Cette page décrit les outils, les stratégies et les workflows structurés permettant de moderniser les anciennes charges de travail de mainframe sur Google Cloud.
Si vous êtes un architecte cloud d'entreprise, un ingénieur mainframe ou un spécialiste de la migration, utilisez les informations de cette page pour évaluer les outils d'évaluation mainframe, moderniser les données mainframe, générer des services cloud natifs à l'aide d'outils assistés par l'IA et valider la parité fonctionnelle avant le basculement.
Avant de lire cette page, vous devez disposer d'un inventaire de vos applications mainframe (telles que les ensembles de données COBOL, PL/I, JCL et DB2/VSAM) et comprendre les objectifs de votre architecture cloud cible.
Choisir un parcours de modernisation du mainframe
Utilisez le tableau suivant pour choisir une stratégie de modernisation et les outils Google Cloud recommandés en fonction de votre charge de travail source et de vos objectifs de modernisation :
| Parcours de modernisation | Charge de travail source | Outils recommandés | Services cibles | Guide de scénario |
|---|---|---|---|---|
| Refactorisation d'applications assistée par l'IA | Applications monolithiques COBOL, PL/I et CICS | Google Cloud Modernization Hub, Mainframe Assessment Tool, CLI Antigravity | Google Kubernetes Engine (GKE), Cloud Run, Spanner ou AlloyDB pour PostgreSQL | Refactorisation des applications mainframe |
| Conversion et validation automatisées du code | Règles d'entreprise extraites et codebases procéduraux existants | CLI Antigravity, Dual Run | Cloud Run ou GKE | Conversion automatisée du code mainframe |
| Migration Lift and Shift du mainframe (émulation) | Charges de travail IBM z/OS ou IBM i nécessitant un minimum de modifications du code | Environnements d'exécution d'émulation partenaires, Mainframe Connector | Compute Engine, Cloud SQL | Migration lift-and-shift des charges de travail mainframe |
| Déchargement et analyse des données | Ensembles de données par lot EBCDIC, fichiers VSAM et tables DB2 | Mainframe Connector | BigQuery, Cloud Storage | Configurations de Mainframe Connector |
Capacités clés
Google Cloud fournit les outils et services suivants pour chaque phase de modernisation des mainframes :
- Évaluation automatisée des applications : Mainframe Assessment Tool (MAT) effectue une rétro-ingénierie du code source (COBOL, PL/I, JCL), mappe les dépendances des programmes et des données, et extrait les règles métier intégrées.
- Ingénierie directe assistée par l'IA : Antigravity CLI et Antigravity aident les développeurs à convertir les règles métier extraites en services cloud natifs modernes dans des langages cibles, tels que Java ou Go, exécutés sur GKE ou Cloud Run.
- Modernisation des données : Mainframe Connector transcode et déplace les ensembles de données de mainframe (EBCDIC) vers des servicesGoogle Cloud tels que BigQuery et Cloud Storage.
- Validation fonctionnelle : Dual Run exécute simultanément les charges de travail de production sur le mainframe etGoogle Cloud pour vérifier la cohérence des données et la parité fonctionnelle avant le basculement.
Rétro-ingénierie et ingénierie directe
La modernisation des mainframes repose sur l'approche double suivante pour extraire la logique et recréer des applications en toute sécurité :
- Rétro-ingénierie : analyse les applications mainframe existantes pour comprendre le codebase avant le début de la modernisation. À l'aide de Mainframe Assessment Tool (MAT), vous mappez les dépendances des applications et extrayez les règles métier du code existant (COBOL, PL/I). MAT utilise l'IA générative pour produire des caractéristiques techniques et cataloguer les structures de données.
- Ingénierie directe : transforme les exigences métier de haut niveau et les règles extraites en code d'application moderne. Dans la modernisation des mainframes, l'ingénierie directe utilise des outils automatisés et la CLI Antigravity pour convertir les règles métier en spécifications fonctionnelles, en documents d'exigences produit (PRD), en user stories et en services cloud sur Google Cloud.
Workflow de modernisation
Le schéma suivant illustre les cinq phases du processus de modernisation du mainframe :
Phase 1 : Ingérer et rétro-concevoir le code source
Dans la phase 1, vous utilisez Mainframe Assessment Tool (MAT) pour analyser vos applications mainframe existantes en fonction des fonctionnalités suivantes :
- Ingestion du code source : inventoriez et analysez les jobs par lot, les copybooks et les schémas de base de données COBOL, PL/I, Assembler et JCL.
