Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

# Migrieren Sie zu einer neuen Amazon MWAA-Umgebung
<a name="migrating-to-new-mwaa"></a>

Erkunden Sie die folgenden Schritte, um Ihren vorhandenen Apache Airflow Airflow-Workload auf eine neue Amazon MWAA-Umgebung zu migrieren. Sie können diese Schritte verwenden, um von einer älteren Version von Amazon MWAA zu einer neuen Version zu migrieren oder Ihre selbstverwaltete Apache Airflow Airflow-Bereitstellung zu Amazon MWAA zu migrieren. In diesem Tutorial wird davon ausgegangen, dass Sie von einem vorhandenen Apache Airflow v1.10.12 zu einem neuen Amazon MWAA migrieren, auf dem Apache Airflow v2.5.1 ausgeführt wird. Sie können jedoch dieselben Verfahren verwenden, um von oder zu verschiedenen Apache Airflow Airflow-Versionen zu migrieren. 

**Topics**
+ [Voraussetzungen](#migrating-to-new-mwaa-prerequisites)
+ [Schritt eins: Erstellen Sie eine neue Amazon MWAA-Umgebung, in der die neueste unterstützte Apache Airflow Airflow-Version ausgeführt wird](#migrating-to-new-mwaa-create-a-new-environment)
+ [Schritt zwei: Migrieren Sie Ihre Workflow-Ressourcen](#migrating-to-new-mwaa-workflows)
+ [Schritt drei: Exportieren der Metadaten aus Ihrer bestehenden Umgebung](#migrating-to-new-mwaa-exporting-metadatadb)
+ [Schritt vier: Importieren der Metadaten in Ihre neue Umgebung](#migrating-to-new-mwaa-importing-metadatadb)
+ [Nächste Schritte](#migrating-to-new-mwaa-next-up)

## Voraussetzungen
<a name="migrating-to-new-mwaa-prerequisites"></a>

Um die Schritte abschließen und Ihre Umgebung migrieren zu können, benötigen Sie Folgendes:
+ Eine Apache Airflow Airflow-Bereitstellung. Dies kann eine selbstverwaltete oder bestehende Amazon MWAA-Umgebung sein.
+  [Docker ist für Ihr lokales Betriebssystem installiert](https://docs.docker.com/get-docker/). 
+  [AWS Command Line Interface Version 2](https://docs.aws.amazon.com/cli/latest/userguide/getting-started-install) installiert. 

## Schritt eins: Erstellen Sie eine neue Amazon MWAA-Umgebung, in der die neueste unterstützte Apache Airflow Airflow-Version ausgeführt wird
<a name="migrating-to-new-mwaa-create-a-new-environment"></a>

 Sie können eine Umgebung mithilfe der detaillierten Schritte unter [Erste Schritte mit Amazon MWAA](https://docs.aws.amazon.com/mwaa/latest/userguide/get-started.html) im *Amazon MWAA-Benutzerhandbuch oder mithilfe einer* Vorlage erstellen. CloudFormation Wenn Sie aus einer bestehenden Amazon MWAA-Umgebung migrieren und eine CloudFormation Vorlage verwendet haben, um Ihre alte Umgebung zu erstellen, können Sie die `AirflowVersion` Eigenschaft ändern, um die neue Version anzugeben. 

```
MwaaEnvironment:
  Type: AWS::MWAA::Environment
  DependsOn: MwaaExecutionPolicy
  Properties:
    Name: !Sub "${AWS::StackName}-MwaaEnvironment"
    SourceBucketArn: !GetAtt EnvironmentBucket.Arn
    ExecutionRoleArn: !GetAtt MwaaExecutionRole.Arn
    AirflowVersion: 2.5.1
    DagS3Path: dags
  NetworkConfiguration:
    SecurityGroupIds:
      - !GetAtt SecurityGroup.GroupId
    SubnetIds:
      - !Ref PrivateSubnet1
      - !Ref PrivateSubnet2
  WebserverAccessMode: PUBLIC_ONLY
  MaxWorkers: !Ref MaxWorkerNodes
  LoggingConfiguration:
    DagProcessingLogs:
      LogLevel: !Ref DagProcessingLogs
      Enabled: true
    SchedulerLogs:
      LogLevel: !Ref SchedulerLogsLevel
      Enabled: true
    TaskLogs:
      LogLevel: !Ref TaskLogsLevel
      Enabled: true
    WorkerLogs:
      LogLevel: !Ref WorkerLogsLevel
      Enabled: true
    WebserverLogs:
      LogLevel: !Ref WebserverLogsLevel
      Enabled: true
```

