Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Bermigrasi ke lingkungan Amazon MWAA baru
<a name="migrating-to-new-mwaa"></a>

Jelajahi langkah-langkah berikut untuk memigrasikan beban kerja Apache Airflow Anda yang ada ke lingkungan Amazon MWAA baru. Anda dapat menggunakan langkah-langkah ini untuk bermigrasi dari Amazon MWAA versi lama ke rilis versi baru, atau memigrasikan penyebaran Apache Airflow yang dikelola sendiri ke Amazon MWAA. Tutorial ini mengasumsikan Anda bermigrasi dari Apache Airflow v1.10.12 yang ada ke Amazon MWAA baru yang menjalankan Apache Airflow v2.5.1, tetapi Anda dapat menggunakan prosedur yang sama untuk bermigrasi dari, atau ke versi Apache Airflow yang berbeda. 

**Topics**
+ [Prasyarat](#migrating-to-new-mwaa-prerequisites)
+ [Langkah satu: Buat lingkungan Amazon MWAA baru yang menjalankan versi Apache Airflow terbaru yang didukung](#migrating-to-new-mwaa-create-a-new-environment)
+ [Langkah kedua: Migrasikan sumber daya alur kerja Anda](#migrating-to-new-mwaa-workflows)
+ [Langkah ketiga: Mengekspor metadata dari lingkungan Anda yang ada](#migrating-to-new-mwaa-exporting-metadatadb)
+ [Langkah empat: Mengimpor metadata ke lingkungan baru Anda](#migrating-to-new-mwaa-importing-metadatadb)
+ [Langkah selanjutnya](#migrating-to-new-mwaa-next-up)

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

Untuk dapat menyelesaikan langkah-langkah dan memigrasikan lingkungan Anda, Anda memerlukan yang berikut:
+ Penyebaran Apache Airflow. Ini bisa berupa lingkungan MWAA Amazon yang dikelola sendiri atau yang ada.
+  [Docker diinstal](https://docs.docker.com/get-docker/) untuk sistem operasi lokal Anda. 
+  [AWS Command Line Interface versi 2](https://docs.aws.amazon.com/cli/latest/userguide/getting-started-install) diinstal. 

## Langkah satu: Buat lingkungan Amazon MWAA baru yang menjalankan versi Apache Airflow terbaru yang didukung
<a name="migrating-to-new-mwaa-create-a-new-environment"></a>

 Anda dapat membuat lingkungan menggunakan langkah-langkah terperinci dalam [Memulai Amazon MWAA](https://docs.aws.amazon.com/mwaa/latest/userguide/get-started.html) di *Panduan Pengguna Amazon MWAA*, atau dengan menggunakan templat. CloudFormation Jika Anda bermigrasi dari lingkungan Amazon MWAA yang ada, dan menggunakan CloudFormation templat untuk membuat lingkungan lama, Anda dapat mengubah `AirflowVersion` properti untuk menentukan versi baru. 

```
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
```

 Atau, jika bermigrasi dari lingkungan Amazon MWAA yang ada, Anda dapat menyalin skrip Python berikut yang menggunakan [AWS SDK for Python (Boto3)](https://boto3.amazonaws.com/v1/documentation/api/latest/index.html) untuk mengkloning lingkungan Anda. Anda juga dapat [mengunduh skrip](../userguide/samples/clone_environment.zip). 

