用途：为迁移到 Databricks 提供系统化策略，适用于从本地 Hadoop、Snowflake、AWS Redshift、Synapse 或 Oracle/Teradata 等传统数据仓库迁移的场景。
主要能力：按来源给出迁移模式与复杂度、时间线参考，例如本地 Hadoop 采用 lift-and-shift 加现代化（高复杂度，6-12 个月），Snowflake 采用并行运行加切换（中，3-6 个月），Redshift 采用 ETL 重写加数据复制（中，3-6 个月），传统数仓采用完全重建（高，12-18 个月）。
使用方式：分五步执行。第一步发现与评估，盘点源表元数据（大小、分区、依赖、数据分类），生成带波次分配的优先级迁移计划；第二步 Schema 迁移，转换为 Delta Lake 兼容类型（如 char 转 string、tinyint 转 int），并在目标表启用 auto-optimize；第三步数据迁移，按分区批量迁移大表，每张表迁移后校验行数与 Schema；第四步 ETL/管道迁移，将 spark-submit/Oozie 作业转为 Databricks 作业，更新路径、移除 Hive metastore 引用、适配 Unity Catalog；第五步切换规划，执行六步切换：验证、停用源、最终同步、启用 Databricks、更新应用、监控，每步均含回滚流程。
输出：带优先级的迁移评估、自动化 Schema 迁移、带校验的数据迁移管道、含回滚流程的切换计划。
限制与错误处理：Schema 不兼容时使用类型转换映射；数据截断导致丢失时逐步校验计数；大表性能问题采用分区迁移；依赖冲突时先分析依赖顺序。具体实现脚本、收费与平台细节暂未提供。