 Wenn Sie aus einer vorhandenen Amazon MWAA-Umgebung migrieren, können Sie alternativ das folgende Python-Skript kopieren, das das [AWS SDK für Python (Boto3)](https://boto3.amazonaws.com/v1/documentation/api/latest/index.html) verwendet, um Ihre Umgebung zu klonen. [Sie können das Skript auch herunterladen.](../userguide/samples/clone_environment.zip) 

### Python-Skript
<a name="migrating-to-new-mwaa-clone-a-new-environment"></a>

```
# This Python file uses the following encoding: utf-8
'''
Copyright Amazon.com, Inc. or its affiliates. All Rights Reserved.
SPDX-License-Identifier: MIT-0

Permission is hereby granted, free of charge, to any person obtaining a copy of this
software and associated documentation files (the "Software"), to deal in the Software
without restriction, including without limitation the rights to use, copy, modify,
merge, publish, distribute, sublicense, and/or sell copies of the Software, and to
permit persons to whom the Software is furnished to do so.

THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR IMPLIED,
INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY, FITNESS FOR A
PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE AUTHORS OR COPYRIGHT
HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION
OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION WITH THE
SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE.
'''
from __future__ import print_function
import argparse
import json
import socket
import time
import re
import sys
from datetime import timedelta
from datetime import datetime
import boto3
from botocore.exceptions import ClientError, ProfileNotFound
from boto3.session import Session
ENV_NAME = ""
REGION = ""

def verify_boto3(boto3_current_version):
    '''
    check if boto3 version is valid, must be 1.17.80 and up
    return true if all dependenceis are valid, false otherwise
    '''
    valid_starting_version = '1.17.80'
    if boto3_current_version == valid_starting_version:
        return True
    ver1 = boto3_current_version.split('.')
    ver2 = valid_starting_version.split('.')
    for i in range(max(len(ver1), len(ver2))):
        num1 = int(ver1[i]) if i < len(ver1) else 0
        num2 = int(ver2[i]) if i < len(ver2) else 0
        if num1 > num2:
            return True
        elif num1 < num2:
            return False
    return False


def get_account_id(env_info):
    '''
    Given the environment metadata, fetch the account id from the
    environment ARN
    '''
    return env_info['Arn'].split(":")[4]


def validate_envname(env_name):
    '''
    verify environment name doesn't have path to files or unexpected input
    '''
    if re.match(r"^[a-zA-Z][0-9a-zA-Z-_]*$", env_name):
        return env_name
    raise argparse.ArgumentTypeError("%s is an invalid environment name value" % env_name)


def validation_region(input_region):
    '''
    verify environment name doesn't have path to files or unexpected input
    REGION: example is us-east-1
    '''
    session = Session()
    mwaa_regions = session.get_available_regions('mwaa')
    if input_region in mwaa_regions:
        return input_region
    raise argparse.ArgumentTypeError("%s is an invalid REGION value" % input_region)


def validation_profile(profile_name):
    '''
    verify profile name doesn't have path to files or unexpected input
    '''
    if re.match(r"^[a-zA-Z0-9]*$", profile_name):
        return profile_name
    raise argparse.ArgumentTypeError("%s is an invalid profile name value" % profile_name)

def validation_version(version_name):
    '''
    verify profile name doesn't have path to files or unexpected input
    '''
    if re.match(r"[1-2].\d.\d", version_name):
        return version_name
    raise argparse.ArgumentTypeError("%s is an invalid version name value" % version_name)

def validation_execution_role(execution_role_arn):
    '''
    verify profile name doesn't have path to files or unexpected input
    '''
    if re.match(r'(?i)\b((?:[a-z][\w-]+:(?:/{1,3}|[a-z0-9%])|www\d{0,3}[.]|[a-z0-9.\-]+[.][a-z]{2,4}/)(?:[^\s()<>]+|\(([^\s()<>]+|(\([^\s()<>]+\)))*\))+(?:\(([^\s()<>]+|(\([^\s()<>]+\)))*\)|[^\s`!()\[\]{};:\'".,<>?«»“”‘’]))', execution_role_arn):
        return execution_role_arn
    raise argparse.ArgumentTypeError("%s is an invalid execution role ARN" % execution_role_arn)

def create_new_env(env):
    '''
    method to duplicate env
    '''
    mwaa = boto3.client('mwaa', region_name=REGION)

    print('Source Environment')
    print(env)
    if (env['AirflowVersion']=="1.10.12") and (VERSION=="2.2.2"):
        if env['AirflowConfigurationOptions']['secrets.backend']=='airflow.contrib.secrets.aws_secrets_manager.SecretsManagerBackend':
