Wzory rozszerzania w celu modernizacji mainframe w AWS

12 sierpnia 2022

Klienci korzystający z komputerów mainframe chcą korzystać z usług Amazon Web Services (AWS), aby zwiększyć elastyczność, zmaksymalizować wartość swoich inwestycji i szybciej wprowadzać innowacje.

8 czerwca 2022 r. firma AWS ogłosiła ogólną dostępność AWS Mainframe Modernization, nowej usługi, która przyspiesza i ułatwia klientom modernizację obciążeń opartych na komputerach mainframe.

W poniższym artykule autorzy omówią typowe przypadki użycia i wzorce architektury rozszerzeń, które pomagają uwolnić dane z komputerów mainframe na potrzeby nowoczesnej analizy danych, pozbyć się drogich i nieobsługiwanych rozwiązań pamięci taśmowych dla komputerów mainframe, zbudować nowe możliwości integrujące się z podstawowymi obciążeniami komputerów mainframe i umożliwić zwinne tworzenie i testowanie poprzez adaptację CI/CD dla mainframe.

Wzorzec 1: Rozszerz retencję danych mainframe o tworzenie kopii zapasowych i archiwizację w AWS

Komputery mainframe przetwarzają i generują najbardziej krytyczne dane biznesowe. Niezbędne jest zapewnienie ochrony danych za pomocą rozwiązań, takich jak tworzenie kopii zapasowych danych, archiwizacja i odzyskiwanie po awarii. Komputery mainframe zwykle korzystają z automatycznych bibliotek taśm – wirtualnych bibliotek taśm do tworzenia kopii zapasowych i archiwizacji. Taśmy te muszą być przechowywane, organizowane i transportowane do skarbców i miejsc odzyskiwania po awarii. Wszystko to może być bardzo kosztowne i o sztywnych zasadach.

Istnieje bardziej ekonomiczne podejście, które pomaga uprościć działanie bibliotek taśmowych: wykorzystanie narzędzi partnerów AWS, takich jak Model9, do przejrzystej migracji danych z pamięci taśmowej do AWS.

Jak zaprezentowano na rysunku nr 1, dane mainframe mogą być przesyłane przez zabezpieczone połączenie sieciowe za pomocą usług AWS Transfer Family lub AWS DataSync do usług przechowywania w chmurze AWS, takich jak Amazon Elastic File System, Amazon Elastic Block Store i Amazon Simple Storage Service (S3). Po zapisaniu danych w chmurze AWS możesz konfigurować i przenosić dane między tymi usługami, aby spełnić potrzeby związane z przetwarzaniem danych biznesowych. W zależności od wymagań dotyczących przechowywania danych koszty przechowywania danych można dodatkowo zoptymalizować, konfigurując zasady S3 Lifecycle w celu przenoszenia danych między klasami pamięci Amazon S3. W celu długoterminowej archiwizacji danych można wybrać klasę pamięci masowej S3 Glacier, aby uzyskać trwałość, odporność i optymalną opłacalność.

Rysunek 1. Kopia zapasowa danych na komputerze mainframe i powiększanie archiwów

Rysunek 1. Kopia zapasowa danych na komputerze mainframe i powiększanie archiwów.

Wzorzec 2: Rozszerz mainframe o zwinne środowiska programistyczne i testowe, w tym potok CI/CD na AWS

W przypadku każdej aplikacji biznesowej o znaczeniu krytycznym typowe obciążenie komputera mainframe wymaga środowisk programistycznych i testowych do obsługi obciążeń produkcyjnych. Często zdarza się, że w przypadku większości komputerów mainframe występuje długi cykl życia aplikacji, brak zautomatyzowanych testów i brak potoku CI/CD. Ponadto istniejące procesy i narzędzia rozwoju komputerów mainframe są przestarzałe, ponieważ nie są w stanie nadążyć za tempem biznesowym, co skutkuje rosnącymi zaległościami. Organizacje korzystające z komputerów mainframe szukają więc rozwiązań do tworzenia aplikacji, aby sprostać tym wyzwaniom.

Jak przedstawiono na rysunku nr 2, narzędzia programistyczne AWS koordynują kompilację, testowanie i wdrażanie kodu w środowiskach testowych mainframe. Środowiska testowe mainframe są dostarczane przez dostawców mainframe jako emulatory lub przez partnerów AWS, takich jak Micro Focus. Możesz załadować preferowane narzędzia programistyczne i uruchomić zintegrowane środowisko programistyczne (IDE) z Amazon WorkSpaces lub Amazon AppStream 2.0. Deweloperzy tworzą lub modyfikują kod w IDE, a następnie zatwierdzają i wypychają swój kod do AWS CodeCommit. Gdy tylko kod zostanie wypchnięty, generowane jest zdarzenie i wyzwala potok w AWS CodePipeline, aby zbudować nowy kod w środowisku kompilacji za pośrednictwem AWS CodeBuild. Potok wypycha nowy kod do środowiska testowego.

Aby zoptymalizować koszty, można skalować pojemność środowiska testowego w celu zaspokojenia potrzeb. Testy są wykonywane, a środowisko testowe można wyłączyć, gdy nie jest używane. Gdy testy zakończą się pomyślnie, potok wypycha kod z powrotem do komputera mainframe za pośrednictwem AWS CodeDeploy i serwera pośredniczącego. Po stronie mainframe kod może przejść przez ponowną kompilację i końcowe testy przed wypchnięciem do produkcji.

Możesz jeszcze bardziej zoptymalizować operacje i koszty licencjonowania emulatora mainframe, wykorzystując zarządzane zintegrowane środowisko programistyczne i testowe udostępniane przez usługę AWS Mainframe Modernization.

