Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Hasilkan wawasan z/OS data Db2 dengan menggunakan dan AWS Mainframe Modernization Amazon Q di QuickSight
Shubham Roy, Roshna Razack, dan Santosh Kumar Singh, Amazon Web Services
Ringkasan
Jika organisasi Anda menghosting data penting bisnis di lingkungan mainframe IBM Db2, mendapatkan wawasan dari data tersebut sangat penting untuk mendorong pertumbuhan dan inovasi. Dengan membuka kunci data mainframe, Anda dapat membangun intelijen bisnis yang lebih cepat, aman, dan terukur untuk mempercepat pengambilan keputusan, pertumbuhan, dan inovasi berbasis data di Amazon Web Services () Cloud.AWS
Pola ini menyajikan solusi untuk menghasilkan wawasan bisnis dan membuat narasi yang dapat dibagikan dari data mainframe di IBM Db2 untuk tabel. z/OS Perubahan data mainframe dialirkan ke topik Amazon Managed Streaming for Apache Kafka (Amazon MSK AWS Mainframe Modernization ) menggunakan Replikasi Data dengan Tepat. Menggunakan konsumsi streaming Amazon Redshift, data topik MSK Amazon disimpan di tabel gudang data Amazon Redshift Tanpa Server untuk analitik di Amazon. QuickSight
Setelah data tersedia QuickSight, Anda dapat menggunakan petunjuk bahasa alami dengan Amazon Q in QuickSight untuk membuat ringkasan data, mengajukan pertanyaan, dan menghasilkan cerita data. Anda tidak perlu menulis kueri SQL atau mempelajari alat intelijen bisnis (BI).
Konteks bisnis
Pola ini menyajikan solusi untuk analisis data mainframe dan kasus penggunaan wawasan data. Dengan menggunakan pola, Anda membangun dasbor visual untuk data perusahaan Anda. Untuk mendemonstrasikan solusinya, pola ini menggunakan perusahaan perawatan kesehatan yang menyediakan rencana medis, gigi, dan penglihatan kepada anggotanya di AS. Dalam contoh ini, demografi anggota dan informasi rencana disimpan di IBM Db2 untuk tabel data. z/OS Dasbor visual menunjukkan hal berikut:
Distribusi anggota berdasarkan wilayah
Distribusi anggota berdasarkan jenis kelamin
Distribusi anggota berdasarkan usia
Distribusi anggota berdasarkan jenis rencana
Anggota yang belum menyelesaikan imunisasi preventif
Untuk contoh distribusi anggota menurut wilayah dan anggota yang belum menyelesaikan imunisasi preventif, lihat bagian Informasi tambahan.
Setelah membuat dasbor, Anda menghasilkan cerita data yang menjelaskan wawasan dari analisis sebelumnya. Cerita data memberikan rekomendasi untuk meningkatkan jumlah anggota yang telah menyelesaikan imunisasi preventif.
Prasyarat dan batasan
Prasyarat
Aktif Akun AWS. Solusi ini dibangun dan diuji di Amazon Linux 2 di Amazon Elastic Compute Cloud (Amazon EC2).
Virtual Private Cloud (VPC) dengan subnet yang dapat diakses oleh sistem mainframe Anda.
Database mainframe dengan data bisnis. Untuk contoh data yang digunakan untuk membangun dan menguji solusi ini, lihat bagian Lampiran.
Ubah pengambilan data (CDC) diaktifkan pada tabel Db2 z/OS . Untuk mengaktifkan CDC pada Db2 z/OS, lihat dokumentasi IBM.
Tepatnya Connect CDC untuk z/OS diinstal pada z/OS sistem yang menghosting database sumber. CDC Tepat Connect untuk z/OS gambar disediakan sebagai file zip dalam AWS Mainframe Modernization - Replikasi Data untuk IBM z/OS Amazon
Machine Image (AMI). Untuk menginstal Connected Connect CDC z/OS di mainframe, lihat dokumentasi Instalasi yang tepat .
Batasan
Data Db2 mainframe Anda harus berada dalam tipe data yang didukung oleh Acceply Connect CDC. Untuk daftar tipe data yang didukung, lihat dokumentasi CDC Connect dengan tepat
. Data Anda di Amazon MSK harus dalam tipe data yang didukung oleh Amazon Redshift. Untuk daftar tipe data yang didukung, lihat dokumentasi Amazon Redshift.
Amazon Redshift memiliki perilaku dan batas ukuran yang berbeda untuk tipe data yang berbeda. Untuk informasi selengkapnya, lihat dokumentasi Amazon Redshift.