            print('swapping',env['AirflowConfigurationOptions']['secrets.backend'])
            env['AirflowConfigurationOptions']['secrets.backend']='airflow.providers.amazon.aws.secrets.secrets_manager.SecretsManagerBackend'
    env['LoggingConfiguration']['DagProcessingLogs'].pop('CloudWatchLogGroupArn')
    env['LoggingConfiguration']['SchedulerLogs'].pop('CloudWatchLogGroupArn')
    env['LoggingConfiguration']['TaskLogs'].pop('CloudWatchLogGroupArn')
    env['LoggingConfiguration']['WebserverLogs'].pop('CloudWatchLogGroupArn')
    env['LoggingConfiguration']['WorkerLogs'].pop('CloudWatchLogGroupArn')
    env['AirflowVersion']=VERSION
    env['ExecutionRoleArn']=EXECUTION_ROLE_ARN
    env['Name']=ENV_NAME_NEW
    env.pop('Arn')
    env.pop('CreatedAt')
    env.pop('LastUpdate')
    env.pop('ServiceRoleArn')
    env.pop('Status')
    env.pop('WebserverUrl')
    if not env['Tags']:
        env.pop('Tags')
    print('Destination Environment')
    print(env)

    return mwaa.create_environment(**env)

def get_mwaa_env(input_env_name):
 
    # https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/mwaa.html#MWAA.Client.get_environment
    mwaa = boto3.client('mwaa', region_name=REGION)
    environment = mwaa.get_environment(
        Name=input_env_name
    )['Environment']

    return environment

def print_err_msg(c_err):
    '''short method to handle printing an error message if there is one'''
    print('Error Message: {}'.format(c_err.response['Error']['Message']))
    print('Request ID: {}'.format(c_err.response['ResponseMetadata']['RequestId']))
    print('Http code: {}'.format(c_err.response['ResponseMetadata']['HTTPStatusCode']))

#
# Main
#
# Usage:
# python3 clone_environment.py --envname MySourceEnv --envnamenew MyDestEnv --region us-west-2 --execution_role AmazonMWAA-MyDestEnv-ExecutionRole --version 2.2.2
#
# based on https://github.com/awslabs/aws-support-tools/blob/master/MWAA/verify_env/verify_env.py
#

if __name__ == '__main__':
    if sys.version_info[0] < 3:
        print("python2 detected, please use python3. Will try to run anyway")
    if not verify_boto3(boto3.__version__):
        print("boto3 version ", boto3.__version__, "is not valid for this script. Need 1.17.80 or higher")
        print("please run pip install boto3 --upgrade --user")
        sys.exit(1)
    parser = argparse.ArgumentParser()
    parser.add_argument('--envname', type=validate_envname, required=True, help="name of the source MWAA environment")
    parser.add_argument('--region', type=validation_region, default=boto3.session.Session().region_name,
                        required=False, help="region, Ex: us-east-1")
    parser.add_argument('--profile', type=validation_profile, default=None,
                        required=False, help="AWS CLI profile, Ex: dev")
    parser.add_argument('--version', type=validation_version, default="2.2.2",
                        required=False, help="Airflow destination version, Ex: 2.2.2")
    parser.add_argument('--execution_role', type=validation_execution_role, default=None,
                        required=True, help="New environment execution role ARN, Ex: arn:aws:iam::112233445566:role/service-role/AmazonMWAA-MyEnvironment-ExecutionRole")
    parser.add_argument('--envnamenew', type=validate_envname, required=True, help="name of the destination MWAA environment")

    args, _ = parser.parse_known_args()
    ENV_NAME = args.envname
    REGION = args.region
    PROFILE = args.profile
    VERSION = args.version
    EXECUTION_ROLE_ARN = args.execution_role
    ENV_NAME_NEW = args.envnamenew

    try:
        print("PROFILE",PROFILE)
        if PROFILE:
            boto3.setup_default_session(profile_name=PROFILE)
        env = get_mwaa_env(ENV_NAME)
        response = create_new_env(env)
        print(response)
    except ClientError as client_error:
        if client_error.response['Error']['Code'] == 'LimitExceededException':
            print_err_msg(client_error)
            print('please retry the script')
        elif client_error.response['Error']['Code'] in ['AccessDeniedException', 'NotAuthorized']:
            print_err_msg(client_error)
            print('please verify permissions used have permissions documented in readme')
        elif client_error.response['Error']['Code'] == 'InternalFailure':
            print_err_msg(client_error)
            print('please retry the script')
        else:
            print_err_msg(client_error)
    except ProfileNotFound as profile_not_found:
        print('profile', PROFILE, 'does not exist; check the profile name')
    except IndexError as error:
        print("Error:", error)
```

