Azure Migrate 评估评估源工作负载的就绪情况、建议适当的目标，并估算在 Azure 上托管这些工作负荷的成本。 确定源工作负载的准备情况后，评估就会根据按本地原样大小调整或基于性能的大小调整提供大小调整建议。
尺寸标准
Azure Migrate 支持两种类型的目标大小调整：
| 尺寸标准 | 详 | 示例 |
|---|---|---|
| 基于性能 | 根据收集的性能数据做出目标大小建议的评估。 | 计算建议基于 CPU 和内存利用率数据。 存储建议基于每秒的输入/输出作（IOPS）和本地磁盘的吞吐量。 磁盘类型包括 Azure 标准 HDD、Azure 标准 SSD 和 Azure 高级磁盘。 |
| 在本地按原样 | 不使用性能数据来制定目标大小建议的评估。 根据可用的配置数据调整目标大小。 | 计算建议基于本地源工作负荷大小。 建议的存储基于为评估选择的存储类型。 |
若要确定未过度预配但仍可复原的合适大小的 Azure 目标，建议创建基于性能的评估。 基于性能的评估使用资源利用率数据（CPU 和内存利用率等）和资源配置数据。 设备定期收集所需的性能数据，并建模以执行评估。
设备聚合和模型性能数据
如果将设备用于发现，它会直接从托管工作负载的虚拟机监控程序收集性能数据。 这是典型的性能数据建模过程的外观：
设备收集实时样本点。
- VMware VM：每隔 20 秒收集一个示例点。
- Hyper-V VM：每隔 30 秒收集一个示例点。
- 物理服务器：每五分钟收集一个示例点。
设备将这些样本点组合在一起，为 VMware 和 Hyper-V 服务器每 10 分钟创建一个数据点，为物理服务器每 5 分钟创建一个数据点。 为了创建数据点，设备会从所有样本中选择峰值。 然后，将数据点发送到 Azure。
评估存储上个月的所有 10 分钟数据点。 所有峰值都按升序排列，以识别用于合理尺寸调整的合适数据点。
为基于导入的发现收集的性能数据
如果使用 CSV 文件导入服务器，则选择基于性能的大小调整时，将使用指定的性能值（CPU 利用率、内存利用率、磁盘 IOPS 和吞吐量）。 无法提供性能历史记录和百分位数信息。
如果过度分配了本地服务器，其利用率较低，并且想要正确调整 Azure VM 的大小，以节省成本，则此方法特别有用。
如果不想使用性能数据，请按照上一节中所述，将尺寸标准条件重置为本地的原样。
用于适当调整大小的性能数据
创建评估时，评估会识别相应利用率级别，以考虑进行适当的大小调整。 根据性能历史记录和百分位数利用率来进行识别。 性能历史记录指定评估性能数据时使用的持续时间，百分位利用率指定用于正确调整大小的性能样本的百分位值。
例如，让我们考虑一个附加了 16 个 vCPU 的服务器。 选择的性能历史记录为一周，百分位利用率为第 95 百分位。 评估对上周的性能数据样本点进行排序。 按升序排序，并选取第 95 百分位值以合理调整大小。 根据上述值，评估确定该服务器在第 95 百分位内仅利用了 20% 的可用 CPU。 因此，只有 4 个 vCPU 足以管理给定服务器的负载。 若要确认，用户可以添加一个安全系数，该系数用作识别使用情况的乘数，以提供一定的安全余量，确保即使出现某些峰值超出预期时，服务器仍然可用。 假设用户要求 1.5 倍作为舒适因素，最终建议是 8 核 VM。
注释
由于设备不收集 Web 应用的任何性能数据，因此仅针对按本地原样的大小调整来进行评估。 可以使用基于性能的大小调整和按本地原样的大小调整来评估服务器和 SQL 数据库。