本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 將現有資料表遷移至 Iceberg
<a name="table-migration"></a>

本節著重於將您現有的 Hive 樣式資料表遷移至 Iceberg 格式。它適用於使用傳統 Hive 相容格式的資料表，例如 [Apache Parquet](https://parquet.apache.org/) 或 [Apache ORC](https://orc.apache.org/)。此資訊不適用於已使用現代資料表格式的資料表，例如 Linux Foundation Delta Lake 或 Apache Hudi。

若要將目前的 Hive 樣式資料表遷移至 Iceberg 格式，您可以使用就地或完整資料遷移： 
+ [就地遷移](table-migration-inplace.md)是在現有資料檔案上產生 Iceberg 中繼資料檔案的程序。
+ [完整資料遷移](table-migration-full.md)會建立 Iceberg 中繼資料層，也會將現有資料檔案從原始資料表重寫至新的 Iceberg 資料表。

以下各節提供每個遷移方法的詳細概觀，包括step-by-step說明和實作考量。如需這些遷移策略的詳細資訊，請參閱 Iceberg 文件的[資料表遷移](https://iceberg.apache.org/docs/latest/table-migration/)一節。

檢閱就地和完整資料遷移方法的詳細資訊後，請參閱下列兩個重要章節，以協助您的決策程序：
+ [選擇遷移策略](migration-strategy.md)可透過一系列問題和案例提供指引，協助您根據您的特定需求和使用案例來判斷最適合的遷移方法。
+ [遷移選項摘要](migration-options.md)提供完整的資料表，可比較不同遷移選項的關鍵特性和考量事項。此資料表可做為快速參考指南，並提供功能比較，協助您了解方法之間的技術取捨。

# 就地遷移
<a name="table-migration-inplace"></a>

就地遷移不需要重寫所有資料檔案。相反地，會產生 Iceberg 中繼資料檔案，並將其連結到您現有的資料檔案。此方法通常更快且更具成本效益，尤其是具有相容檔案格式的大型資料集或資料表，例如 Parquet、Avro 和 ORC。

**注意**  
遷移至 [Amazon S3 Tables ](https://docs.aws.amazon.com/AmazonS3/latest/userguide/s3-tables.html)時，無法使用就地遷移。

Iceberg 提供實作就地遷移的兩個主要選項：
+ 使用[快照](https://iceberg.apache.org/docs/latest/spark-procedures/#snapshot)程序建立新的 Iceberg 資料表，同時保持來源資料表不變。如需詳細資訊，請參閱 Iceberg 文件中的[快照表](https://iceberg.apache.org/docs/latest/table-migration/#snapshot-table)。
+ 使用[遷移](https://iceberg.apache.org/docs/latest/spark-procedures/#migrate)程序建立新的 Iceberg 資料表以取代來源資料表。如需詳細資訊，請參閱 Iceberg 文件中的[遷移資料表](https://iceberg.apache.org/docs/latest/table-migration/#migrate-table)。雖然此程序適用於 Hive Metastore (HMS)，但目前與 不相容 AWS Glue Data Catalog。本指南稍後章節[中的複寫資料表遷移程序 AWS Glue Data Catalog](#replicate-data-catalog)提供了使用 Data Catalog 實現類似結果的解決方法。

使用 `snapshot`或 執行就地遷移後`migrate`，某些資料檔案可能會保持未遷移狀態。這通常發生在寫入器在遷移期間或之後繼續寫入來源資料表時。若要將這些剩餘檔案納入 Iceberg 資料表，您可以使用 [add\$1files](https://iceberg.apache.org/docs/latest/spark-procedures/#add_files) 程序。如需詳細資訊，請參閱 Iceberg 文件中的[新增檔案](https://iceberg.apache.org/docs/latest/table-migration/#add-files)。