## Schritt zwei: Migrieren Sie Ihre Workflow-Ressourcen
<a name="migrating-to-new-mwaa-workflows"></a>

 Apache Airflow v2 ist eine Hauptversionsversion. Wenn Sie von Apache Airflow v1 migrieren, müssen Sie Ihre Workflow-Ressourcen vorbereiten und die Änderungen überprüfen DAGs, die Sie an Ihren Anforderungen und Plugins vornehmen. Zu diesem Zweck empfehlen wir, eine *Bridge-Version* von Apache Airflow auf Ihrem lokalen Betriebssystem mithilfe von Docker und dem [Amazon MWAA](https://github.com/aws/aws-mwaa-local-runner) Local Runner zu konfigurieren. Der Amazon MWAA Local Runner bietet ein Befehlszeilenschnittstellen-Hilfsprogramm (CLI), das eine Amazon MWAA-Umgebung lokal repliziert. 

 Wenn Sie Apache Airflow Airflow-Versionen ändern, stellen Sie sicher, dass Sie in Ihrem [`requirements.txt`auf die richtige `--constraint`](https://docs.aws.amazon.com/mwaa/latest/userguide/working-dags-dependencies.html#working-dags-dependencies-test-create) URL verweisen. 

**Um Ihre Workflow-Ressourcen zu migrieren**

1.  Erstellen Sie einen Fork des [aws-mwaa-local-runner](https://github.com/aws/aws-mwaa-local-runner)Repositorys und klonen Sie eine Kopie des lokalen Amazon MWAA-Runners. 

1.  Checken Sie den `v1.10.15` Zweig des Repositorys aus. aws-mwaa-local-runner Apache Airflow hat v1.10.15 als *Bridge-Version* veröffentlicht, um die Migration zu Apache Airflow v2 zu unterstützen. Obwohl Amazon MWAA v1.10.15 nicht unterstützt, können Sie den lokalen Amazon MWAA-Runner verwenden, um Ihre Ressourcen zu testen. 

1.  Verwenden Sie das Amazon MWAA Local Runner CLI-Tool, um das Docker-Image zu erstellen und Apache Airflow lokal auszuführen. Weitere Informationen finden Sie in der [README-Datei](https://github.com/aws/aws-mwaa-local-runner/tree/v1.10.15#readme) für den lokalen Runner im Repository. GitHub 

1.  Wenn Apache Airflow lokal ausgeführt wird, folgen Sie den Schritten, die unter [Upgrade von 1.10 auf 2](https://airflow.apache.org/docs/apache-airflow/stable/upgrading-from-1-10/index.html) auf der Apache Airflow Airflow-Dokumentationswebsite beschrieben sind. 