Data mendekati waktu nyata QuickSight tergantung pada interval penyegaran yang disetel untuk database Amazon Redshift.
Beberapa Layanan AWS tidak tersedia di semua Wilayah AWS. Untuk ketersediaan Wilayah, lihat Layanan AWS berdasarkan Wilayah
. Amazon Q in saat QuickSight ini tidak tersedia di setiap Wilayah yang mendukung QuickSight. Untuk titik akhir tertentu, lihat halaman titik akhir dan kuota Layanan, dan pilih tautan untuk layanan.
Versi produk
AWS Mainframe Modernization Replikasi Data dengan Tepatnya versi 4.1.44
Python versi 3.6 atau yang lebih baru
Apache Kafka versi 3.5.1
Arsitektur
Arsitektur target
Diagram berikut menunjukkan arsitektur untuk menghasilkan wawasan bisnis dari data mainframe dengan menggunakan Replikasi AWS Mainframe Modernization Data dengan Tepatnya dan Amazon Q

Diagram menunjukkan alur kerja berikut:
Agen Pembaca Log Tepatnya membaca data dari log Db2 dan menulis data ke penyimpanan sementara pada sistem file OMVS di mainframe.
Agen Penerbit membaca log Db2 mentah dari penyimpanan sementara.
Daemon pengontrol lokal mengautentikasi, mengotorisasi, memantau, dan mengelola operasi.
Agen Terapkan diterapkan di Amazon EC2 dengan menggunakan AMI yang telah dikonfigurasi sebelumnya. Ini terhubung dengan Agen Penerbit melalui daemon pengontrol dengan menggunakan TCP/IP. Agen Terapkan mendorong data ke MSK Amazon menggunakan beberapa pekerja untuk throughput tinggi.
Para pekerja menulis data ke topik MSK Amazon dalam format JSON. Sebagai target perantara untuk pesan yang direplikasi, Amazon MSK menyediakan kemampuan failover yang sangat tersedia dan otomatis.
Amazon Redshift streaming ingestion menyediakan latensi rendah, konsumsi data berkecepatan tinggi dari Amazon MSK ke database Amazon Redshift Serverless. Prosedur tersimpan di Amazon Redshift melakukan rekonsiliasi data perubahan mainframe (insert/update/deletes) ke dalam tabel Amazon Redshift. Tabel Amazon Redshift ini berfungsi sebagai sumber analisis data untuk. QuickSight
Pengguna mengakses data QuickSight untuk analitik dan wawasan. Anda dapat menggunakan Amazon Q in QuickSight untuk berinteraksi dengan data dengan menggunakan petunjuk bahasa alami.
Alat
Layanan AWS
Amazon Elastic Compute Cloud (Amazon EC2) menyediakan kapasitas komputasi yang dapat diskalakan di AWS Cloud. Anda dapat meluncurkan server virtual sebanyak yang Anda butuhkan dan dengan cepat menskalakannya atau masuk.
AWS Key Management Service (AWS KMS) membantu Anda membuat dan mengontrol kunci kriptografi untuk membantu melindungi data Anda.
Amazon Managed Streaming for Apache Kafka (Amazon MSK) adalah layanan yang dikelola sepenuhnya yang membantu Anda membangun dan menjalankan aplikasi yang menggunakan Apache Kafka untuk memproses data streaming.
Amazon QuickSight adalah layanan intelijen bisnis skala cloud (BI) yang membantu Anda memvisualisasikan, menganalisis, dan melaporkan data Anda dalam satu dasbor. Pola ini menggunakan kemampuan BI generatif Amazon Q in QuickSight.
Amazon Redshift Serverless
adalah opsi tanpa server Amazon Redshift yang membuatnya lebih efisien untuk menjalankan dan menskalakan analitik dalam hitungan detik tanpa perlu menyiapkan dan mengelola infrastruktur gudang data. AWS Secrets Managermembantu Anda mengganti kredensi hardcode dalam kode Anda, termasuk kata sandi, dengan panggilan API ke Secrets Manager untuk mengambil rahasia secara terprogram.
Alat lainnya
Connect CDC
mengumpulkan dan mengintegrasikan data dari sistem lama ke dalam platform cloud dan data.
Repositori kode
Kode untuk pola ini tersedia di repositori GitHub Mainframe_ DataInsights _change_data_reconciliation
Praktik terbaik
Ikuti praktik terbaik saat menyiapkan kluster MSK Amazon Anda.
