Nesta página, descrevemos as ferramentas, estratégias e fluxos de trabalho estruturados para modernizar cargas de trabalho legadas de mainframe no Google Cloud.
Se você é arquiteto de nuvem empresarial, engenheiro de mainframe ou especialista em migração, use as informações desta página para avaliar as ferramentas de avaliação de mainframe, modernizar os dados de mainframe, gerar serviços nativos da nuvem usando ferramentas assistidas por IA e validar a paridade funcional antes da transição.
Antes de ler esta página, você precisa ter um inventário dos seus aplicativos de mainframe (como conjuntos de dados COBOL, PL/I, JCL e DB2/VSAM) e entender as metas da arquitetura de nuvem de destino.
Escolha um caminho de modernização de mainframe
Use a tabela a seguir para escolher uma estratégia de modernização e as ferramentas recomendadas do Google Cloud com base na carga de trabalho de origem e nas metas de modernização:
| Caminho de modernização | Carga de trabalho de origem | Ferramentas recomendadas | Serviços de destino | Guia de cenários |
|---|---|---|---|---|
| Refatoração de aplicativos assistida por IA | Aplicativos monolíticos COBOL, PL/I e CICS | Modernization Hub do Google Cloud, Ferramenta de avaliação de mainframe, CLI do Antigravity | Google Kubernetes Engine (GKE), Cloud Run, Spanner ou AlloyDB para PostgreSQL | Refatoração de aplicativos de mainframe |
| Conversão e validação de código automatizadas | Regras de negócios extraídas e bases de código procedurais legadas | CLI do Antigravity, Dual Run | Cloud Run ou GKE | Conversão automatizada de código de mainframe |
| Migração lift-and-shift de mainframe (emulação) | Cargas de trabalho do IBM z/OS ou IBM i que exigem alterações mínimas no código | Ambientes de execução de emulação de parceiros, Mainframe Connector | Compute Engine, Cloud SQL | Migração lift-and-shift de cargas de trabalho de mainframe |
| Análise e transferência de dados | Conjuntos de dados em lote EBCDIC, arquivos VSAM e tabelas DB2 | Mainframe Connector | BigQuery, Cloud Storage | Configurações do Mainframe Connector |
Principais recursos
OGoogle Cloud oferece as seguintes ferramentas e serviços para cada fase da modernização de mainframe:
- Avaliação automatizada de aplicativos: a Mainframe Assessment Tool (MAT) faz engenharia reversa do código-fonte (COBOL, PL/I, JCL), mapeia dependências de programas e dados e extrai regras de negócios incorporadas.
- Engenharia direta assistida por IA: a CLI do Antigravity e o Antigravity ajudam os desenvolvedores a converter regras de negócios extraídas em serviços modernos e nativos da nuvem em linguagens de destino, como Java ou Go, em execução no GKE ou no Cloud Run.
- Modernização de dados: o conector de mainframe transcodifica e move conjuntos de dados de mainframe (EBCDIC) para Google Cloud serviços como o BigQuery e o Cloud Storage.
- Validação funcional: o Dual Run executa cargas de trabalho de produção simultaneamente no mainframe e no Google Cloud para verificar a consistência dos dados e a paridade funcional antes da transição.
Engenharia reversa e direta
A modernização de mainframe depende da seguinte abordagem de disciplina dupla para extrair lógica e recriar aplicativos com segurança:
- Engenharia reversa: analisa os aplicativos de mainframe atuais para entender a base de código antes de iniciar a modernização. Ao usar a Mainframe Assessment Tool (MAT), você mapeia dependências de aplicativos e extrai regras de negócios de códigos legados (COBOL, PL/I). O MAT usa IA generativa para produzir especificações técnicas e catalogar estruturas de dados.
- Engenharia direta: transforma requisitos de negócios de alto nível e regras extraídas em código do aplicativo moderno. Na modernização de mainframe, a engenharia direta usa ferramentas automatizadas e a CLI do Antigravity para converter regras de negócios em especificações funcionais, documentos de requisitos de produtos (PRDs), histórias de usuários e serviços de nuvem no Google Cloud.
Fluxo de trabalho de modernização
O diagrama a seguir ilustra as cinco fases do processo de modernização do mainframe:
Fase 1: ingerir e fazer engenharia reversa do código-fonte
Na Fase 1, use a Mainframe Assessment Tool (MAT) para analisar os aplicativos de mainframe atuais de acordo com os seguintes recursos:
- Ingestão de código-fonte: inventariar e analisar COBOL, PL/I, Assembler, jobs em lote JCL, copybooks e esquemas de banco de dados.
