Auf dieser Seite werden die Tools, Strategien und strukturierten Workflows für die Modernisierung von Legacy-Mainframe-Arbeitslasten in Google Cloudbeschrieben.
Wenn Sie Enterprise-Cloud-Architekt, Mainframe-Entwickler oder Migrationsspezialist sind, können Sie die Informationen auf dieser Seite verwenden, um Mainframe-Bewertungstools zu evaluieren, Mainframe-Daten zu modernisieren, cloudnative Dienste mithilfe von KI-gestützten Tools zu generieren und die funktionale Parität vor der Umstellung zu validieren.
Bevor Sie diese Seite lesen, sollten Sie ein Inventar Ihrer Mainframe-Anwendungen (z. B. COBOL-, PL/I-, JCL- und DB2/VSAM-Datasets) haben und die Ziele Ihrer Ziel-Cloud-Architektur kennen.
Weg zur Mainframe-Modernisierung auswählen
Wählen Sie anhand der folgenden Tabelle eine Modernisierungsstrategie und die empfohlenen Google Cloud -Tools basierend auf Ihrer Quellarbeitslast und Ihren Modernisierungszielen aus:
| Modernisierungspfad | Quellarbeitslast | Empfohlene Tools | Zieldienste | Szenario-Leitfaden |
|---|---|---|---|---|
| KI-gestütztes Refactoring von Anwendungen | Monolithische COBOL-, PL/I- und CICS-Anwendungen | Google Cloud Modernization Hub, Mainframe Assessment Tool, Antigravity CLI | Google Kubernetes Engine (GKE), Cloud Run, Spanner oder AlloyDB for PostgreSQL | Refaktorierung von Mainframe-Anwendungen |
| Automatisierte Codekonvertierung und ‑validierung | Extrahierte Geschäftsregeln und Legacy-Codebasen für Prozeduren | Antigravity CLI, Dual Run | Cloud Run oder GKE | Automatisierte Mainframe-Codekonvertierung |
| Mainframe-Lift-and-Shift (Emulation) | IBM z/OS- oder IBM i-Arbeitslasten, die nur minimale Codeänderungen erfordern | Partneremulationslaufzeiten, Mainframe Connector | Compute Engine, Cloud SQL | Lift-and-Shift von Mainframe-Arbeitslasten |
| Daten-Offloading und -Analysen | EBCDIC-Batch-Datasets, VSAM-Dateien und DB2-Tabellen | Mainframe Connector | BigQuery, Cloud Storage | Mainframe Connector-Konfigurationen |
Hauptmerkmale
Google Cloud bietet die folgenden Tools und Dienste für jede Phase der Mainframe-Modernisierung:
- Automatisierte Anwendungsbewertung: Das Mainframe Assessment Tool (MAT) rekonstruiert Quellcode (COBOL, PL/I, JCL), bildet Programm- und Datenabhängigkeiten ab und extrahiert eingebettete Geschäftsregeln.
- KI-gestütztes Forward Engineering: Antigravity CLI und Antigravity unterstützen Entwickler dabei, extrahierte Geschäftsregeln in moderne, cloudnative Dienste in Zielsprachen wie Java oder Go umzuwandeln, die in GKE oder Cloud Run ausgeführt werden.
- Datenmodernisierung: Der Mainframe-Connector transcodiert Mainframe-Datasets (EBCDIC) und verschiebt sie inGoogle Cloud -Dienste wie BigQuery und Cloud Storage.
- Funktionale Validierung: Dual Run führt Produktionsarbeitslasten gleichzeitig auf dem Mainframe und inGoogle Cloud aus, um die Datenkonsistenz und funktionale Parität vor der Umstellung zu prüfen.
Reverse Engineering und Forward Engineering
Die Mainframe-Modernisierung basiert auf dem folgenden zweigleisigen Ansatz, um Logik zu extrahieren und Anwendungen sicher neu zu erstellen:
- Reverse Engineering: Analysiert vorhandene Mainframe-Anwendungen, um die Codebasis vor Beginn der Modernisierung zu verstehen. Mit dem Mainframe Assessment Tool (MAT) können Sie Anwendungsabhängigkeiten zuordnen und Geschäftsregeln aus Legacy-Code (COBOL, PL/I) extrahieren. MAT verwendet generative KI, um technische Spezifikationen und Katalogdatenstrukturen zu erstellen.
- Forward Engineering: Wandelt allgemeine Geschäftsanforderungen und extrahierte Regeln in modernen Anwendungscode um. Bei der Modernisierung von Mainframes werden beim Forward Engineering automatisierte Tools und die Antigravity CLI verwendet, um Geschäftsregeln in funktionale Spezifikationen, Produktanforderungsdokumente (PRDs), User Stories und Cloud-Dienste in Google Cloudumzuwandeln.
Modernisierungs-Workflow
Das folgende Diagramm veranschaulicht die fünf Phasen des Mainframe-Modernisierungsprozesses:
Phase 1: Quellcode aufnehmen und Reverse Engineering durchführen
In Phase 1 verwenden Sie das Mainframe Assessment Tool (MAT), um Ihre vorhandenen Mainframe-Anwendungen anhand der folgenden Funktionen zu analysieren:
- Quellcodeaufnahme: COBOL, PL/I, Assembler, JCL-Batchjobs, Copybooks und Datenbankschemas inventarisieren und parsen.