### Skrip Python
<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)
```

## Langkah kedua: Migrasikan sumber daya alur kerja Anda
<a name="migrating-to-new-mwaa-workflows"></a>

 Apache Airflow v2 adalah rilis versi utama. Jika Anda bermigrasi dari Apache Airflow v1, Anda harus menyiapkan sumber daya alur kerja Anda dan memverifikasi perubahan yang Anda buat pada, persyaratan, dan plugin Anda. DAGs [Untuk melakukannya, kami sarankan untuk mengonfigurasi versi *jembatan* Apache Airflow di sistem operasi lokal Anda menggunakan Docker dan pelari lokal Amazon MWAA.](https://github.com/aws/aws-mwaa-local-runner) Pelari lokal Amazon MWAA menyediakan utilitas antarmuka baris perintah (CLI) yang mereplikasi lingkungan Amazon MWAA secara lokal. 

 Setiap kali Anda mengubah versi Apache Airflow, pastikan Anda [mereferensikan URL yang `--constraint` benar di situs Anda](https://docs.aws.amazon.com/mwaa/latest/userguide/working-dags-dependencies.html#working-dags-dependencies-test-create). `requirements.txt` 

**Untuk memigrasikan sumber daya alur kerja**

1.  Buat fork [aws-mwaa-local-runner](https://github.com/aws/aws-mwaa-local-runner)repositori, dan kloning salinan pelari lokal Amazon MWAA. 

1.  Periksa `v1.10.15` cabang aws-mwaa-local-runner repositori. Apache Airflow merilis v1.10.15 sebagai rilis *jembatan untuk membantu migrasi ke Apache Airflow v2, dan meskipun Amazon MWAA* tidak mendukung v1.10.15, Anda dapat menggunakan pelari lokal Amazon MWAA untuk menguji sumber daya Anda. 

1.  Gunakan alat CLI runner lokal Amazon MWAA untuk membuat image Docker dan menjalankan Apache Airflow secara lokal. Untuk informasi selengkapnya, lihat [README runner lokal di repositori](https://github.com/aws/aws-mwaa-local-runner/tree/v1.10.15#readme). GitHub 

1.  Menggunakan Apache Airflow berjalan secara lokal, ikuti langkah-langkah yang dijelaskan [dalam Upgrade dari 1.10 ke 2 di](https://airflow.apache.org/docs/apache-airflow/stable/upgrading-from-1-10/index.html) situs dokumentasi Apache Airflow. 

   1.  Untuk memperbarui`requirements.txt`, ikuti praktik terbaik yang kami rekomendasikan dalam [Mengelola dependensi Python](https://docs.aws.amazon.com/mwaa/latest/userguide/best-practices-dependencies.html), di Panduan Pengguna *Amazon* MWAA. 

   1.  Jika Anda telah menggabungkan operator dan sensor khusus Anda dengan plugin Anda untuk lingkungan Apache Airflow v1.10.12 yang ada, pindahkan ke folder DAG Anda. Untuk informasi lebih lanjut tentang praktik terbaik manajemen modul untuk Apache Airflow v2\$1, lihat Manajemen Modul [di](https://airflow.apache.org/docs/apache-airflow/stable/modules_management.html) situs web dokumentasi Apache Airflow. 

1.  Setelah Anda membuat perubahan yang diperlukan pada sumber daya alur kerja Anda, periksa `v2.5.1` cabang aws-mwaa-local-runner repositori, dan uji alur kerja, persyaratan DAGs, dan plugin kustom Anda yang diperbarui secara lokal. Jika Anda bermigrasi ke versi Apache Airflow yang berbeda, Anda dapat menggunakan cabang runner lokal yang sesuai untuk versi Anda. 

1.  Setelah berhasil menguji sumber daya alur kerja, salin DAGs`requirements.txt`, dan plugin ke bucket Amazon S3 yang dikonfigurasi dengan lingkungan Amazon MWAA baru. 

## Langkah ketiga: Mengekspor metadata dari lingkungan Anda yang ada
<a name="migrating-to-new-mwaa-exporting-metadatadb"></a>

 Tabel metadata Apache Airflow `dag` seperti`dag_tag`,, `dag_code` dan secara otomatis terisi saat Anda menyalin file DAG yang diperbarui ke bucket Amazon S3 lingkungan Anda dan penjadwal menguraikannya. Tabel terkait izin juga terisi secara otomatis berdasarkan izin peran eksekusi IAM Anda. Anda tidak perlu memigrasikan mereka. 

 Anda dapat memigrasikan data yang terkait dengan riwayat DAG`variable`,`slot_pool`,`sla_miss`,, dan jika diperlukan, `xcom``job`, dan `log` tabel. Log contoh tugas disimpan dalam CloudWatch Log di bawah grup `airflow-{environment_name}` log. Jika Anda ingin melihat log instance tugas untuk proses yang lebih lama, log tersebut harus disalin ke grup log lingkungan baru. Kami menyarankan Anda memindahkan log hanya beberapa hari untuk mengurangi biaya terkait. 

 Jika Anda bermigrasi dari lingkungan Amazon MWAA yang ada, tidak ada akses langsung ke database metadata. Anda harus menjalankan DAG untuk mengekspor metadata dari lingkungan Amazon MWAA yang ada ke bucket Amazon S3 pilihan Anda. Langkah-langkah berikut juga dapat digunakan untuk mengekspor metadata Apache Airflow jika Anda bermigrasi dari lingkungan yang dikelola sendiri. 

 Setelah data diekspor, Anda kemudian dapat menjalankan DAG di lingkungan baru Anda untuk mengimpor data. Selama proses ekspor dan impor, semua lainnya DAGs dijeda. 

**Untuk mengekspor metadata dari lingkungan yang ada**

1.  Buat bucket Amazon S3 menggunakan AWS CLI untuk menyimpan data yang diekspor. Ganti `UUID` dan `region` dengan informasi Anda. 

   ```
   aws s3api create-bucket \
   --bucket mwaa-migration-{UUID}\
   --region {region}
   ```
**catatan**  
 Jika Anda memigrasikan data sensitif, seperti koneksi yang disimpan dalam variabel, sebaiknya [aktifkan enkripsi default](https://docs.aws.amazon.com/AmazonS3/latest/userguide/default-bucket-encryption.html) untuk bucket Amazon S3. 

1. 
**catatan**  
Tidak berlaku untuk migrasi dari lingkungan yang dikelola sendiri.

    Ubah peran eksekusi lingkungan yang ada dan tambahkan kebijakan berikut untuk memberikan akses tulis ke bucket yang Anda buat di langkah pertama. 

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

****  

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

------

1.  Kloning [amazon-mwaa-examples](https://github.com/aws-samples/amazon-mwaa-examples)repositori, dan arahkan ke `metadata-migration` subdirektori untuk skenario migrasi Anda. 

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

1.  Di`export_data.py`, ganti nilai string `S3_BUCKET` dengan bucket Amazon S3 yang Anda buat untuk menyimpan metadata yang diekspor. 

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

1.  Temukan `requirements.txt` file di `metadata-migration` direktori. Jika Anda sudah memiliki file persyaratan untuk lingkungan yang ada, tambahkan persyaratan tambahan yang ditentukan `requirements.txt` ke file Anda. Jika Anda tidak memiliki file persyaratan yang ada, Anda cukup menggunakan yang disediakan di `metadata-migration` direktori. 

1.  Salin `export_data.py` ke direktori DAG bucket Amazon S3 yang terkait dengan lingkungan Anda yang ada. Jika bermigrasi dari lingkungan yang dikelola sendiri, salin `export_data.py` ke folder Anda`/dags`. 

1. Salin pembaruan Anda `requirements.txt` ke bucket Amazon S3 yang terkait dengan lingkungan yang ada, lalu edit lingkungan untuk menentukan versi baru`requirements.txt`.

1.  Setelah lingkungan diperbarui, akses UI Apache Airflow, unpause DAG, dan picu alur `db_export` kerja untuk berjalan. 

1.  Verifikasi bahwa metadata diekspor ke `data/migration/existing-version_to_new-version/export/` bucket `mwaa-migration-{UUID}` Amazon S3, dengan setiap tabel dalam file khusus itu sendiri. 

## Langkah empat: Mengimpor metadata ke lingkungan baru Anda
<a name="migrating-to-new-mwaa-importing-metadatadb"></a>

**Untuk mengimpor metadata ke lingkungan baru Anda**

1.  Di`import_data.py`, ganti nilai string untuk yang berikut ini dengan informasi Anda. 
   + Untuk migrasi dari lingkungan Amazon MWAA yang ada:

     ```
     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`mengontrol berapa hari file log yang disalin alur kerja ke lingkungan baru. 
   + Untuk migrasi dari lingkungan yang dikelola sendiri:

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

1.  (Opsional) hanya `import_data.py` menyalin log tugas yang gagal. Jika Anda ingin menyalin semua log tugas, memodifikasi `getDagTasks` fungsi, dan menghapus `ti.state = 'failed'` seperti yang ditunjukkan dalam cuplikan kode berikut. 

   ```
   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.  Ubah peran eksekusi lingkungan baru Anda dan tambahkan kebijakan berikut. Kebijakan izin memungkinkan Amazon MWAA membaca dari bucket Amazon S3 tempat Anda mengekspor metadata Apache Airflow, dan menyalin log instance tugas dari grup log yang ada. Ganti semua placeholder dengan informasi Anda. 
**catatan**  
 Jika Anda bermigrasi dari lingkungan yang dikelola sendiri, Anda harus menghapus izin terkait CloudWatch Log dari kebijakan. 

