Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Pianificazione

Per soddisfare in modo efficace i requisiti delle applicazioni mainframe legacy, le organizzazioni spesso iniziano con una valutazione completa del proprio ambiente mainframe.

Scoperta delle applicazioni

Uno strumento potente in questa fase iniziale è Rocket Enterprise Analyzer, che fornisce informazioni approfondite sulla struttura, le dipendenze e la complessità delle applicazioni mainframe. Questo strumento consente di determinare l'ambito delle attività di modernizzazione, i potenziali rischi e le opportunità di ottimizzazione.

Un aspetto cruciale da scoprire è l'intricata rete di dipendenze dei dati all'interno dei sistemi mainframe. Queste dipendenze sono spesso nascoste sotto strati di codice legacy e possono influire in modo significativo sugli sforzi di modernizzazione. Mappando il modo in cui diverse applicazioni e moduli interagiscono con varie fonti di dati, puoi comprendere meglio i potenziali effetti di qualsiasi modifica che intendi implementare.

Dipendenze tra i dati

Una valutazione approfondita delle dipendenze dei dati può rivelare informazioni critiche sul flusso di dati, sulla qualità dei dati e sulla governance dei dati all'interno dell'ambiente mainframe. Questa conoscenza è preziosa per pianificare strategie di migrazione dei dati, garantire l'integrità dei dati durante la modernizzazione e identificare opportunità di ottimizzazione dei dati. Acquisendo un quadro chiaro dei dati, è possibile prendere decisioni più informate su quali approcci di modernizzazione saranno più efficaci e meno dannosi per le operazioni esistenti.

Un'analisi dall'alto verso il basso che identifichi l'utilizzo delle tabelle in base alle transazioni o ai job Job Control Language (JCL) è fondamentale per creare una pianificazione e una definizione delle priorità a ondate. Questo approccio chiarisce le relazioni tra i diversi componenti dei sistemi mainframe e consente di sviluppare un approccio strategico e graduale alla modernizzazione. Identificando a quali tabelle si accede più frequentemente e con quali processi, è possibile dare priorità agli sforzi di modernizzazione: è possibile concentrarsi innanzitutto sulle aree ad alto impatto e garantire una transizione più fluida con interruzioni minime delle operazioni aziendali critiche.

Oltre a utilizzare Rocket Enterprise Analyzer per scoprire le dipendenze tra i dati, molte organizzazioni utilizzano anche soluzioni personalizzate per ottenere informazioni più approfondite sui propri ambienti mainframe. Questi strumenti interni spesso sfruttano la ricchezza di informazioni disponibili nel catalogo IBM Db2 e nei record di System Management Facility (SMF).

Benchmark sulla capacità

Una fase della pianificazione del progetto di ripiattaforma del mainframe consiste nel raccogliere informazioni dettagliate sull'attuale consumo di carichi di lavoro. Questi dati vi aiuteranno a prevedere e fornire con precisione la capacità iniziale richiesta nell'ambiente cloud di destinazione. Ad esempio, ti consigliamo di raccogliere milioni di dati sul consumo orario di istruzioni al secondo (MIPS) sia per le transazioni online che per le transazioni in batch dai job IBM Customer Information Control System (CICS) o Information Management System (IMS) e Job Control Language (JCL).

IBM offre una vasta gamma di modelli di prezzo per MIPS nell'elaborazione mainframe e molti di questi modelli sono incentrati sull'utilizzo di picco. Tra questi modelli basati sui picchi, il più comune è il modello di picco continuo di quattro ore.

I costi del mainframe comprendono cinque aree chiave che influiscono in modo significativo sulle spese complessive:

Queste cinque categorie di costi, insieme ai costi basati su MIPS, costituiscono la base della maggior parte dei budget per i mainframe. Tuttavia, le loro proporzioni relative possono variare notevolmente a seconda delle dimensioni dell'organizzazione, del settore e degli specifici modelli di utilizzo del mainframe.

