui várias aplicações que escrevem nas mesmas tabelas. As aplicações precisam ser migradas uma a uma, com um mês de intervalo entre cada migração. A gerência expressou preocupações de que o banco de dados tem um alto número de leituras e gravações. Os dados devem ser mantidos sincronizados em ambos os bancos de dados durante toda a migração. O que um arquiteto de soluções deve recomendar?

A opção correta é usar o AWS Schema Conversion Tool (AWS SCT) com o AWS Database Migration Service (AWS DMS) e uma instância de replicação otimizada para memória, criando uma tarefa de carga total mais CDC. O AWS SCT é essencial para converter o esquema do Oracle para PostgreSQL, enquanto o AWS DMS garante a migração contínua dos dados e a sincronização em tempo real (CDC) durante a migração faseada das aplicações. Uma instância otimizada para memória é crucial para lidar com o alto volume de leituras e gravações, garantindo que o DMS possa processar eficientemente os dados sem gargalos. A carga total inicial migra os dados existentes, e o CDC mantém a sincronização. As opções incorretas: Usar o AWS DataSync não é apropriado para migração de banco de dados relacional, pois ele é projetado para transferência de arquivos e objetos. A segunda opção também sugere DataSync, que é inadequado. A última opção sugere uma instância otimizada para computação, que não é ideal para cargas de trabalho intensivas em memória como replicação de banco de dados com alto volume de transações. Além disso, selecionar apenas as maiores tabelas não garante a migração completa de todos os dados necessários.