Ikuti praktik terbaik penguraian data Amazon Redshift untuk meningkatkan kinerja.
Saat Anda membuat peran AWS Identity and Access Management (IAM) untuk pengaturan Tepatnya, ikuti prinsip hak istimewa terkecil dan berikan izin minimum yang diperlukan untuk melakukan tugas. Untuk informasi selengkapnya, lihat Berikan hak istimewa terkecil dan praktik terbaik Keamanan dalam dokumentasi IAM.
Epik
| Tugas | Deskripsi | Keterampilan yang dibutuhkan |
|---|---|---|
Siapkan grup keamanan. | Untuk terhubung ke daemon pengontrol dan kluster MSK Amazon, buat grup keamanan untuk instance tersebut. EC2 Tambahkan aturan masuk dan keluar berikut:
Perhatikan nama grup keamanan. Anda perlu mereferensikan nama saat meluncurkan EC2 instance dan mengonfigurasi cluster MSK Amazon. | DevOps insinyur, AWS DevOps |
Buat kebijakan IAM dan peran IAM. |
| DevOps insinyur, administrator sistem AWS |
Menyediakan sebuah EC2 contoh. | Untuk menyediakan EC2 instans untuk menjalankan Exceply CDC dan terhubung ke Amazon MSK, lakukan hal berikut:
| Administrator AWS, DevOps insinyur |
| Tugas | Deskripsi | Keterampilan yang dibutuhkan |
|---|---|---|
Buat cluster MSK Amazon. | Untuk membuat cluster MSK Amazon, lakukan hal berikut:
Cluster yang disediakan khas membutuhkan waktu hingga 15 menit untuk membuatnya. Setelah cluster dibuat, statusnya berubah dari Creating menjadi Active. | AWS DevOps, Administrator Cloud |
Mengatur SASL/SCRAM otentikasi. | Untuk menyiapkan SASL/SCRAM otentikasi klaster MSK Amazon, lakukan hal berikut:
| Arsitek awan |
Buat topik MSK Amazon. | Untuk membuat topik MSK Amazon, lakukan hal berikut:
| Administrator awan |
| Tugas | Deskripsi | Keterampilan yang dibutuhkan |
|---|---|---|
Siapkan skrip Tepat untuk mereplikasi perubahan data. | Untuk menyiapkan skrip CDC Connect yang tepat untuk mereplikasi data yang diubah dari mainframe ke topik MSK Amazon, lakukan hal berikut:
Misalnya file.ddl, lihat bagian Informasi tambahan. | Pengembang aplikasi, arsitek Cloud |
Hasilkan kunci ACL jaringan. | Untuk menghasilkan kunci network access control list (network ACL), lakukan hal berikut:
| Arsitek cloud, AWS DevOps |
| Tugas | Deskripsi | Keterampilan yang dibutuhkan |
|---|---|---|
Konfigurasikan default di layar ISPF. | Untuk mengonfigurasi pengaturan default di Fasilitas Produktivitas Sistem Interaktif (ISPF), ikuti petunjuk dalam dokumentasi Tepatnya | Administrator sistem mainframe |
Konfigurasikan daemon pengontrol. | Untuk mengkonfigurasi daemon pengontrol, lakukan hal berikut:
| Administrator sistem mainframe |
Konfigurasikan penerbit. | Untuk mengkonfigurasi penerbit, lakukan hal berikut:
| Administrator sistem mainframe |
Perbarui file konfigurasi daemon. | Untuk memperbarui detail penerbit di file konfigurasi daemon pengontrol, lakukan hal berikut:
| Administrator sistem mainframe |
Buat pekerjaan untuk memulai daemon controller. | Untuk membuat pekerjaan, lakukan hal berikut:
| Administrator sistem mainframe |
Hasilkan file JCL penerbit tangkapan. | Untuk membuat file JCL penerbit tangkapan, lakukan hal berikut:
| Administrator sistem mainframe |
Periksa dan perbarui CDC. |
| Administrator sistem mainframe |
Kirim file JCL. | Kirimkan file JCL berikut yang Anda konfigurasikan pada langkah sebelumnya:
Setelah Anda mengirimkan file JCL, Anda dapat memulai Apply Engine di Tepat pada EC2 instance. | Administrator sistem mainframe |
| Tugas | Deskripsi | Keterampilan yang dibutuhkan |
|---|---|---|