------
#### [ 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.  Salin `import_data.py` ke direktori DAG bucket Amazon S3 yang terkait dengan lingkungan baru Anda, lalu akses UI Apache Airflow untuk menghentikan jeda DAG dan memicu alur kerja`db_import`. DAG baru akan muncul di Apache Airflow UI dalam beberapa menit. 

1.  Setelah DAG run selesai, verifikasi bahwa riwayat lari DAG Anda disalin dengan mengakses setiap DAG individu. 

## Langkah selanjutnya
<a name="migrating-to-new-mwaa-next-up"></a>
+  Untuk informasi selengkapnya tentang kelas dan kemampuan lingkungan Amazon MWAA yang tersedia, lihat kelas [lingkungan Amazon MWAA di](https://docs.aws.amazon.com/mwaa/latest/userguide/environment-class.html) Panduan Pengguna *Amazon* MWAA. 
+  *Untuk informasi selengkapnya tentang cara Amazon MWAA menangani pekerja penskalaan otomatis, lihat [penskalaan otomatis Amazon MWAA di Panduan Pengguna Amazon MWAA.](https://docs.aws.amazon.com/mwaa/latest/userguide/mwaa-autoscaling.html)* 
+  Untuk informasi selengkapnya tentang Amazon MWAA REST API, lihat [Amazon MWAA](https://docs.aws.amazon.com/mwaa/latest/API/Welcome.html) REST API.