   1.  Um Ihre zu aktualisieren`requirements.txt`, folgen Sie den bewährten Methoden, die wir unter [Verwaltung von Python-Abhängigkeiten](https://docs.aws.amazon.com/mwaa/latest/userguide/best-practices-dependencies.html) im *Amazon MWAA-Benutzerhandbuch* empfehlen. 

   1.  Wenn Sie Ihre benutzerdefinierten Operatoren und Sensoren mit Ihren Plugins für Ihre bestehende Apache Airflow v1.10.12-Umgebung gebündelt haben, verschieben Sie sie in Ihren DAG-Ordner. Weitere Informationen zu den bewährten Methoden zur Modulverwaltung für Apache Airflow v2\$1 finden Sie unter [Module Management](https://airflow.apache.org/docs/apache-airflow/stable/modules_management.html) auf der Apache Airflow Airflow-Dokumentationswebsite. 

1.  Nachdem Sie die erforderlichen Änderungen an Ihren Workflow-Ressourcen vorgenommen haben, checken Sie den `v2.5.1` Zweig des aws-mwaa-local-runner Repositorys aus und testen Sie Ihren aktualisierten Workflow DAGs, Ihre Anforderungen und Ihre benutzerdefinierten Plugins lokal. Wenn Sie zu einer anderen Apache Airflow Airflow-Version migrieren, können Sie stattdessen den entsprechenden lokalen Runner-Zweig für Ihre Version verwenden. 

1.  Nachdem Sie Ihre Workflow-Ressourcen erfolgreich getestet haben, kopieren Sie Ihre DAGs`requirements.txt`, und Plugins in den Amazon S3 S3-Bucket, den Sie mit Ihrer neuen Amazon MWAA-Umgebung konfiguriert haben. 

## Schritt drei: Exportieren der Metadaten aus Ihrer bestehenden Umgebung
<a name="migrating-to-new-mwaa-exporting-metadatadb"></a>

 Apache Airflow-Metadatentabellen wie`dag`,`dag_tag`, und `dag_code` werden automatisch aufgefüllt, wenn Sie die aktualisierten DAG-Dateien in den Amazon S3 S3-Bucket Ihrer Umgebung kopieren und der Scheduler sie analysiert. Auch berechtigungsbezogene Tabellen werden basierend auf Ihrer IAM-Ausführungsrolle automatisch aufgefüllt. Sie müssen sie nicht migrieren. 

 Sie können Daten migrieren, die sich auf den DAG-Verlauf `variable``slot_pool`,`sla_miss`,, und, falls erforderlich`xcom`,`job`, und `log` Tabellen beziehen. Das Protokoll der Taskinstanz wird in den CloudWatch Protokollen unter der `airflow-{environment_name}` Protokollgruppe gespeichert. Wenn Sie die Protokolle der Task-Instanz für ältere Läufe sehen möchten, müssen diese Protokolle in die neue Umgebungsprotokollgruppe kopiert werden. Wir empfehlen, dass Sie nur Protokolle für einige Tage verschieben, um die damit verbundenen Kosten zu senken. 

 Wenn Sie aus einer bestehenden Amazon MWAA-Umgebung migrieren, gibt es keinen direkten Zugriff auf die Metadaten-Datenbank. Sie müssen eine DAG ausführen, um die Metadaten aus Ihrer bestehenden Amazon MWAA-Umgebung in einen Amazon S3 S3-Bucket Ihrer Wahl zu exportieren. Die folgenden Schritte können auch verwendet werden, um Apache Airflow-Metadaten zu exportieren, wenn Sie aus einer selbstverwalteten Umgebung migrieren. 

 Nachdem die Daten exportiert wurden, können Sie in Ihrer neuen Umgebung eine DAG ausführen, um die Daten zu importieren. Während des Export- und Importvorgangs DAGs werden alle anderen angehalten. 

**Um die Metadaten aus Ihrer vorhandenen Umgebung zu exportieren**

1.  Erstellen Sie einen Amazon S3 S3-Bucket mit dem AWS CLI , um die exportierten Daten zu speichern. Ersetzen Sie das `UUID` und `region` durch Ihre Informationen. 

