こんにちは。テクニカルサポート課の森本です。 私は今、re:Invent 2024 に初参加しております。
このページでは、先日の Code Talk に参加して学んだ 生成 AI を用いた DMS Schema Conversion について自分で少し動かしてみた感想をまとめます。
環境
まずそれなりの検証環境を用意するのが大変なのですが、AWS 公式のワークショップの内容をお借りするとわりと簡単に検証環境を作成することができます。
現時点でこちらのワークショップ内で提供されている CloudFormation スタックにより作成される一部のリソースを使用して検証を行います。
AWS Database Migration Workshop
- ソースデータベース: RDS Oracle
- ターゲットデータベース: Aurora PostgreSQL
なお、本ブログは 生成 AI を用いた DMS Schema Conversion の動作検証を行うことにフォーカスする目的のため、DMS Schema Conversion に必要な初期設定等は本ブログの記載対象外とします。
通常の結果
いきなりこの画面から始まりますが、通常の状態で SC で評価を行うとこのような感じです。
95 % のストレージオブジェクト、および81 % のコードオブジェクトが自動的に変換されるようです。
裏を返すと、残りのオブジェクトに関しては手動の介入による修正が必要になります。
また、評価レポートにはこのような記載があります。
9 (8%) database code object(s) require 16 complex user action(s) and may be candidates for conversion using generative AI.
つまり、9つのコードオブジェクトの変換に関して生成 AI の力を借りることができると期待されます。
生成 AI を用いた結果
生成 AI を用いて変換してみます。
結果はこの通りとなりました。
コードオブジェクトについて 88% が自動的に変換可能 となり、自動変換可能な割合が増えています。
また、評価レポートにはこのように記載があります。 ざっくり言うと、人の手によるアクションが必要なものを生成 AI を用いて変換したよ。必要に応じて結果は確認してね。というところでしょうか。
9 (8%) database code object(s) requiring 16 complex user action(s) were converted using generative AI. This generative AI output is probabilistic and should be reviewed for accuracy, including employing human evaluation, as needed for your use case.
この結果自体を大きいと捉えるか小さいと捉えるかは人しだいと思いますが、サービス内に生成 AI が組み込まれているため、自分の手で Bedrock 等を設定せずとも、気軽に使えるのはすごいなと思いました。
まとめ
今回は、生成 AI を搭載した DMS Schema Conversion の動作を確認してみました。 特に 生成 AI の知識がなくてもサービスに内包されているため、とっつきやすく使いやすいツールといった印象です。変換結果が気に入らなければ使わないと言う選択肢も取ることができます。
東京リージョンでのリリースが待ち切れないですね！
この記事がどなたかのお役に立てば幸いです。