假設您有一個在 Athena 中建立並填入的 Parquet 型`products`資料表，如下所示：

```
CREATE EXTERNAL TABLE mydb.products (
    product_id INT,
    product_name STRING
)
PARTITIONED BY (category STRING)
STORED AS PARQUET
LOCATION 's3://amzn-s3-demo-bucket/products/';

INSERT INTO mydb.products
VALUES 
    (1001, 'Smartphone', 'electronics'),
    (1002, 'Laptop', 'electronics'),
    (2001, 'T-Shirt', 'clothing'),
    (2002, 'Jeans', 'clothing');
```

下列各節說明如何搭配此資料表使用 `snapshot`和 `migrate` 程序。

## 選項 1：快照程序
<a name="in-place-snapshot"></a>

`snapshot` 程序會建立新的 Iceberg 資料表，其名稱不同，但會複寫來源資料表的結構描述和分割。此操作會在動作期間和之後讓來源資料表完全保持不變。它有效地建立資料表的輕量型複本，這對於測試案例或資料探勘特別有用，而不會危及對原始資料來源的修改。此方法會啟用轉換期間，其中原始資料表和 Iceberg 資料表都會保持可用 （請參閱本節結尾的備註）。測試完成後，您可以將所有寫入器和讀取器轉換為新資料表，藉此將新的 Iceberg 資料表移至生產環境。

您可以在任何 Amazon EMR 部署模型 （例如，Amazon EMR on EC2、Amazon EMR on EKS、EMR Serverless) 和 中使用 Spark 來執行`snapshot`程序 AWS Glue。

若要使用 `snapshot` Spark 程序測試就地遷移，請遵循下列步驟：

1. 啟動 Spark 應用程式並使用下列設定設定 Spark 工作階段：
   + `"spark.sql.extensions":"org.apache.iceberg.spark.extensions.IcebergSparkSessionExtensions"`
   + `"spark.sql.catalog.spark_catalog":"org.apache.iceberg.spark.SparkSessionCatalog"`
   + `"spark.sql.catalog.spark_catalog.type":"glue"`
   + `"spark.hadoop.hive.metastore.client.factory.class":"com.amazonaws.glue.catalog.metastore.AWSGlueDataCatalogHiveClientFactory"`

1. 執行 `snapshot` 程序以建立新的 Iceberg 資料表，指向原始資料表資料檔案：

   ```
   spark.sql(f"""
   CALL system.snapshot(
   source_table => 'mydb.products', 
   table => 'mydb.products_iceberg',
   location => 's3://amzn-s3-demo-bucket/products_iceberg/'
   )
   """
   ).show(truncate=False)
   ```

   輸出資料框架包含 `imported_files_count`（已新增的檔案數目）。

1. 透過查詢來驗證新資料表：

   ```
   spark.sql(f"""
   SELECT * FROM mydb.products_iceberg LIMIT 10
   """
   ).show(truncate=False)
   ```

**備註**  
執行程序後，來源資料表上的任何資料檔案修改都會將產生的資料表擲出不同步。您新增的新檔案不會出現在 Iceberg 資料表中，而您移除的檔案會影響 Iceberg 資料表中的查詢功能。若要避免同步問題：  
如果新的 Iceberg 資料表適用於生產用途，請停止寫入原始資料表的所有程序，並將其重新導向至新資料表。
如果您需要轉換期間或新的 Iceberg 資料表用於測試目的，請參閱本節稍後的[就地遷移後保持 Iceberg 資料表同步](#migrate-sync)，以取得維護資料表同步的指引。
當您使用 `snapshot` 程序時， `gc.enabled` 屬性會在建立的 Iceberg 資料表的資料表屬性`false`中設定為 。此設定禁止 `expire_snapshots`、 `remove_orphan_files`或 等動作`DROP TABLE`搭配 `PURGE`選項，這會實際刪除資料檔案。仍然允許不直接影響來源檔案的 Iceberg 刪除或合併操作。
若要讓您的新 Iceberg 資料表完全正常運作，而實際刪除資料檔案的動作沒有限制，您可以將`gc.enabled`資料表屬性變更為 `true`。不過，此設定將允許影響來源資料檔案的動作，這可能會損毀對原始資料表的存取。因此，只有在您不再需要維護原始資料表的功能時，才能變更 `gc.enabled` 屬性。例如：  

  ```
  spark.sql(f"""
  ALTER TABLE mydb.products_iceberg
  SET TBLPROPERTIES ('gc.enabled' = 'true');
  """)
  ```