   ```
   aws s3api create-bucket \
   --bucket mwaa-migration-{UUID}\
   --region {region}
   ```
**Anmerkung**  
 Wenn Sie sensible Daten migrieren, z. B. Verbindungen, die Sie in Variablen speichern, empfehlen wir Ihnen, die [Standardverschlüsselung für den Amazon S3 S3-Bucket zu aktivieren](https://docs.aws.amazon.com/AmazonS3/latest/userguide/default-bucket-encryption.html). 

1. 
**Anmerkung**  
Gilt nicht für die Migration aus einer selbstverwalteten Umgebung.

    Ändern Sie die Ausführungsrolle der vorhandenen Umgebung und fügen Sie die folgende Richtlinie hinzu, um Schreibzugriff auf den Bucket zu gewähren, den Sie in Schritt 1 erstellt haben. 

------
#### [ JSON ]

****  

   ```
   {
       "Version":"2012-10-17",		 	 	 
       "Statement": [
           {
               "Effect": "Allow",
               "Action": [
                   "s3:PutObject*"
               ],
               "Resource": [
                   "arn:aws:s3:::mwaa-migration-{UUID}/*"
               ]
           }
       ]
   }
   ```

------

1.  Klonen Sie das [amazon-mwaa-examples](https://github.com/aws-samples/amazon-mwaa-examples)Repository und navigieren Sie zum `metadata-migration` Unterverzeichnis für Ihr Migrationsszenario. 

   ```
   git clone https://github.com/aws-samples/amazon-mwaa-examples.git
   cd amazon-mwaa-examples/usecases/metadata-migration/existing-version-new-version/
   ```

1.  Ersetzen Sie in `export_data.py` den Zeichenkettenwert für `S3_BUCKET` durch den Amazon S3 S3-Bucket, den Sie zum Speichern exportierter Metadaten erstellt haben. 

   ```
   S3_BUCKET = 'mwaa-migration-{UUID}'
   ```

1.  Suchen Sie die `requirements.txt` Datei im `metadata-migration` Verzeichnis. Wenn Sie bereits über eine Anforderungsdatei für Ihre bestehende Umgebung verfügen, fügen Sie Ihrer Datei die zusätzlichen Anforderungen `requirements.txt` hinzu, die in angegeben sind. Wenn Sie noch keine Anforderungsdatei haben, können Sie einfach die Datei verwenden, die im `metadata-migration` Verzeichnis bereitgestellt wird. 

1.  Kopieren `export_data.py` Sie in das DAG-Verzeichnis des Amazon S3 S3-Buckets, der mit Ihrer vorhandenen Umgebung verknüpft ist. Wenn Sie aus einer selbstverwalteten Umgebung migrieren, kopieren Sie `export_data.py` in Ihren `/dags` Ordner. 

1. Kopieren Sie Ihre Aktualisierung `requirements.txt` in den Amazon S3 S3-Bucket, der mit Ihrer vorhandenen Umgebung verknüpft ist, und bearbeiten Sie dann die Umgebung, um die neue `requirements.txt` Version anzugeben.

1.  Nachdem die Umgebung aktualisiert wurde, greifen Sie auf die Apache Airflow Airflow-Benutzeroberfläche zu, heben Sie die Pause der `db_export` DAG auf und lösen Sie die Ausführung des Workflows aus. 

1.  Stellen Sie sicher, dass die Metadaten `data/migration/existing-version_to_new-version/export/` in den `mwaa-migration-{UUID}` Amazon S3 S3-Bucket exportiert werden, wobei sich jede Tabelle in einer eigenen Datei befindet. 

## Schritt vier: Importieren der Metadaten in Ihre neue Umgebung
<a name="migrating-to-new-mwaa-importing-metadatadb"></a>

**Um die Metadaten in Ihre neue Umgebung zu importieren**

1.  Ersetzen Sie in `import_data.py` die folgenden Zeichenfolgenwerte durch Ihre Informationen. 
   + Für die Migration aus einer bestehenden Amazon MWAA-Umgebung:

     ```
     S3_BUCKET = 'mwaa-migration-{UUID}'
     							OLD_ENV_NAME='{old_environment_name}'
     							NEW_ENV_NAME='{new_environment_name}'
     							TI_LOG_MAX_DAYS = {number_of_days}
     ```

