本指南用 Kiro + Transform Power 驱动整个流程:把 SQL Server 转成 Aurora PostgreSQL,依赖它的 .NET 应用一并改造。全程走 IdC User + StartUrl,本地不配置 AWS 账号的 AK/SK;如果你更 习惯给 Kiro 配一组 Workshop 账号的 IAM AK/SK,也一样能完成。
前提
- 装好 Kiro 以及 Transform Power。
-
准备好本 Workshop 的实验环境:
- 在 Workshop Studio 中搜索 Accelerating .NET and SQL Server Modernization using Agentic AI。
- 点进去,点击 Create Event,然后选择 Test Event 类型即可。
-
已启用 Transform Web Application。具体操作如下:
-
参考
Enable AWS Transform,完成设置以及添加
workshop-user这个 IdC 用户。 -
参考
User Authentication,用
workshop-user这个用户登录 Secrets Manager 中获取的 startUrl 链接。
-
参考
Enable AWS Transform,完成设置以及添加
使用 Kiro 驱动 Transform
新建一个 Kiro Session,输入下面这段 Prompt(记得替换成你自己的 StartUrl):
使用 Transform power 帮我完成一个 SQL Server + .NET 技术栈应用进行现代化改造。将 SQL Server 转换成 Aurora PostgreSQL,.NET 应用也做相应的改造。
过程中需要用到信息以及一些决策信息已经放在 environments.txt 文件中, 我已经开通 Transform web 应用,通过 IAM Identity Center 添加了 Transform 用户:workshop-user,
startUrl: https://d-xxxxxxxxxx.awsapps.com/start, 我没有配置可以登录AWS 的AK/SK 信息, 过程中需要创建 Connector, 你可以创建, 我来审批)
基于上述信息,帮我全程完成该转换任务, 非必要不要停止, 直到任务完成(最后的代码转换阶段可能不成功, 不需要重试, 到这一步结束Job就可以).
environments.txt:把决策信息一次交给它
Prompt 里引用的 environments.txt 放在工作目录下。填之前先准备三样东西:
- 提前建好 S3 Bucket 并上传源代码,拿到 Bucket ARN 与 zip 的 URI。
- 拿到 AWS Account ID。
- 从 Secrets Manager 里拿到目标 源 SQL Server 的 Secret ARN。
- 从 Secrets Manager 里拿到目标 Aurora PostgreSQL 的 Secret ARN。
Account Id:
使用S3 连接源代码库: 是
Code S3 Bucket ARN: arn:aws:s3:::atx-code-repository-
Code Zip S3 URI: s3://atx-code-repository-/bobs-used-bookstore-sample-MAM303.zip
SQL Server 源数据库是否已经满足 Transform 转换的前置条件: 是
SQL Server 源数据库的 Secret ARN: arn:aws:secretsmanager:us-east-1::secret:(备注: 20260901 更新: 之前没有填写此导致要手动建DB Connector. 不要复制此备注内容)
转换目标数据库选择已有的 Aurora Postgresql 数据库: 是, 不创建新的数据库
目标Aurora Postgresql 数据库名称: postgres
目标Aurora Postgresql Secret ARN: arn:aws:secretsmanager:us-east-1::secret:
是否进行代码转换: 是
Schema 转换完之后, 是否进行数据迁移: 否
是否进行应用发布: 否
上面这些都准备好之后,回车执行即可。
environments.txt,确认 SSO 会话有效,然后建 workspace、起 job,
并按「前置条件 → 连接 → 发现 → 评估 → wave plan → schema 转换 → 代码转换」推进
创建 database connector 和 S3 connector
Update-20260901: 在 environments.txt 中填写源 SQL Server 库的 Secret ARN 后, Transform Power 会自动创建 DB Connector, Copy 创建的 connector 链接进行审批即可.