- Mapeamento de dependência de dados: identifique relações entre tabelas do DB2, arquivos VSAM, bancos de dados IMS e arquivos simples.
- Criação de árvore de chamadas: gere gráficos visuais de chamadas de programas que mostram sequências de lotes e fluxos de transações on-line do Customer Information Control System (CICS) para estabelecer ondas de migração.
Para mais informações, consulte Configurar a Mainframe Assessment Tool no Modernization Hub, Criar uma avaliação e Analisar os resultados da avaliação.
Fase 2: extrair regras de negócios incorporadas
Antes de gerar aplicativos modernos, isole e verifique a lógica de negócios crítica de blocos de código COBOL ou PL/I legados complexos:
- Extração de regras assistida por IA: a Mainframe Assessment Tool usa o Gemini para analisar o código-fonte linha por linha e traduzir a lógica condicional complexa em regras de negócios em inglês simples.
- Isolamento de regras: extraia a validação específica do domínio, o cálculo de juros ou a lógica de transação do código procedural.
- Revisão human-in-the-loop: especialistas do domínio e analistas de negócios revisam, refinam e certificam as regras de negócios extraídas.
- Geração de documentação: compilar automaticamente especificações técnicas atualizadas para programas legados.
Para mais informações, consulte Extrair regras de negócios.
Fase 3: decompor monolíticos em domínios de negócios
Antes de implantar microsserviços, divida as bases de código monolíticas do mainframe em contextos limitados e domínios de negócios dissociados e migráveis:
- Mapeamento de domínio: segmente os recursos de código em domínios de negócios lógicos (como contas, faturamento e pagamentos).
- Desacoplamento de conjunto de dados compartilhado: identifique estruturas de dados VSAM ou DB2 compartilhadas que precisam ser divididas em bancos de dados específicos do serviço.
- Definição de interface: defina limites de API REST ou gRPC para serviços extraídos.
Para mais informações, consulte Analisar insights gerados com IA para seus domínios de negócios.
Fase 4: criar PRDs, modelos de dados e código moderno
Use a CLI do Antigravity para transformar as saídas de avaliação extraídas em especificações estruturadas, arquiteturas de destino e código do aplicativo moderno no Google Cloud:
- Geração de PRD e história de usuário: sintetize dados de avaliação em especificações funcionais, documentos de requisitos de produtos (PRDs, na sigla em inglês) que detalham jornadas ideais do usuário (CUJs, na sigla em inglês) e SLAs operacionais, além de tarefas de engenharia ágil.
- Arquitetura de nuvem de destino: escolha os ambientes de execução de computação de destino (Cloud Run, GKE ou Compute Engine).
- Modelagem de dados de destino: projete estruturas de dados (relacionais, de arquivos, de chave-valor) e escolha esquemas modernos de banco de dados em nuvem com base na sua carga de trabalho:
- Geração automatizada de código: sequencie blueprints de implementação e gere código de aplicativo em linguagens de destino, como Java ou Go, que implementam as regras de negócios extraídas e os modelos de dados de destino.
Para instruções sobre como configurar arquivos AGENTS.md exportados, ativar o servidor MCP da Mainframe Assessment Tool e verificar o código gerado, consulte Modernizar e validar.
Fase 5: sequenciar as ondas de migração e validar a paridade
Antes da transição para a produção, migre os conjuntos de dados em ondas estruturadas e valide a paridade funcional:
- Modernização de dados de mainframe: configure o conector de mainframe para transcodificação de alto volume de conjuntos de dados legados do EBCDIC para o Cloud Storage e o BigQuery.
- Transição de onda incremental: programe ondas de modernização por domínio de negócios em vez de executar uma transição de sistema completo.
- Teste de paridade funcional: use o Dual Run para reproduzir transações de mainframe em tempo real em paralelo com o Google Cloud para validar aplicativos modernizados e verificar a paridade funcional antes de desativar o código legado.
- Implantação e operações: implante cargas de trabalho modernizadas na produção e monitore o desempenho usando o Google Cloud Observability.
Para mais informações, consulte Transcodificar e migrar dados e Validar a paridade funcional.
A seguir
- Refatoração de aplicativos de mainframe
- Conversão automatizada de código de mainframe
- Migração lift-and-shift de cargas de trabalho de mainframe