## 選項 2：遷移程序
<a name="in-place-migrate"></a>

程序`migrate`會建立新的 Iceberg 資料表，其名稱、結構描述和分割與來源資料表相同。當此程序執行時，它會鎖定來源資料表並將其重新命名為 `<table_name>_BACKUP_`（或 `backup_table_name` 程序參數指定的自訂名稱）。

**注意**  
如果您將`drop_backup`程序參數設定為 `true`，則原始資料表將不會保留為備份。

因此，`migrate`資料表程序要求在執行動作之前停止影響來源資料表的所有修改。執行`migrate`程序之前：
+ 停止與來源資料表互動的所有寫入器。
+ 修改原生不支援 Iceberg 的讀取器和寫入器，以啟用 Iceberg 支援。

例如：
+ Athena 可在不修改的情況下繼續運作。
+ Spark 需要：
  + 要包含在 classpath 中的 Iceberg Java Archive (JAR) 檔案 （請參閱本指南稍早章節中的[在 Amazon EMR 中使用 Iceberg](iceberg-emr.md) 和[使用 Iceberg AWS Glue](iceberg-glue.md))。
  + 下列 Spark 工作階段目錄組態 （用於新增 Iceberg 支援`SparkSessionCatalog`，同時維護非 Iceberg 資料表的內建目錄功能）：
    + `"spark.sql.extensions":"org.apache.iceberg.spark.extensions.IcebergSparkSessionExtensions"`
    + `"spark.sql.catalog.spark_catalog":"org.apache.iceberg.spark.SparkSessionCatalog"`
    + `"spark.sql.catalog.spark_catalog.type":"glue"`
    + `"spark.hadoop.hive.metastore.client.factory.class":"com.amazonaws.glue.catalog.metastore.AWSGlueDataCatalogHiveClientFactory"`

執行程序後，您可以使用新的 Iceberg 組態重新啟動寫入器。

目前， `migrate` 程序與 不相容 AWS Glue Data Catalog，因為 Data Catalog 不支援 `RENAME`操作。因此，建議您只在使用 Hive Metastore 時使用此程序。如果您使用的是 Data Catalog，請參閱[下一節](#replicate-data-catalog)以取得替代方法。

您可以跨所有 Amazon EMR 部署模型 (Amazon EMR on EC2、Amazon EMR on EKS、EMR Serverless) 執行`migrate`此程序 AWS Glue，但需要已設定的 Hive Metastore 連線。建議選擇 Amazon EMR on EC2，因為它提供內建的 Hive 中繼存放區組態，可將設定複雜性降至最低。

若要從使用 Hive Metastore 設定的 EC2 叢集上的 Amazon EMR 使用 `migrate` Spark 程序測試就地遷移，請遵循下列步驟：

1. 啟動 Spark 應用程式並設定 Spark 工作階段以使用 Iceberg Hive 目錄實作。例如，如果您使用的是 `pyspark` CLI：

   ```
   pyspark --conf spark.sql.extensions=org.apache.iceberg.spark.extensions.IcebergSparkSessionExtensions --conf spark.sql.catalog.spark_catalog=org.apache.iceberg.spark.SparkSessionCatalog --conf spark.sql.catalog.spark_catalog.type=hive
   ```

1. 在 Hive 中繼存放區中建立`products`資料表。這是來源資料表，已存在於典型的遷移中。

   1. 在 Hive 中繼存放區中建立`products`外部 Hive 資料表，以指向 Amazon S3 中的現有資料：

      ```
      spark.sql(f"""
      CREATE EXTERNAL TABLE products (
          product_id INT,
          product_name STRING
      )
      PARTITIONED BY (category STRING)
      STORED AS PARQUET
      LOCATION 's3://amzn-s3-demo-bucket/products/';
      """
      )
      ```

