本頁面說明在 Google Cloud上翻新舊版大型主機工作負載的工具、策略和結構化工作流程。
如果您是企業雲端架構師、大型主機工程師或遷移專家，請參考本頁資訊，評估大型主機評估工具、翻新大型主機資料、使用 AI 輔助工具生成雲端原生服務，以及在轉換前驗證功能是否一致。
閱讀本頁面前，請先盤點大型主機應用程式 (例如 COBOL、PL/I、JCL 和 DB2/VSAM 資料集)，並瞭解目標雲端架構目標。
選擇大型主機翻新途徑
請參閱下表，根據來源工作負載和現代化目標，選擇現代化策略和建議的 Google Cloud 工具：
| 翻新途徑 | 來源工作負載 | 建議工具 | 目標服務 | 情境指南 |
|---|---|---|---|---|
| AI 輔助應用程式重構 | 單體式 COBOL、PL/I 和 CICS 應用程式 | Google Cloud Modernization Hub、Mainframe Assessment Tool、Antigravity CLI | Google Kubernetes Engine (GKE)、Cloud Run、Spanner 或 AlloyDB for PostgreSQL | 大型主機應用程式重構 |
| 自動轉換及驗證程式碼 | 擷取的業務規則和舊版程序程式碼集 | Antigravity CLI、Dual Run | Cloud Run 或 GKE | 自動轉換大型主機程式碼 |
| 大型主機隨即轉移 (模擬) | IBM z/OS 或 IBM i 工作負載，只需稍微修改程式碼 | 合作夥伴模擬執行階段、Mainframe Connector | Compute Engine、Cloud SQL | 大型主機工作負載 lift-and-shift 遷移 |
| 資料卸載和分析 | EBCDIC 批次資料集、VSAM 檔案和 DB2 資料表 | Mainframe Connector | BigQuery、Cloud Storage | Mainframe Connector 設定 |
主要功能
Google Cloud 為大型主機翻新的各個階段提供下列工具和服務：
- 自動評估應用程式：Mainframe Assessment Tool (MAT) 會對原始碼 (COBOL、PL/I、JCL) 進行反向工程、對應程式和資料依附元件，並擷取內嵌的業務規則。
- AI 輔助正向工程：Antigravity CLI 和 Antigravity 可協助開發人員將擷取的業務規則，轉換為以 Java 或 Go 等目標語言編寫的新式雲端原生服務，並在 GKE 或 Cloud Run 上執行。
- 資料現代化：Mainframe Connector 會轉碼並將大型主機資料集 (EBCDIC) 移至Google Cloud 服務，例如 BigQuery 和 Cloud Storage。
- 功能驗證：Dual Run 會在大型主機和Google Cloud 上同時執行正式環境工作負載，在轉換前驗證資料一致性和功能同等性。
反向和正向工程
大型主機翻新作業仰賴下列雙重方法，安全地擷取邏輯並重建應用程式：
- 反向工程：分析現有大型主機應用程式，在開始翻新前瞭解程式碼集。您可以使用 Mainframe Assessment Tool (MAT) 對應應用程式依附元件，並從舊版程式碼 (COBOL、PL/I) 擷取業務規則。MAT 使用生成式 AI 產生技術規格和目錄資料結構。
- 正向工程：將高階業務需求和擷取的規則，轉換為現代應用程式程式碼。在大型主機翻新作業中，正向工程會使用自動化工具和 Antigravity CLI，將業務規則轉換為功能規格、產品需求文件 (PRD)、使用者故事，以及 Google Cloud上的雲端服務。
翻新工作流程
下圖說明大型主機現代化程序的五個階段：
階段 1：擷取原始碼並進行反向工程
在第 1 階段，您可以使用 Mainframe Assessment Tool (MAT)，分析現有大型主機應用程式的下列功能：
- 原始碼擷取：盤點及剖析 COBOL、PL/I、Assembler、JCL 批次工作、抄本和資料庫結構定義。
- 資料依賴對應：找出 DB2 資料表、VSAM 檔案、IMS 資料庫和平面檔之間的關係。
- 建立呼叫樹狀結構：生成視覺化程式呼叫圖，顯示批次序列和線上客戶資訊控制系統 (CICS) 交易流程，以建立遷移波。
詳情請參閱「在 Modernization Hub 設定 Mainframe Assessment Tool」、「建立評估作業」和「查看評估結果」。
第 2 階段：擷取嵌入的業務規則
生成現代化應用程式前，請先從複雜的舊版 COBOL 或 PL/I 程式碼區塊中，隔離並驗證重要的商業邏輯：
- AI 輔助規則擷取：Mainframe Assessment Tool 會使用 Gemini 逐行分析原始碼，並將複雜的條件邏輯轉譯為簡單易懂的業務規則。
- 規則隔離：從程序程式碼中擷取特定領域的驗證、利息計算或交易邏輯。
- 人工介入迴路審查：領域專家和業務分析師審查、修正及認證擷取的業務規則。
- 生成說明文件：自動彙整舊版程式的最新技術規格。
詳情請參閱「擷取業務規則」。
第 3 階段：將單體式架構分解為業務領域
部署微服務前，請先將單體式大型主機程式碼集，劃分為有界限的內容和解耦、可遷移的業務領域：
- 網域對應：將程式碼資產區隔為邏輯業務網域 (例如帳戶、帳單和付款)。
- 共用資料集分離：找出必須分割為服務專屬資料庫的共用 VSAM 或 DB2 資料結構。
- 介面定義：定義擷取服務的 REST 或 gRPC API 邊界。
詳情請參閱「查看 AI 生成的業務領域洞察資料」。
階段 4：編寫 PRD、資料模型和現代程式碼
使用 Antigravity CLI，將擷取的評估輸出內容轉換為結構化規格、目標架構，以及 Google Cloud上的現代化應用程式程式碼：
- 生成 PRD 和使用者故事：將評估資料彙整成功能規格、產品需求文件 (PRD)，詳細說明關鍵使用者歷程 (CUJ) 和作業服務水準協議 (SLA)，以及敏捷工程任務。
- 目標雲端架構：選擇目標運算執行階段 (Cloud Run、GKE 或 Compute Engine)。
- 目標資料建模：設計資料結構 (關聯、檔案、鍵/值)，並根據工作負載選擇現代雲端資料庫結構定義：
- 自動生成程式碼：依序實作藍圖，並以目標語言 (例如 Java 或 Go) 生成應用程式程式碼，實作擷取的業務規則和目標資料模型。
如要瞭解如何設定匯出的 AGENTS.md 檔案、啟用 Mainframe Assessment Tool MCP 伺服器，以及驗證產生的程式碼，請參閱「翻新及驗證」。
階段 5：安排遷移波次並驗證同等性
在正式環境切換前，請分批遷移資料集，並驗證功能是否一致：
- 大型主機資料現代化：設定 Mainframe Connector，將大量舊版 EBCDIC 資料集轉碼至 Cloud Storage 和 BigQuery。
- 逐步轉換：依業務領域排定現代化作業，而非執行全系統轉換。
- 功能同等測試：使用 Dual Run，針對 Google Cloud平行重播即時大型主機交易，驗證翻新後的應用程式，並在淘汰舊版程式碼前驗證功能同等。
- 部署和作業：將翻新的工作負載部署至正式環境，並使用 Google Cloud Observability 監控效能。