Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Planificación

Para cumplir con eficacia los requisitos de las aplicaciones antiguas de mainframe, las organizaciones suelen comenzar con una evaluación exhaustiva de su entorno de mainframe.

Descubrimiento de aplicaciones

Una herramienta poderosa en esta fase inicial es el Rocket Enterprise Analyzer, que proporciona información detallada sobre la estructura, las dependencias y la complejidad de las aplicaciones de mainframe. Esta herramienta le ayuda a determinar el alcance de su esfuerzo de modernización, los posibles riesgos y las oportunidades de optimización.

Un aspecto crucial que hay que descubrir es la intrincada red de dependencias de datos que existe en los sistemas de mainframe. Estas dependencias suelen estar ocultas bajo capas de código heredado y pueden tener un impacto significativo en los esfuerzos de modernización. Al trazar un mapa de cómo interactúan las diferentes aplicaciones y módulos con las distintas fuentes de datos, podrá comprender mejor los posibles efectos de cualquier cambio que tenga previsto implementar.

Dependencias de datos

Una evaluación exhaustiva de las dependencias de los datos puede revelar información fundamental sobre el flujo, la calidad y el gobierno de los datos en su entorno de mainframe. Este conocimiento tiene un valor incalculable a la hora de planificar estrategias de migración de datos, garantizar la integridad de los datos durante la modernización e identificar oportunidades de optimización de los datos. Al obtener una imagen clara de sus datos, puede tomar decisiones más informadas sobre qué enfoques de modernización serán más eficaces y menos perjudiciales para sus operaciones actuales.

Un análisis descendente que identifique el uso de las tablas por transacciones o por tareas relacionadas con el lenguaje de control de tareas (JCL) es fundamental para planificar y priorizar una oleada. Este enfoque aclara las relaciones entre los diferentes componentes de los sistemas de mainframe y le ayuda a desarrollar un enfoque estratégico y gradual de la modernización. Al identificar a qué tablas se accede con más frecuencia y mediante qué procesos, puede priorizar sus esfuerzos de modernización: puede centrarse primero en las áreas de mayor impacto y garantizar una transición más fluida con una interrupción mínima de las operaciones comerciales críticas.

Además de utilizar Rocket Enterprise Analyzer para descubrir las dependencias de los datos, muchas organizaciones también utilizan sus propias soluciones personalizadas para obtener una visión más profunda de sus entornos de mainframe. Estas herramientas internas suelen aprovechar la gran cantidad de información disponible en el catálogo de IBM Db2 y en los registros del System Management Facility (SMF).

Punto de referencia de capacidad

Un paso a la hora de planificar su proyecto de cambio de plataforma de mainframe consiste en recopilar información detallada sobre el consumo actual de la carga de trabajo. Estos datos le ayudarán a predecir y aprovisionar con precisión la capacidad inicial requerida en su entorno de nube objetivo. Por ejemplo, le recomendamos que recopile datos sobre el consumo de millones de instrucciones por segundo (MIPS) por hora, tanto para las transacciones en línea como para las transacciones por lotes, de los trabajos del Sistema de Control de Información del Cliente (CICS) o del Sistema de Gestión de la Información (IMS) y del lenguaje de control de tareas (JCL) de IBM.

IBM ofrece una amplia gama de modelos de precios para el MIPS en la computación de mainframe, y muchos de estos modelos se centran en los picos de uso. Entre estos modelos basados en picos, el más común es el pico continuo de cuatro horas.

Los costos del mainframe incluyen cinco áreas clave que tienen un impacto significativo en los gastos generales:

Estas cinco categorías de costos, combinadas con los cargos basados en el MIPS, constituyen el núcleo de la mayoría de los presupuestos de mainframe. Sin embargo, sus proporciones relativas pueden variar considerablemente según el tamaño de la organización, el sector y los patrones específicos de uso del mainframe.

Los datos de MIPS por hora son cruciales para obtener una comprensión completa de los patrones de carga de trabajo y el rendimiento de su mainframe. A diferencia de los promedios diarios o mensuales, los datos por hora proporcionan información detallada que revela las fluctuaciones matizadas en la utilización de los recursos del sistema a lo largo del día. Este nivel de detalle es inestimable para evaluar con precisión las necesidades de rendimiento y capacidad de su aplicación en la nube.

Al analizar los datos del MIPS por hora, puede identificar los períodos de uso máximo, detectar tendencias y detectar posibles cuellos de botella que podrían ocultarse en los datos agregados, como se muestra en el siguiente diagrama. Esta granularidad permite una planificación de la capacidad más precisa, ayuda a optimizar la asignación de recursos y puede suponer un ahorro de costes y una mejora de la eficiencia del sistema.

Los datos MIPS por hora también sirven como una herramienta esencial de referencia del rendimiento. Establece una línea base detallada del rendimiento del sistema, lo que resulta especialmente valioso a la hora de planificar o evaluar cambios en el sistema, como migraciones o actualizaciones. Al comparar los datos MIPS horarios previos y posteriores al cambio, puede medir con precisión el impacto de estas modificaciones en el rendimiento del sistema y garantizar que su mainframe siga satisfaciendo las necesidades de su organización.

Para recopilar datos de MIPS por hora, tiene varias opciones. Un enfoque consiste en utilizar los registros SMF directamente. Estos registros proporcionan una gran cantidad de información sobre la actividad del sistema y el uso de los recursos. Como alternativa, puede utilizar herramientas especializadas, como la herramienta IBM Sub-Capacity Reporting Tool (SCRT), que puede simplificar el proceso de recopilación y análisis de los datos del MIPS.

Independientemente del método que elija, es importante recopilar los datos durante un período prolongado, idealmente, varios meses. Este período de recopilación prolongado le permite tener en cuenta las variaciones cíclicas de su carga de trabajo, como los picos de end-of-month procesamiento o las fluctuaciones estacionales. Al capturar estos patrones a largo plazo, podrá obtener una imagen más precisa y completa de las características de rendimiento de su mainframe, lo que le permitirá tomar decisiones mejor fundamentadas y gestionar la capacidad de forma más eficaz.

Planificación de oleaje

Puede utilizar la información recopilada para priorizar estratégicamente sus iniciativas de cambio de plataforma de mainframe. Un enfoque prudente consiste en empezar con cargas de trabajo menos críticas, como las transacciones comerciales no esenciales o los trabajos por lotes, para que los equipos puedan adquirir experiencia y perfeccionar los procesos con un riesgo mínimo para las operaciones esenciales. Además, considerar las cargas de trabajo de solo lectura como primeras candidatas para la migración puede ser ventajoso, ya que estas cargas de trabajo suelen implicar menos complejidad y un menor riesgo de inconsistencias en los datos. Este enfoque le permite generar confianza e impulsar sus esfuerzos de cambio de plataforma.

Además, agrupar las cargas de trabajo que comparten tablas de Db2 para operaciones de escritura o actualización puede agilizar el proceso de migración. Al identificar estas cargas de trabajo interconectadas, puede planificar oleadas de migración cohesivas que mantengan la integridad de los datos y minimicen la necesidad de soluciones provisionales complejas. Esta estrategia no solo reduce el riesgo de conflictos de datos, sino que también optimiza el cronograma general de cambio de plataforma al abordar los componentes relacionados simultáneamente. En última instancia, este enfoque de priorización basado en los datos garantiza una consideración equilibrada de la criticidad, la complejidad y la interdependencia, y conduce a un proceso de modernización del mainframe más eficiente y exitoso.