本頁面說明Google Cloud 提供的大型主機翻新產品，協助您選擇翻新大型主機應用程式並遷移至 Google Cloud的路徑。
您可以使用本文所述的工具和程序，在Google Cloud 中評估、擴增、重寫大型主機應用程式，降低遷移風險，並測試這些應用程式，再將其部署到正式環境。本頁面提供的資訊可協助您執行下列操作：
- 瞭解有助於大型主機翻新的 Google Cloud 產品和工具，包括 Mainframe Assessment Tool、Antigravity、Mainframe Connector 和 Dual Run。
- 瞭解大型主機翻新作業的一般階段：評估、翻新和驗證。
- 瞭解這些工具如何加快大型主機翻新程序，並降低風險。
本頁面適用於 IT 專業人員、架構師和決策者，他們正在規劃或正在將大型主機應用程式遷移至 Google Cloud，以進行現代化。
閱讀本頁面前，請先熟悉下列內容：
使用這些工具可加速將應用程式遷移至 Google Cloud，並降低相關風險。
制定大型主機翻新策略
Google Cloud 提供分階段做法和工具，引導您完成大型主機翻新流程。以下是大型主機翻新作業使用的產品：
- Mainframe Assessment Tool：分析現有大型主機環境。
- Antigravity：協助轉換及生成程式碼。
- Mainframe Connector： 有助於轉換及遷移資料。
- Dual Run：可進行平行測試，以利驗證。
主要現代化活動
成功完成大型主機現代化需要進行多項重要活動，並搭配 Google Cloud 工具：
評估大型主機應用程式：使用 Mainframe Assessment Tool 評估大型主機應用程式。Mainframe Assessment Tool 可協助您瞭解現有程式碼集、應用程式和資料依賴，並擷取業務規則。這項自動評估作業和擷取的業務規則，可協助您規劃遷移至 Google Cloud。在現代化工作流程中，這項程序稱為反向工程。
生成及轉換程式碼：使用 Antigravity 將大型主機應用程式轉換為現代化應用程式程式碼，以便遷移至 Google Cloud。從 Mainframe Assessment Tool 擷取的業務規則，可協助您只遷移有效的業務規則。Antigravity 可透過自然語言提示和自動化工作流程，協助您生成雲端原生程式碼，並轉換現有程式碼。在現代化工作流程中，這個程序稱為「正向工程」。
翻新及遷移大型主機資料：使用 Mainframe Connector 遷移及轉換資料，將大型主機專屬格式 (例如
EBCDIC) 轉換為與 Google Cloud 服務相容的格式。這個程序可讓您搭配使用大型主機資料與 Cloud Storage 和 BigQuery 等雲端服務。透過平行測試降低遷移風險：使用 Dual Run，同時在大型主機和 Google Cloud上執行工作負載。這項平行執行功能可讓您檢查一致性和功能驗證，確保翻新後的程式碼在功能上與大型主機應用程式系統相當，並可部署至正式環境。
翻新階段
現代化程序分為三個階段，引導您從初步探索到最終正式版部署和轉換。
第 1 階段：評估大型主機應用程式 (反向工程)
分析現有的大型主機應用程式、瞭解依附關係、擷取商業邏輯，並定義大型主機翻新專案的範圍。
在這個階段，您會使用 Mainframe Assessment Tool 分析現有的大型主機應用程式，並定義翻新專案的範圍。Mainframe Assessment Tool 會使用 Gemini，從大型主機應用程式原始碼生成自然語言摘要、技術規格和業務規則。您可以驗證擷取的業務規則，並只匯出有效的業務規則，用於應用程式現代化。
使用 Mainframe Assessment Tool 執行下列工作：
- 建立大型主機應用程式評估：建立評估，分析大型主機應用程式，包括支援語言的原始碼、資料庫結構定義、交易監控器和排程器設定。
- 建立評估作業時定義業務領域：將大型主機應用程式細分並對應至邏輯業務領域和較小的可遷移單元，以便排定遷移策略的優先順序。
- 查看並解讀評估結果：
查看報表，瞭解依附元件、資料庫和呼叫樹狀結構。如要進一步瞭解可用的報表類型，請參閱「探索及分析原始碼」。
- 查看可遷移單位，準備遷移計畫：可遷移單位報表會將資產劃分為遷移單位，產生初步遷移計畫。
- 擷取業務規則：隔離並驗證大型主機應用程式程式碼中的核心商業邏輯。確保在現代化過程中只保留有效的重要規則。這個程序可讓您查看及驗證業務規則。
第 2 階段：翻新 (正向工程)
在這個階段，您會將評估階段的洞察資料轉換為現代化的雲端原生應用程式和元件。使用 Mainframe Assessment Tool 的輸出內容 (例如擷取的業務規則)，引導現代化程序。
您也可以將匯出的評估結果用於進一步分析：
- 匯出評估 HTML 或 JSON 報表：匯出 HTML 或 JSON 報表，以供審查及分享。
- 從資產關係匯出 Neo4j 評估資料：將資料匯出至 Neo4j 資料庫，以便在大型主機應用程式中，以視覺化方式呈現及分析複雜關係。
- Mainframe Assessment Tool MCP 伺服器：使用自然語言提示搭配 Mainframe Assessment Tool MCP 伺服器，進一步瞭解大型主機評估結果。
使用 Antigravity 執行下列工作：
- 定義目標架構和資料模型：使用 Antigravity 提示詞分析擷取的業務規則，產生目標架構提案。設計最佳化的資料模型 (檔案、關聯資料)、選取合適的資料服務 (BigQuery、Spanner、AlloyDB for PostgreSQL)，並選擇理想的Google Cloud 運算服務 (Spanner、Cloud SQL、Compute Engine、Cloud Run 或 Google Kubernetes Engine (GKE))。
- 建立 AI 最佳化導入計畫：將複雜的架構需求分解為循序「前向工程」計畫。這項計畫可確保工作規模適當，並針對 Antigravity 輔助程式碼生成進行最佳化。
自動生成程式碼：生成全新、現代化、雲端就緒且高效能的程式碼，實作擷取的業務規則，並與目標資料模型保持一致。
詳情請參閱「使用 Antigravity 翻新大型主機應用程式程式碼」。
使用大型主機連接器執行下列工作：
遷移及翻新大型主機資料：使用 Mainframe Connector，將舊版大型主機資料轉換並遷移至 Google Cloud 。這項程序可確保測試和正式環境中的資料可用性和一致性。
詳情請參閱「選擇資料遷移方式」。
階段 3：驗證
部署翻新後的應用程式後，請驗證其功能是否與舊版大型主機應用程式相同，並確保轉換至正式環境時風險較低。
這個階段著重於執行功能等效測試，確保現代化環境符合舊版系統的商業邏輯。
使用 Dual Run 執行下列工作：
- 使用 Dual Run 測試功能是否相同：使用 Dual Run 驗證翻新後的應用程式。透過平行比較實際大型主機交易和資料與 Google Cloud環境，您可以確保功能同等、認證現代化應用程式，並在部署前降低迴歸風險。這項活動是降低遷移專案風險的重要步驟。
- 部署及監控：放心將現代化工作負載部署至正式環境。使用 Google Cloud 觀測產品，持續監控及管理效能。
詳情請參閱「開始使用 Dual Run」。
後續步驟
- 瞭解如何翻新及驗證。
- 進一步瞭解 Mainframe Connector。
- 進一步瞭解 Dual Run。