Rysunek 2. Rozszerzenie CI/CD na komputerach mainframe

Rysunek 2. Rozszerzenie CI/CD na komputerach mainframe.

Wzorzec 3: Rozszerz mainframe o zwinną analizę danych w AWS

Podstawowe aplikacje biznesowe działające na komputerach mainframe przez lata generują dużo danych. Dziesięciolecia historycznych transakcji biznesowych i ogromne ilości danych użytkowników stanowią okazję do rozwinięcia głębokiego wglądu biznesowego. Tworząc jezioro danych za pomocą usług big data AWS, możesz uzyskać szybsze możliwości analityczne i lepszy wgląd w podstawowe dane biznesowe pochodzące z aplikacji mainframe.

Rysunek nr 3 przedstawia dane pobierane z relacyjnych, hierarchicznych lub opartych na plikach mainframe magazynów danych na komputerach mainframe. Dane te są prezentowane w różnych formatach i przechowywane jako DB2 for z/OS, VSAM, IMS DB, IDMS, DMS lub innymi. Możesz użyć replikacji danych partnerów AWS i zmienić narzędzia do przechwytywania danych z AWS Marketplace lub usług w chmurze AWS, takich jak Amazon Managed Streaming dla Apache Kafka do strumieniowego przesyłania danych w czasie zbliżonym do rzeczywistego, usługi Transfer Family i DataSync do zbiorczego przenoszenia danych z komputerów mainframe do AWS.

Gdy dane zostaną zreplikowane do AWS, możesz dalej przetwarzać je za pomocą usług takich jak AWS Lambda lub Amazon Elastic Container Service i przechowywać przetworzone dane w różnych usługach przechowywania danych AWS, takich jak Amazon DynamoDB, Amazon Relational Database Service i Amazon S3.

Korzystając z usług AWS big data i usług analizy danych, takich jak Amazon EMR, Amazon Redshift, Amazon Athena, AWS Glue i Amazon QuickSight, możesz opracować dogłębny wgląd w biznes i zaprezentować swoim klientom elastyczne wizualizacje. Dowiedz się więcej o integracji danych z mainframe.

Rysunek 3. Rozszerzenie analizy danych na komputerze mainframe

Rysunek 3. Rozszerzenie analizy danych na komputerze mainframe.

Wzór 4: Rozszerz mainframe o nowe funkcje i kanały w AWS

Organizacje z komputerami mainframe używają AWS do szybkiego wprowadzania innowacji i iteracji, ponieważ często brakuje im wspomnianej zwinności. Na przykład typowym scenariuszem dla banku może być dostarczanie aplikacji mobilnej do angażowania klientów, takiej jak wspieranie kampanii marketingowej dla nowej karty kredytowej.

Jak pokazano na rysunku nr 4, z danymi replikowanymi z komputerów mainframe do chmury AWS i analizowanymi przez usługi Big Data i usługi analityczne AWS, nowe funkcje biznesowe można rozwijać w aplikacjach natywnych dla chmury przy użyciu Amazon API Gateway, AWS Lambda i AWS Fargate. Nowe aplikacje biznesowe mogą wchodzić w interakcję z danymi z komputerów mainframe, a połączenie może zapewnić głęboki wgląd w działalność biznesową.

Aby dodać nowe możliwości innowacji, korzystając z danych szeregów czasowych generowanych przez nowe aplikacje funkcji biznesowych, przy użyciu Amazon Forecast można przewidzieć wskaźniki specyficzne dla domeny, takie jak zapasy, siłę roboczą, ruch w sieci i finanse. Amazon Lex może tworzyć wirtualnych agentów, automatyzować odpowiedzi informacyjne na zapytania klientów i poprawiać produktywność biznesową. Dodając Amazon SageMaker, możesz przygotować na dużą skalę dane zebrane z komputerów mainframe i nowych aplikacji biznesowych, aby budować, trenować i wdrażać modele uczenia maszynowego dla dowolnych przypadków biznesowych.

Możesz jeszcze bardziej zwiększyć zaangażowanie klientów, włączając Amazon Connect i Amazon Pinpoint do budowania komunikacji wielokanałowej.

Figure 4. Mainframe new functions and channels augmentation

Rysunek 4. Nowe funkcje i rozszerzanie kanałów mainframe.

Wnioski

Aby zwiększyć elastyczność, zmaksymalizować wartość inwestycji i szybciej wprowadzać innowacje, organizacje mogą zastosować wzorce omówione w tym artykule. Dzięki temu rozszerzą mainframe'y za pomocą usług AWS w celu zbudowania odpornego rozwiązania do ochrony danych, zapewnienia zwinnego zintegrowanego środowiska programistycznego i testowego CI/CD, uwolnienia danych mainframe i opracowywania innowacyjnych rozwiązań dla nowych, cyfrowych doświadczeń klientów. Dzięki usłudze AWS Mainframe Modernization możesz przyspieszyć tę podróż i szybciej wprowadzać innowacje.

źródło: AWS

 

 

 

Case Studies
Referencje

Bardzo sprawny kontakt z pracownikami Hostersi pozwolił nam pomyślną realizację naszego projektu i osiągnięcie założonych celów biznesowych. Jesteśmy pełni uznania dla kompetencji specjalistów Hostersi i jakości świadczonych przez nich usług.

Beata Kaczor
Dyrektor Zarządzający
W skrócie o nas
Specjalizujemy się w dostarczaniu rozwiązań IT w obszarach projektowania infrastruktury serwerowej, wdrażania chmury obliczeniowej, opieki administracyjnej i bezpieczeństwa danych.