Migrazione da SSIS a Microsoft Fabric ― La strategia in due tempi
0|
0
Indice dei contenuti
Migrazione da SSIS a Microsoft Fabric: la strategia in due tempi
Obiettivo di questa guida
- Capire le scadenze che riguardano SSIS e SQL Server
- Decidere, pacchetto per pacchetto, se eseguirlo così com'è in Fabric o modernizzarlo
- Seguire un percorso operativo con checklist
- Affrontare i punti critici: script task, SCD, Oracle, collation
- Vedere come Pulse Convert automatizza la modernizzazione (70%–90% di conversione automatica iniziale)
- Contatti: Admin@innovationalofficesolution.com
1. Le scadenze da conoscere
- SQL Server 2016, su cui girano ancora molti pacchetti SSIS, ha terminato il supporto esteso il 14 luglio 2026. Per continuare a ricevere aggiornamenti di sicurezza servono gli Extended Security Updates a pagamento.
- SQL Server 2017 terminerà il supporto esteso il 12 ottobre 2027.
- Il connettore Microsoft per Oracle di SSIS non è più supportato dal 4 luglio 2025 e non è supportato in SQL Server 2025. L'alternativa indicata da Microsoft è ADO.NET, che però nei caricamenti massivi verso Oracle risulta sensibilmente più lenta.
Per un'azienda che ha costruito il proprio data warehouse su SQL Server e SSIS, aggiornare semplicemente la versione significa rifare lo stesso lavoro tra qualche anno. Microsoft Fabric offre un'alternativa: integrazione dati, data warehouse e Power BI in un'unica piattaforma SaaS, senza server da gestire.
2. Primo tempo: eseguire i pacchetti così come sono
A marzo 2026 Microsoft ha introdotto in Fabric Data Factory l'attività "Invoke SSIS Package" (in anteprima). Permette di salvare i pacchetti .dtsx in OneLake ed eseguirli direttamente da una pipeline Fabric, senza riscriverli e senza gestire un runtime di integrazione separato.
È il modo più rapido per spegnere i server ETL. C'è però un limite importante da conoscere: durante l'anteprima l'attività non può connettersi a origini dati on-premises o dietro un endpoint privato. I pacchetti che leggono da database interni all'azienda vanno quindi pianificati direttamente nel secondo tempo.
3. Secondo tempo: modernizzare
| Elemento SSIS | Destinazione in Fabric |
|---|---|
| Flusso di controllo | Pipeline Data Factory |
| Flusso di dati semplice (solo copia) | Attività di copia / Copy job |
| Flusso di dati con trasformazioni | Dataflow Gen2 (Power Query) o notebook PySpark |
| Slowly Changing Dimension | MERGE su tabelle Delta |
| Script task (C# / VB.NET) | Notebook PySpark o attività standard della pipeline |
| Execute Package Task | Attività Invoke Pipeline |
| Configurazioni e parametri di progetto | Parametri della pipeline / libreria di variabili |
| Job di SQL Server Agent | Pianificazione delle pipeline |
4. Il percorso operativo: checklist
- Esportare tutti i pacchetti dal catalogo SSISDB e dal file system
- Incrociare con lo storico dei job di SQL Server Agent per individuare i pacchetti inutilizzati
- Ricostruire le dipendenze tra pacchetti padre e figlio e i vincoli di precedenza
- Classificare ogni pacchetto: primo tempo (esecuzione così com'è) o secondo tempo (modernizzazione)
- Definire l'architettura medaglione in OneLake: Bronze, Silver, Gold
- Convertire flussi di controllo e flussi di dati
- Riscrivere gli script task partendo da ciò che fanno, non riga per riga
- Eseguire almeno una chiusura mensile in parallelo e riconciliare righe, importi e chiavi
- Spegnere i job di SQL Server Agent e dismettere i server ETL
Un consiglio pratico: molte aziende italiane scelgono la settimana di Ferragosto per il passaggio definitivo in produzione, quando volumi e utenti attivi sono al minimo e non c'è una chiusura contabile in corso.
5. I punti critici
Script task. Spesso chiamano servizi web, leggono file con tracciati non standard o scrivono log. Vanno prima descritti in termini di comportamento, poi reimplementati in Python.
Componente SCD. Il wizard SCD di SSIS elabora riga per riga ed è lento: in Fabric va sostituito con un unico MERGE su Delta.
Collation. SQL Server di norma non distingue maiuscole e minuscole; Spark sì. È una delle cause più frequenti di join "che non trovano" i record.
Oracle. Se i pacchetti leggono da Oracle con il connettore dismesso, in Fabric conviene usare il connettore Oracle di Data Factory oppure il mirroring Oracle verso OneLake.
File di testo e codifica. I file prodotti da gestionali storici possono essere in codifica Windows-1252 o ISO-8859-1 e contenere lettere accentate: la codifica va dichiarata esplicitamente in lettura.
6. Esempio applicativo: Emulus Consulting
Emulus Consulting ha applicato la strategia in due tempi per un gruppo del settore alimentare:
- 620 pacchetti SSIS censiti; il 24% dismesso
- 170 pacchetti eseguiti subito in Fabric con Invoke SSIS Package
- 300 pacchetti modernizzati in Data Factory, Dataflow Gen2 e PySpark, con una conversione automatica iniziale dell'82%
- 84 script task riscritti in Python con test automatici
- Finestra batch notturna ridotta da 5 ore a 1 ora e 10 minuti
- 7 server ETL dismessi, costo complessivo ridotto del 38%
7. Come Pulse Convert accelera la migrazione
- Inventario e classificazione: analisi automatica di SSISDB, dei job e delle dipendenze, con proposta primo/secondo tempo per ogni pacchetto
- Conversione: flussi di controllo e di dati convertiti in pipeline, Dataflow Gen2 e PySpark, con una conversione automatica iniziale del 70%–90%
- Script task: l'intelligenza artificiale descrive il comportamento di ogni script e genera il codice Python equivalente, rivisto dai nostri esperti
- PulseQA: confronto automatico di righe, importi, chiavi e righe scartate tra SSIS e Fabric
- Completamento esperto: il restante 10%–30% viene completato insieme al vostro team
Domande frequenti (FAQ)
Iniziate oggi
- POC gratuito: POC gratuito (Pulse Convert)
- Sito web: innovationalofficesolution.com
- Email: Admin@innovationalofficesolution.com
Esegui e modernizza i tuoi pacchetti SSIS su Microsoft Fabric
Affronta la fine del supporto di SQL Server 2016 e del connettore Oracle per SSIS con una strategia in due tempi: prima esegui i pacchetti .dtsx così come sono in Fabric, poi modernizzali in Data Factory e PySpark. Conversione automatica iniziale del 70%–90%.