      `MAX_DAYS`steuert, wie viele Tage Protokolldateien der Workflow in die neue Umgebung kopiert. 
   + Für die Migration aus einer selbstverwalteten Umgebung:

     ```
     S3_BUCKET = 'mwaa-migration-{UUID}'
     							NEW_ENV_NAME='{new_environment_name}'
     ```

1.  (Optional) `import_data.py` kopiert nur die Protokolle fehlgeschlagener Aufgaben. Wenn Sie alle Aufgabenprotokolle kopieren möchten, ändern Sie die `getDagTasks` Funktion und entfernen Sie `ti.state = 'failed'` sie, wie im folgenden Codeausschnitt gezeigt. 

   ```
   def getDagTasks():
   					session = settings.Session()
   					dagTasks = session.execute(f"select distinct ti.dag_id, ti.task_id, date(r.execution_date) as ed \
   					from task_instance ti, dag_run r where r.execution_date > current_date - {TI_LOG_MAX_DAYS} and \
   					ti.dag_id=r.dag_id and ti.run_id = r.run_id order by ti.dag_id, date(r.execution_date);").fetchall()
   					return dagTasks
   ```

1.  Ändern Sie die Ausführungsrolle Ihrer neuen Umgebung und fügen Sie die folgende Richtlinie hinzu. Die Berechtigungsrichtlinie ermöglicht Amazon MWAA, aus dem Amazon S3 S3-Bucket zu lesen, in den Sie die Apache Airflow-Metadaten exportiert haben, und Task-Instance-Protokolle aus vorhandenen Protokollgruppen zu kopieren. Ersetzen Sie alle Platzhalter durch Ihre Informationen. 
**Anmerkung**  
 Wenn Sie aus einer selbstverwalteten Umgebung migrieren, müssen Sie die Berechtigungen für CloudWatch Logs aus der Richtlinie entfernen. 

------
#### [ JSON ]

****  

   ```
   {
       "Version":"2012-10-17",		 	 	 
       "Statement": [
           {
               "Effect": "Allow",
               "Action": [
                   "logs:GetLogEvents",
                   "logs:DescribeLogStreams"
               ],
               "Resource": [
                "arn:aws:logs:us-east-1:111122223333:log-group:airflow-{old_environment_name}*"
               ]
           },
           {
               "Effect": "Allow",
               "Action": [
                   "s3:GetObject",
                   "s3:ListBucket"
               ],
               "Resource": [
                   "arn:aws:s3:::mwaa-migration-{UUID}",
                   "arn:aws:s3:::mwaa-migration-{UUID}/*"
               ]
           }
       ]
   }
   ```

------

1.  Kopieren Sie `import_data.py` in das DAG-Verzeichnis des Amazon S3 S3-Buckets, der mit Ihrer neuen Umgebung verknüpft ist, und greifen Sie dann auf die Apache Airflow Airflow-Benutzeroberfläche zu, um die `db_import` DAG zu unterbrechen und den Workflow auszulösen. Die neue DAG wird in wenigen Minuten in der Apache Airflow Airflow-Benutzeroberfläche angezeigt. 

1.  Stellen Sie nach Abschluss der DAG-Ausführung sicher, dass Ihr DAG-Ausführungsverlauf kopiert wurde, indem Sie auf jede einzelne DAG zugreifen. 

## Nächste Schritte
<a name="migrating-to-new-mwaa-next-up"></a>
+  Weitere Informationen zu verfügbaren Amazon MWAA-Umgebungsklassen und Funktionen finden Sie unter [Amazon MWAA-Umgebungsklasse](https://docs.aws.amazon.com/mwaa/latest/userguide/environment-class.html) im *Amazon* MWAA-Benutzerhandbuch. 
+  *Weitere Informationen darüber, wie Amazon MWAA mit Autoscaling-Workern umgeht, finden Sie unter [Amazon MWAA Automatic Scaling im Amazon MWAA-Benutzerhandbuch](https://docs.aws.amazon.com/mwaa/latest/userguide/mwaa-autoscaling.html).* 
+  Weitere Informationen zur Amazon MWAA REST API finden Sie unter [Amazon MWAA](https://docs.aws.amazon.com/mwaa/latest/API/Welcome.html) REST API.