如果在 environments.txt 中没有提供源 SQL Server 的数据库 Secret ARN, 此时可以在对话框中提供源库的 Secret ARN, Kiro 会自动创建源 DB Connector, 如下图所示:
或者手动在 Transform Web UI 上手动创建这个 database connector, 操作步骤可参考: Config the database connector。
sts;db-connector 建好后仍是
PENDING,需要在 AWS 控制台走审批,通过后才变 ACTIVE
S3 connector 则是点它给出的链接、进控制台审批。从 Discovery results 能看到数据库和源代码仓库都已经被发现。
自动执行至完成任务
Connector 建好并审批通过之后,后面的任务可以全部自动执行完成。
检验转换结果
连到目标 Aurora PostgreSQL 上 (操作参考: Connect to Aurora PostgreSQL) 看表是否都建出来了,这是最直接的验收方式。
确认表转换成功后, 可以参考: Load Sample Data into PostgreSQL, 加载样例数据到数据库中, 完成之后可参考: 提交样例, 提交 Workshop 结果, 完成评估.
address / book /
customer / orders …)
接续完成代码转换
Code Transformation 阶段失败(例如
[USER_ERROR:VALIDATION_ERROR] Unable to analyze database、
Projects: 0/0、无代码产物、重试仍报同样的错)时,可以结束本次
Workshop,也可以让 Kiro 在本地接手,继续完成代码转换部分,Prompt 如下:
# 任务:接续完成 AWS Transform 失败的 .NET 代码转换
## 背景
AWS Transform 的 SQL Server → Aurora PostgreSQL Workshop,Schema Conversion 已成功,
但最后的 Code Transformation 阶段失败([USER_ERROR:VALIDATION_ERROR] Unable to analyze
database,Projects: 0/0,无代码产物,重试同样报错)。请接手,在本地完成 .NET 应用改造并验证。
## 步骤
1. 用 AWS Transform Power 登录
调 configure,authMode="sso",传 IAM Identity Center 的 startUrl
(形如 https://d-xxxxxxxxxx.awsapps.com/start)和 idcRegion(如 us-east-1)。
会弹浏览器让 workshop-user 授权,成功后拿到 bearer 会话,后续 MCP 工具即可访问工作区。
先用 get_status 看现有连接;如果检测到的是别的 AWS 账号凭证,必须走 SSO 覆盖掉。
2. 从 Transform Job 取出转换后的 DDL
list_resources 找到 workspace 和 job → load_instructions(必须先调)→ 列产物。
产物根目录只返回文件夹,必须带 pathPrefix 下钻到 AGENT_OUTPUT/。
下载 Schema 转换报告 ZIP(savePath 要给完整文件路径,不能是目录),解压后取
target_ddl_scripts/*.sql —— 这是整个任务的映射依据。
3. 从 DDL 提取事实
逐条读出:目标 schema 名、表名列名大小写规范、每列目标类型、identity 生成方式、用到的扩展。
不要凭经验猜,这些都是转换时定的。
4. 取源码并改造
按 DDL 对齐:EF provider 换 Npgsql(所有引用了 SqlServer 的项目)、UseSqlServer → UseNpgsql、
连接字符串换 NpgsqlConnectionStringBuilder(Database 填 schema 实际所在库名,常见是 postgres)、
HasDefaultSchema、表名列名按 DDL 转小写(必须在种子数据配置之后执行)。
主键/外键/索引名不要动(生成名带数字后缀,推不出来,且不参与查询翻译)。
5. 分层验证,不许跳级
改动前先编一次留基线 → 改动后编译对比 → 导出 EF 模型跟 DDL 逐列对账 →
Docker 起 PostgreSQL,用 psql -v ON_ERROR_STOP=1 灌 DDL(同时验证了 DDL 本身有效)→
写集成测试对着真库跑 CRUD 往返 → 环境变量注入连接串起 Web 应用,curl 一个真正查库的匿名页面。
编译通过只证明语法,模型比对只证明映射,只有真连库写入才能证明可用。
## 交付要求
报告改了哪些文件、每处对应 DDL 哪条事实、分层验证的实际数字与证据、
明确列出没验证的部分(如未连真实 Aurora、未走登录流程)、遗留项及理由。
每个改动落盘前给我看 git diff。
转换完成后可在 Kiro 中看到类似如下两图的结果, 截取 Kiro 代码转换成功的证据图片以及提交样例的相关图片, 提交即可完成本次Workshop.