   1. 使用 `MSCK REPAIR TABLE`命令新增現有的分割區：

      ```
      spark.sql(f"""
      MSCK REPAIR TABLE products
      """
      )
      ```

   1. 透過執行`SELECT`查詢確認資料表包含資料：

      ```
      spark.sql(f"""
      SELECT * FROM products
      """
      ).show(truncate=False)
      ```

      輸出範例：  
![\[Iceberg 資料表遷移期間來自資料驗證的範例輸出。\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/images/in-place-1.png)

1. 使用 Iceberg `migrate` 程序：

   ```
   df_res=spark.sql(f"""
   CALL system.migrate(
   table => 'default.products'
   )
   """
   )
   
   df_res.show()
   ```

   輸出資料框架包含 `migrated_files_count` （新增至 Iceberg 資料表的檔案數目）：  
![\[Iceberg 資料表遷移期間來自檔案計數驗證的範例輸出。\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/images/in-place-2.png)

1. 確認已建立備份資料表：

   ```
   spark.sql("show tables").show()
   ```

   輸出範例：  
![\[Iceberg 資料表遷移期間來自備份驗證的範例輸出。\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/images/in-place-3.png)

1. 透過查詢 Iceberg 資料表來驗證操作：

   ```
   spark.sql(f"""
   SELECT * FROM products
   """
   ).show(truncate=False)
   ```

**備註**  
執行程序後，如果未正確設定 Iceberg 支援，查詢或寫入來源資料表的所有目前程序都會受到影響。因此，我們建議您遵循下列步驟：  
在遷移之前使用來源資料表停止所有程序。
執行遷移。
使用適當的 Iceberg 設定重新啟用程序。
如果在遷移程序期間發生資料檔案修改 （新增檔案或移除檔案），產生的資料表將會不同步。如需同步選項，請參閱本節稍後的[就地遷移後保持 Iceberg 資料表同步](#migrate-sync)。

## 在 中複寫資料表遷移程序 AWS Glue Data Catalog
<a name="replicate-data-catalog"></a>

您可以在 AWS Glue Data Catalog （備份原始資料表並以 Iceberg 資料表取代） 中複寫遷移程序的結果，方法如下：

1. 使用 快照程序建立新的 Iceberg 資料表，指向原始資料表的資料檔案。

1. 在 Data Catalog 中備份原始資料表中繼資料：

   1. 使用 [GetTable](https://docs.aws.amazon.com/glue/latest/webapi/API_GetTable.html) API 擷取來源資料表定義。

   1. 使用 [GetPartitions](https://docs.aws.amazon.com/glue/latest/webapi/API_GetPartitions.html) API 擷取來源資料表分割區定義。

   1. 使用 [CreateTable](https://docs.aws.amazon.com/glue/latest/webapi/API_CreateTable.html) API 在 Data Catalog 中建立備份資料表。

   1. 使用 [CreatePartition](https://docs.aws.amazon.com/glue/latest/webapi/API_CreatePartition.html) 或 [BatchCreatePartition](https://docs.aws.amazon.com/glue/latest/webapi/API_BatchCreatePartition.html) API，將分割區註冊至 Data Catalog 中的備份資料表。

1. 將 `gc.enabled` Iceberg 資料表屬性變更為 `false`，以啟用完整資料表操作。

1. 捨棄原始資料表。

1. 在資料表根位置的中繼資料資料夾中找到 Iceberg 資料表中繼資料 JSON 檔案。

1. 使用 [register\$1table](https://iceberg.apache.org/docs/latest/spark-procedures/#register_table) 程序搭配原始資料表名稱和`snapshot`程序所建立`metadata.json`檔案的位置，在 Data Catalog 中註冊新資料表：

   ```
   spark.sql(f"""
   CALL system.register_table(
       table => 'mydb.products', 
       metadata_file => '{iceberg_metadata_file}'
   )
   """
   ).show(truncate=False)
   ```

