Conversión automatizada de código de mainframe

En esta página, se proporciona orientación sobre la arquitectura y los flujos de trabajo operativos para automatizar la generación de código de mainframe y validar la paridad funcional en Google Cloud.

Si eres Cloud Architect, desarrollador de aplicaciones o ingeniero de migración, usa la información de esta página para sintetizar los metadatos técnicos extraídos en microservicios modernos en idiomas de destino, como Java o Go, con la CLI de Antigravity, y validar la paridad de producción con Dual Run antes de la migración de sistemas.

Antes de leer esta página, debes haber completado el análisis del código heredado, extraído tus reglas empresariales y definido las especificaciones de tu arquitectura de destino.

Flujo de trabajo de generación de código automatizada

La generación de código asistida por IA combina cuatro entradas principales: la lógica empresarial extraída de la Mainframe Assessment Tool, los metadatos del esquema técnico, los documentos de requisitos del producto (PRD) y las plantillas de arquitectura de destino para producir implementaciones de microservicios, como se muestra en el siguiente diagrama:

Diagrama de arquitectura que muestra las cuatro entradas principales que se combinan en el flujo de trabajo de generación de código asistido por IA.

Validación paralela con Dual Run

Para reducir el riesgo de las migraciones de sistemas, Dual Run valida las transacciones paralelas con los siguientes componentes:

  • Proxy interceptor: Captura las solicitudes entrantes de HTTP, 3270, Socket o MQ en la computadora central heredada y reenvía las cargas útiles en vivo a Pub/Sub.
  • Motor de reproducción de Dualizer: reproduce las transacciones en línea capturadas en el sistema secundario modernizado que se ejecuta en Google Cloud.
  • Comparador de datos: Compara automáticamente las respuestas y el estado de la base de datos entre la computadora central heredada y las instancias de Google Cloud en tiempo real.
  • Panel de paridad: Realiza un seguimiento de las métricas de paridad funcional en los paneles de BigQuery para respaldar las decisiones de cambio.

¿Qué sigue?