Mulai Apply Engine dan validasi CDC. | Untuk memulai Apply Engine pada EC2 instance dan memvalidasi CDC, lakukan hal berikut:
| Arsitek cloud, Pengembang aplikasi |
Validasi catatan tentang topik MSK Amazon. | Untuk membaca pesan dari topik Kafka, lakukan hal berikut:
| Pengembang aplikasi, arsitek Cloud |
| Tugas | Deskripsi | Keterampilan yang dibutuhkan |
|---|---|---|
Siapkan Amazon Redshift Tanpa Server. | Untuk membuat gudang data Amazon Redshift Tanpa Server, ikuti petunjuk dalam dokumentasi.AWS Di dasbor Amazon Redshift Tanpa Server, validasi bahwa namespace dan workgroup telah dibuat dan tersedia. Untuk contoh pola ini, prosesnya mungkin memakan waktu 2-5 menit. | Insinyur data |
Siapkan peran IAM dan kebijakan kepercayaan yang diperlukan untuk streaming konsumsi. | Untuk mengatur konsumsi streaming Amazon Redshift Tanpa Server dari Amazon MSK, lakukan berikut:
| Insinyur data |
Hubungkan Amazon Redshift Tanpa Server ke Amazon MSK. | Untuk terhubung ke topik MSK Amazon, buat skema eksternal di Amazon Redshift Tanpa Server. Di Amazon Redshift query editor v2, jalankan perintah SQL berikut, ganti
| Insinyur migrasi |
Buat tampilan yang terwujud. | Untuk menggunakan data dari topik MSK Amazon di Amazon Redshift Tanpa Server, buat tampilan terwujud. Di Amazon Redshift query editor v2, jalankan perintah SQL berikut, ganti
| Insinyur migrasi |
Buat tabel target di Amazon Redshift. | Tabel Amazon Redshift menyediakan masukan untuk. QuickSight Pola ini menggunakan tabel Untuk membuat dua tabel di Amazon Redshift, jalankan perintah SQL berikut di editor kueri Amazon Redshift v2:
| Insinyur migrasi |
Buat prosedur tersimpan di Amazon Redshift. | Pola ini menggunakan prosedur tersimpan untuk menyinkronkan data perubahan ( Untuk membuat prosedur tersimpan di Amazon Redshift, gunakan editor kueri v2 untuk menjalankan kode prosedur tersimpan yang ada di repositori. GitHub | Insinyur migrasi |
Baca dari tampilan terwujud streaming dan muat ke tabel target. | Prosedur tersimpan membaca perubahan data dari tampilan streaming yang terwujud dan memuat perubahan data ke tabel target. Untuk menjalankan prosedur yang disimpan, gunakan perintah berikut:
Anda dapat menggunakan Amazon EventBridge Pilihan lain adalah menggunakan editor kueri Amazon Redshift v2 untuk menjadwalkan penyegaran. Untuk informasi selengkapnya, lihat Menjadwalkan kueri dengan editor kueri v2. | Insinyur migrasi |
| Tugas | Deskripsi | Keterampilan yang dibutuhkan |
|---|---|---|
Mengatur QuickSight. | Untuk mengatur QuickSight, ikuti instruksi dalam AWS dokumentasi. | Insinyur migrasi |
Siapkan koneksi aman antara QuickSight dan Amazon Redshift. | Untuk mengatur koneksi yang aman antara QuickSight dan Amazon Redshift, lakukan hal berikut
| Insinyur migrasi |
Buat kumpulan data untuk QuickSight. | Untuk membuat kumpulan data QuickSight dari Amazon Redshift, lakukan hal berikut:
| Insinyur migrasi |
Bergabunglah dengan kumpulan data. | Untuk membuat analitik QuickSight, gabungkan dua tabel dengan mengikuti petunjuk dalam AWS dokumentasi. Di panel Gabung Konfigurasi, pilih Left for Join type. Di bawah klausa Gabung, gunakan. | Insinyur migrasi |
| Tugas | Deskripsi | Keterampilan yang dibutuhkan |
|---|---|---|
Siapkan Amazon Q di QuickSight. | Untuk mengatur Amazon Q dalam kemampuan QuickSight Generative BI, ikuti petunjuk dalam AWS dokumentasi. | Insinyur migrasi |
Analisis data mainframe dan buat dasbor visual. | Untuk menganalisis dan memvisualisasikan data Anda QuickSight, lakukan hal berikut:
Setelah selesai, Anda dapat mempublikasikan dasbor untuk dibagikan dengan orang lain di organisasi Anda. Sebagai contoh, lihat Dasbor visual Mainframe di bagian Informasi tambahan. | Insinyur migrasi |
| Tugas | Deskripsi | Keterampilan yang dibutuhkan |
|---|---|---|
Buat cerita data. | Buat cerita data untuk menjelaskan wawasan dari analisis sebelumnya, dan buat rekomendasi untuk meningkatkan imunisasi preventif bagi anggota:
| Insinyur migrasi |
Lihat cerita data yang dihasilkan. | Untuk melihat cerita data yang dihasilkan, pilih cerita itu di halaman Cerita data. | Insinyur migrasi |
Edit cerita data yang dihasilkan. | Insinyur migrasi | |
Bagikan cerita data. | Untuk berbagi cerita data, ikuti instruksi dalam AWS dokumentasi. | Insinyur migrasi |
Pemecahan Masalah
| Isu | Solusi |
|---|---|
QuickSight Untuk pembuatan kumpulan data Amazon Redshift, |
|
Mencoba menyalakan mesin Apply pada EC2 instance mengembalikan kesalahan berikut:
| Ekspor jalur
|
Mencoba memulai Apply Engine mengembalikan salah satu kesalahan koneksi berikut:
| Periksa spool mainframe untuk memastikan bahwa pekerjaan daemon controller berjalan. |
Sumber daya terkait
Informasi tambahan
Contoh file.ddl
members_details.ddl
CREATE TABLE MEMBER_DTLS ( memberid INTEGER NOT NULL, member_name VARCHAR(50), member_type VARCHAR(20), age INTEGER, gender CHAR(1), email VARCHAR(100), region VARCHAR(20) );
member_plans.ddl
CREATE TABLE MEMBER_PLANS ( memberid INTEGER NOT NULL, medical_plan CHAR(1), dental_plan CHAR(1), vision_plan CHAR(1), preventive_immunization VARCHAR(20) );
Contoh file.sqd
Ganti <kafka topic name>dengan nama topik MSK Amazon Anda.
script.sqd
-- Name: DB2ZTOMSK: DB2z To MSK JOBNAME DB2ZTOMSK;REPORT EVERY 1;OPTIONS CDCOP('I','U','D');-- Source Descriptions JOBNAME DB2ZTOMSK; REPORT EVERY 1; OPTIONS CDCOP('I','U','D'); -- Source Descriptions BEGIN GROUP DB2_SOURCE; DESCRIPTION DB2SQL /var/precisely/di/sqdata/apply/DB2ZTOMSK/ddl/mem_details.ddl AS MEMBER_DTLS; DESCRIPTION DB2SQL /var/precisely/di/sqdata/apply/DB2ZTOMSK/ddl/mem_plans.ddl AS MEMBER_PLANS; END GROUP; -- Source Datastore DATASTORE cdc://<zos_host_name>/DB2ZTOMSK/DB2ZTOMSK OF UTSCDC AS CDCIN DESCRIBED BY GROUP DB2_SOURCE ; -- Target Datastore(s) DATASTORE 'kafka:///<kafka topic name>/key' OF JSON AS TARGET DESCRIBED BY GROUP DB2_SOURCE; PROCESS INTO TARGET SELECT { REPLICATE(TARGET) } FROM CDCIN;
Dasbor visual mainframe
Data visual berikut dibuat oleh Amazon Q QuickSight untuk pertanyaan analisis show member distribution by region.

Data visual berikut dibuat oleh Amazon Q QuickSight untuk pertanyaan tersebutshow member distribution by Region who have not completed preventive immunization, in pie chart.

Keluaran cerita data
Tangkapan layar berikut menunjukkan bagian dari cerita data yang dibuat oleh Amazon Q QuickSight untuk promptBuild a data story about Region with most numbers of members. Also show the member distribution by age, member distribution by gender. Recommend how to motivate members to complete immunization. Include 4 points of supporting data for this pattern.
Dalam pendahuluan, cerita data merekomendasikan memilih wilayah dengan anggota terbanyak untuk mendapatkan dampak terbesar dari upaya imunisasi.

Cerita data memberikan analisis nomor anggota untuk empat wilayah. Wilayah Timur Laut, Barat Daya, dan Tenggara memiliki anggota terbanyak.

Kisah data menyajikan analisis anggota berdasarkan usia.

Kisah data berfokus pada upaya imunisasi di Midwest.


Lampiran
Untuk mengakses konten tambahan yang terkait dengan dokumen ini, unzip file berikut: attachment.zip