## 在就地遷移後保持 Iceberg 資料表同步
<a name="migrate-sync"></a>

`add_files` 此程序提供靈活的方式來將現有資料整合到 Iceberg 資料表中。具體而言，它會在 Iceberg 的中繼資料層中參考其絕對路徑，以註冊現有的資料檔案 （例如 Parquet 檔案）。根據預設，程序會從所有資料表分割區新增檔案至 Iceberg 資料表，但您可以選擇性地從特定分割區新增檔案。這種選擇性方法在幾種情況下特別有用：
+ 初始遷移後將新分割區新增至來源資料表時。
+ 資料檔案在初始遷移後新增至現有分割區或從現有分割區中移除時。不過，重新新增修改的分割區需要先刪除分割區。本節稍後將提供有關此項目的詳細資訊。

以下是在已執行就地遷移 (`snapshot` 或 `migrate`) 之後使用 `add_file` 程序的一些考量，以讓新的 Iceberg 資料表與來源資料檔案保持同步：
+ 將新資料新增至來源資料表中的新分割區時，請使用 `add_files` 程序搭配 `partition_filter`選項，以選擇性地將這些新增項目納入 Iceberg 資料表：

  ```
  spark.sql(f"""
  CALL system.add_files(
  source_table => 'mydb.products', 
  table => 'mydb.products_iceberg',
  partition_filter => map('category', 'electronics')
  ).show(truncate=False)
  ```

  或：

  ```
  spark.sql(f"""
  CALL system.add_files(
  source_table => '`parquet`.`s3://amzn-s3-demo-bucket/products/`', 
  table => 'mydb.products_iceberg',
  partition_filter => map('category', 'electronics')
  ).show(truncate=False)
  ```
+ 當您指定 `partition_filter`選項時，`add_files`程序會掃描整個來源資料表或特定分割區中的檔案，並嘗試將找到的所有檔案新增至 Iceberg 資料表。根據預設，`check_duplicate_files`程序屬性會設為 `true`，如果 Iceberg 資料表中已有檔案，則會防止程序執行。這很重要，因為沒有內建選項可略過先前新增的檔案，而停用`check_duplicate_files`會導致新增檔案兩次，進而建立重複項目。將新檔案新增至來源資料表時，請遵循下列步驟：

  1. 對於新分割區，使用 `add_files`搭配 `partition_filter` ，僅從新分割區匯入檔案。

  1. 對於現有的分割區，請先從 Iceberg 資料表刪除分割區，然後`add_files`為該分割區重新執行，並指定 `partition_filter`。例如：

     ```
     # We initially perform in-place migration with snapshot
     spark.sql(f"""
     CALL system.snapshot(
     source_table => 'mydb.products', 
     table => 'mydb.products_iceberg',
     location => 's3://amzn-s3-demo-bucket/products_iceberg/'
     )
     """
     ).show(truncate=False)
     
     # Then on the source table, some new files were generated under the category='electronics' partition. Example:
     spark.sql("""
     INSERT INTO mydb.products
     VALUES (1003, 'Tablet', 'electronics')
     """)
     
     # We delete the modified partition from the Iceberg table. Note this is a metadata operation only
     spark.sql("""
     DELETE FROM mydb.products_iceberg WHERE category = 'electronics'
     """)
     
     # We add_files from the modified partition
     spark.sql("""
     CALL system.add_files(
       source_table => 'mydb.products', 
       table => 'mydb.products_iceberg',
       partition_filter => map('category', 'electronics')
     )
     """).show(truncate=False)
     ```