- Datenabhängigkeitszuordnung: Beziehungen zwischen DB2-Tabellen, VSAM-Dateien, IMS-Datenbanken und Flatfiles identifizieren.
- Erstellung von Aufrufbäumen: Generieren Sie visuelle Programmaufrufdiagramme, die Batchsequenzen und Online-Transaktionsabläufe des Customer Information Control System (CICS) zeigen, um Migrationswellen zu erstellen.
Weitere Informationen finden Sie unter Mainframe Assessment Tool im Modernization Hub einrichten, Bewertung erstellen und Bewertungsergebnisse prüfen.
Phase 2: Eingebettete Geschäftsregeln extrahieren
Bevor Sie moderne Anwendungen generieren, sollten Sie kritische Geschäftslogik aus komplexen Legacy-COBOL- oder PL/I-Codeblöcken isolieren und prüfen:
- KI-gestützte Regelextraktion: Das Mainframe Assessment Tool verwendet Gemini, um den Quellcode Zeile für Zeile zu analysieren und komplexe bedingte Logik in Geschäftsregeln in natürlicher Sprache zu übersetzen.
- Regelisolierung: Extrahieren Sie domainspezifische Validierungs-, Zinsberechnungs- oder Transaktionslogik aus prozeduralem Code.
- Human-in-the-Loop-Überprüfung: Domainexperten und Geschäftsanalysten überprüfen, verfeinern und zertifizieren die extrahierten Geschäftsregeln.
- Dokumentationserstellung: Automatische Erstellung aktueller technischer Spezifikationen für Legacy-Programme.
Weitere Informationen finden Sie unter Geschäftsregeln extrahieren.
Phase 3: Monolithen in Geschäftsdomains zerlegen
Bevor Sie Mikrodienste bereitstellen, partitionieren Sie monolithische Mainframe-Codebasen in begrenzte Kontexte und entkoppelte, migrierbare Geschäftsdomains:
- Domainzuordnung: Segmentieren Sie Code-Assets in logische Geschäftsdomains (z. B. Konten, Abrechnung und Zahlungen).
- Entkopplung freigegebener Datasets: Identifizieren Sie freigegebene VSAM- oder DB2-Datenstrukturen, die in dienstspezifische Datenbanken aufgeteilt werden müssen.
- Schnittstellendefinition: REST- oder gRPC-API-Grenzen für extrahierte Dienste definieren.
Weitere Informationen finden Sie unter KI-generierte Statistiken für Ihre Geschäftsdomains prüfen.
Phase 4: PRDs, Datenmodelle und modernen Code erstellen
Verwenden Sie die Antigravity CLI, um extrahierte Bewertungsausgaben in strukturierte Spezifikationen, Zielarchitekturen und modernen Anwendungscode auf Google Cloudzu transformieren:
- PRD- und User-Story-Generierung: Fassen Sie Bewertungsdaten in funktionalen Spezifikationen, PRDs (Product Requirements Documents) mit Details zu Critical User Journeys (CUJs) und operativen SLAs sowie agilen Engineering-Aufgaben zusammen.
- Ziel-Cloud-Architektur: Wählen Sie Ziel-Compute-Laufzeiten aus (Cloud Run, GKE oder Compute Engine).
- Zieldatenmodellierung: Entwerfen Sie Datenstrukturen (relational, Datei, Schlüssel/Wert-Paar) und wählen Sie moderne Cloud-Datenbankschemas basierend auf Ihrer Arbeitslast aus:
- Automatisierte Codegenerierung: Sequenzimplementierungspläne und Generierung von Anwendungscode in Zielsprachen wie Java oder Go, der die extrahierten Geschäftsregeln und Zieldatenmodelle implementiert.
Eine Anleitung zum Konfigurieren exportierter AGENTS.md-Dateien, zum Aktivieren des MCP-Servers für das Mainframe Assessment Tool und zum Prüfen des generierten Codes finden Sie unter Modernisieren und validieren.
Phase 5: Migrationswellen sequenzieren und Parität validieren
Migrieren Sie vor der Produktionsumstellung Datasets in strukturierten Wellen und prüfen Sie die funktionale Parität:
- Mainframe-Datenmodernisierung: Konfigurieren Sie den Mainframe-Connector für die Transcodierung großer Mengen von Legacy-EBCDIC-Datasets in Cloud Storage und BigQuery.
- Inkrementelle Wave-Umstellung: Planen Sie Modernisierungs-Waves nach Geschäftsbereich, anstatt eine vollständige Systemumstellung durchzuführen.
- Funktionale Paritätstests: Verwenden Sie Dual Run, um Live-Mainframe-Transaktionen parallel in Google Cloudwiederzugeben, um modernisierte Anwendungen zu validieren und die funktionale Parität zu prüfen, bevor Sie Legacy-Code außer Betrieb nehmen.
- Bereitstellung und Betrieb: Modernisierte Arbeitslasten in der Produktion bereitstellen und die Leistung mit Google Cloud Observability überwachen.
Weitere Informationen finden Sie unter Daten transcodieren und migrieren und Funktionsparität validieren.
Nächste Schritte
- Refaktorierung von Mainframe-Anwendungen
- Automatisierte Mainframe-Codekonvertierung
- Lift-and-Shift von Mainframe-Arbeitslasten