I dati MIPS orari sono fondamentali per acquisire una comprensione completa dei modelli di carico di lavoro e delle prestazioni del mainframe. A differenza delle medie giornaliere o mensili, i dati orari forniscono informazioni granulari che rivelano le variegate fluttuazioni dell'utilizzo delle risorse del sistema nel corso della giornata. Questo livello di dettaglio è prezioso per valutare con precisione le esigenze di prestazioni e capacità dell'applicazione nel cloud.

Analizzando i dati MIPS orari, è possibile identificare i periodi di picco di utilizzo, individuare le tendenze e individuare potenziali rallentamenti che potrebbero essere oscurati nei dati aggregati, come mostrato nel diagramma seguente. Questa granularità consente una pianificazione più precisa della capacità, aiuta a ottimizzare l'allocazione delle risorse e può potenzialmente portare a risparmi sui costi e a una migliore efficienza del sistema.

I dati MIPS orari fungono anche da strumento essenziale di benchmark delle prestazioni. Stabilisce una base dettagliata delle prestazioni del sistema, che è particolarmente utile quando si pianificano o si valutano modifiche al sistema come migrazioni o aggiornamenti. Confrontando i dati MIPS orari precedenti e successivi alla modifica, è possibile misurare con precisione l'impatto di queste modifiche sulle prestazioni del sistema e garantire che il mainframe continui a soddisfare le esigenze dell'organizzazione.

Per raccogliere dati MIPS su base oraria, sono disponibili diverse opzioni. Un approccio consiste nell'utilizzare direttamente i record SMF. Questi record forniscono una grande quantità di informazioni sull'attività del sistema e sull'utilizzo delle risorse. In alternativa, è possibile utilizzare strumenti specializzati come IBM Sub-Capacity Reporting Tool (SCRT), che può semplificare il processo di raccolta e analisi dei dati MIPS.

Indipendentemente dal metodo scelto, è importante raccogliere i dati per un periodo prolungato, idealmente per diversi mesi. Questo periodo di raccolta prolungato consente di tenere conto delle variazioni cicliche del carico di lavoro, come picchi di end-of-month elaborazione o fluttuazioni stagionali. Acquisendo questi modelli a lungo termine, è possibile sviluppare un quadro più accurato e completo delle caratteristiche prestazionali del mainframe, che consente un processo decisionale più informato e una gestione della capacità più efficace.

Pianificazione delle onde

È possibile utilizzare le informazioni raccolte per assegnare priorità strategiche alle iniziative di ripiattaforma del mainframe. Un approccio prudente consiste nell'iniziare con carichi di lavoro meno critici, come transazioni commerciali non essenziali o lavori in batch, per consentire ai team di acquisire esperienza e perfezionare i processi con il minimo rischio per le operazioni essenziali. Inoltre, considerare i carichi di lavoro di sola lettura come primi candidati per la migrazione può essere vantaggioso, poiché questi carichi di lavoro in genere comportano meno complessità e un minor rischio di incoerenze tra i dati. Questo approccio consente di creare fiducia e slancio nelle attività di ripiattaforma.

Inoltre, il raggruppamento di carichi di lavoro che condividono tabelle Db2 per operazioni di scrittura o aggiornamento può semplificare il processo di migrazione. Identificando questi carichi di lavoro interconnessi, è possibile pianificare ondate di migrazione coerenti che mantengano l'integrità dei dati e riducano al minimo la necessità di soluzioni provvisorie complesse. Questa strategia non solo riduce il rischio di conflitti di dati, ma ottimizza anche la tempistica complessiva della ripiattaforma affrontando contemporaneamente i componenti correlati. In definitiva, questo approccio di prioritizzazione basato sui dati garantisce una considerazione equilibrata di criticità, complessità e interdipendenza e porta a un processo di modernizzazione del mainframe più efficiente e di successo.