**注意**  
每個`add_files`操作都會產生具有附加資料的新 Iceberg 資料表快照。

## 選擇正確的就地遷移策略
<a name="in-place-strategy"></a>

若要選擇最佳的就地遷移策略，請考慮下表中的問題。


| 問題 | 建議 | 說明 | 
| --- | --- | --- | 
| 您是否要在不重寫資料的情況下快速遷移，同時讓 Hive 和 Iceberg 資料表可供測試或逐步轉換使用？ | `snapshot` 程序後接`add_files`程序 | 使用 `snapshot` 程序複製結構描述並參考資料檔案來建立新的 Iceberg 資料表，而無需修改來源資料表。使用 `add_files` 程序來合併遷移後新增或修改的分割區，請注意，重新新增修改的分割區需要先刪除分割區。 | 
| 您是否使用 Hive 中繼存放區，並且想要立即將 Hive 資料表取代為 Iceberg 資料表，而無需重寫資料？ | `migrate` 程序後接`add_files`程序 | 使用 `migrate` 程序來建立 Iceberg 資料表、備份來源資料表，並將原始資料表取代為 Iceberg 版本。 **注意：**此選項與 Hive Metastore 相容，但與 不相容 AWS Glue Data Catalog。 使用 `add_files` 程序來合併遷移後新增或修改的分割區，請注意，重新新增修改的分割區需要先刪除分割區。 | 
| 您是否正在使用 AWS Glue Data Catalog ，並且想要立即將 Hive 資料表取代為 Iceberg 資料表，而無需重寫資料？ | 調整`migrate`程序，接著是`add_files`程序 | 複寫`migrate`程序行為： [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/table-migration-inplace.html) **注意：**此選項需要手動處理中繼資料備份的 AWS Glue API 呼叫。 使用 `add_files` 程序來合併遷移後新增或修改的分割區，請注意，重新新增修改的分割區需要先刪除分割區。 | 

# 完整資料遷移
<a name="table-migration-full"></a>

完整資料遷移會重新建立資料檔案和中繼資料。相較於就地遷移，此方法需要更長的時間，且需要額外的運算資源。不過，完整資料遷移提供許多改善資料表品質的機會，並最佳化資料儲存和存取模式。

在完整資料遷移期間，您可以執行數個有益的操作，例如確保完整性和正確性的資料驗證、更符合目前需求的結構描述修改，以及改善查詢效能的分割區策略調整。您也可以重新排序資料，以最佳化常見存取模式、實作 Iceberg 隱藏分割以提高查詢效率，並視需要執行檔案格式轉換 （例如，從 CSV 到 Parquet)。

這些功能使完整資料遷移非常適合轉換為 Iceberg 格式，以及全面精簡和最佳化資料儲存策略。雖然完整資料遷移需要更多時間和資源，但資料品質、組織和查詢效能的改善可以提供長期利益。若要實作完整資料遷移，請使用下列其中一個選項：
+ 在 Spark `CREATE TABLE ... AS SELECT` (Amazon EMR 或） 或 Athena 中使用 ([CTAS](https://iceberg.apache.org/docs/latest/spark-ddl/#create-table--as-select) AWS Glue) 陳述式。您可以使用 和 子句來設定新 Iceberg `PARTITIONED BY`資料表的分割區規格和 `TBLPROPERTIES`資料表屬性。您可以根據您的需求變更新資料表的結構描述和分割，而不是從來源資料表繼承它們。
+ 從來源資料表讀取，並在 Amazon EMR 或 上使用 Spark 將資料寫入為新的 Iceberg 資料表 AWS Glue。如需詳細資訊，請參閱 Iceberg 文件中的[建立資料表](https://iceberg.apache.org/docs/nightly/spark-getting-started/#creating-a-table)。

# 選擇移轉策略
<a name="migration-strategy"></a>

轉換為 Iceberg 格式時，就地遷移和完全遷移之間的選擇至關重要。若要判斷最適合您特定需求的方法，請考慮下列問題和建議：


| 問題 | 建議 | 
| --- | --- | 
|  **什麼是資料檔案格式 （例如 CSV 或 Apache Parquet)？**  |  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/migration-strategy.html)  | 
|  **您要更新或合併資料表結構描述嗎？**  |  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/migration-strategy.html)  | 
|  **資料表是否會受益於變更分割區策略？**  |  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/migration-strategy.html)  | 
|  **資料表是否會受益於新增或變更排序順序策略？**  |  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/migration-strategy.html)  | 
|  **資料表是否有許多小型檔案？**  |  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/migration-strategy.html)  | 