- Mappage des dépendances de données : identifiez les relations entre les tables DB2, les fichiers VSAM, les bases de données IMS et les fichiers plats.
- Création d'arborescences d'appels : générez des graphiques d'appels de programmes visuels montrant les séquences de traitement par lot et les flux de transactions CICS (Customer Information Control System) en ligne pour établir des vagues de migration.
Pour en savoir plus, consultez Configurer Mainframe Assessment Tool dans Modernization Hub, Créer une évaluation et Examiner les résultats de l'évaluation.
Phase 2 : Extraire les règles d'entreprise intégrées
Avant de générer des applications modernes, isolez et vérifiez la logique métier critique à partir de blocs de code COBOL ou PL/I anciens et complexes :
- Extraction de règles assistée par l'IA : Mainframe Assessment Tool utilise Gemini pour analyser le code source ligne par ligne et traduire la logique conditionnelle complexe en règles métier en anglais simple.
- Isolation des règles : extrayez la validation, le calcul des intérêts ou la logique de transaction spécifiques au domaine du code procédural.
- Examen avec intervention humaine : des experts du domaine et des analystes métier examinent, affinent et certifient les règles métier extraites.
- Génération de documentation : compilez automatiquement des spécifications techniques à jour pour les anciens programmes.
Pour en savoir plus, consultez Extraire des règles d'entreprise.
Phase 3 : Décomposer les monolithes en domaines d'activité
Avant de déployer des microservices, partitionnez les codebases monolithiques des systèmes mainframe en contextes limités et en domaines d'activité dissociés et pouvant être migrés :
- Mappage de domaine : segmentez les éléments de code en domaines d'activité logiques (tels que les comptes, la facturation et les paiements).
- Découplage des ensembles de données partagés : identifiez les structures de données VSAM ou DB2 partagées qui doivent être divisées en bases de données spécifiques au service.
- Définition de l'interface : définissez les limites de l'API REST ou gRPC pour les services extraits.
Pour en savoir plus, consultez Examiner les insights générés par l'IA pour vos domaines d'activité.
Phase 4 : Rédiger des PRD, des modèles de données et du code moderne
Utilisez la CLI Antigravity pour transformer les résultats d'évaluation extraits en spécifications structurées, en architectures cibles et en code d'application moderne sur Google Cloud :
- Génération de PRD et d'histoires de l'utilisateur : synthétisez les données d'évaluation en spécifications fonctionnelles, en documents de spécifications de produit (PRD) détaillant les critical user journeys (CUJ) et les SLA opérationnels, et en tâches d'ingénierie agiles.
- Architecture cloud cible : choisissez les environnements d'exécution de calcul cibles (Cloud Run, GKE ou Compute Engine).
- Modélisation des données cibles : concevez des structures de données (relationnelles, fichiers, clé-valeur) et choisissez des schémas de base de données cloud modernes en fonction de votre charge de travail :
- Génération de code automatisée : séquencer les plans d'implémentation et générer du code d'application dans les langages cibles, tels que Java ou Go, qui implémentent les règles métier extraites et les modèles de données cibles.
Pour savoir comment configurer les fichiers AGENTS.md exportés, activer le serveur MCP de Mainframe Assessment Tool et vérifier le code généré, consultez Moderniser et valider.
Phase 5 : Séquencer les vagues de migration et valider la parité
Avant le basculement en production, migrez les ensembles de données par vagues structurées et validez la parité fonctionnelle :
- Modernisation des données de mainframe : configurez Mainframe Connector pour le transcodage à volume élevé d'anciens ensembles de données EBCDIC vers Cloud Storage et BigQuery.
- Basculement par vagues incrémentielles : planifiez des vagues de modernisation par domaine d'activité plutôt que d'exécuter un basculement complet du système.
- Tests de parité fonctionnelle : utilisez Dual Run pour rejouer les transactions mainframe en direct en parallèle sur Google Cloudafin de valider les applications modernisées et de vérifier la parité fonctionnelle avant de retirer l'ancien code.
- Déploiement et opérations : déployez des charges de travail modernisées en production et surveillez les performances à l'aide de Google Cloud Observability.
Pour en savoir plus, consultez Transcoder et migrer des données et Valider la parité fonctionnelle.
Étapes suivantes
- Refactorisation des applications mainframe
- Conversion automatisée du code mainframe
- Migration lift-and-shift des charges de travail mainframe