# 遷移選項摘要
<a name="migration-options"></a>

此資料表摘要說明每個遷移選項的主要特性和考量事項。


| **功能** | **就地遷移** [快照](table-migration-inplace.md#in-place-snapshot) | **就地遷移** [migrate](table-migration-inplace.md#in-place-migrate) | **完整資料遷移** [CTAS 或 (CREATE TABLE \$1 INSERT)](table-migration-full.md) | 
| --- | --- | --- | --- | 
| **資料配置改善是遷移程序的一部分** |  |  |  | 
| [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/migration-options.html) |  ![\[No\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/images/icon-no.png) 否 |  ![\[No\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/images/icon-no.png) 否 | ![\[Yes\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/images/icon-yes.png) 是 | 
| [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/migration-options.html) |  ![\[No\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/images/icon-no.png) 否 |  ![\[No\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/images/icon-no.png) 否 | ![\[Yes\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/images/icon-yes.png) 是 | 
| [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/migration-options.html) |  ![\[No\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/images/icon-no.png) 否 |  ![\[No\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/images/icon-no.png) 否 | ![\[Yes\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/images/icon-yes.png) 是 | 
| [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/migration-options.html) |  ![\[No\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/images/icon-no.png) 否 |  ![\[No\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/images/icon-no.png) 否 | ![\[Yes\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/images/icon-yes.png) 是 | 
| [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/migration-options.html) |  ![\[No\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/images/icon-no.png) 否 |  ![\[No\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/images/icon-no.png) 否 | ![\[Yes\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/images/icon-yes.png) 是 | 
| **支援的檔案格式** | Parquet、Avro、ORC | Parquet、Avro、ORC | Parquet、Avro、ORC、JSON、CSV | 
| **Iceberg 資料表取代來源資料表** |  ![\[No\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/images/icon-no.png) 否（建立新的資料表， 但您可以使用其他步驟取代來源資料表） | ![\[Yes\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/images/icon-yes.png) 是（建立備份資料表並以 Iceberg 資料表取代來源資料表） |  ![\[No\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/images/icon-no.png) 否（建立新的資料表） | 
| **來源資料表影響** |  |  |  | 
| [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/migration-options.html) | 損毀來源資料表 | Corrupts 備份資料表 | 安全、來源不受影響 | 
| **Iceberg 資料表影響** |  |  |  | 
| [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/migration-options.html) | Corrupts Iceberg 資料表 | Corrupts Iceberg 資料表 | 不會影響 Iceberg 資料表 | 
| [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/migration-options.html) | 新資料表上看不到（需要將分割區與 合併`add_files`) | 新資料表上看不到（需要將分割區與 合併`add_files`) | 新資料表上看不到（需要`INSERT INTO`新資料表） | 
| **成本** | 低 | 低 | 較高 （完整資料重寫） | 
| **遷移速度** | 快速 | 快速 | 較慢 | 
| **可用於遷移至 Amazon S3 資料表** |  ![\[No\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/images/icon-no.png) 否 |  ![\[No\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/images/icon-no.png) 否 | ![\[Yes\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/images/icon-yes.png) 是 | 
| **需要手動 DDL** |  ![\[No\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/images/icon-no.png) 否（從來源資料表複製結構描述和分割區） |  ![\[No\]](http://docs.aws.amazon.com/zh_tw/prescriptive-guidance/latest/apache-iceberg-on-aws/images/icon-no.png) 否（從來源資料表複製結構描述和分割區） | 如果使用 CTAS， 只需要指定分割 | 
| **最佳使用** | 無需重寫資料的快速遷移，允許side-by-side使用 Hive 和 Iceberg 進行測試或逐步轉換。 | 可接受立即切換時，在不重寫資料的情況下更換 Hive 資料表。 | 完整 Iceberg 最佳化與資料重寫。重新設計分割區或結構描述，或改善配置和效能時的理想選擇。如果可能，一律建議。 |