

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# 계획
<a name="plan"></a>

메인프레임 레거시 애플리케이션의 요구 사항을 효과적으로 탐색하기 위해 조직은 메인프레임 환경에 대한 포괄적인 평가로 시작하는 경우가 많습니다.

## 애플리케이션 검색
<a name="app-discovery"></a>

이 초기 단계의 강력한 도구는 메인프레임 애플리케이션의 구조, 종속성 및 복잡성에 대한 심층적인 인사이트를 제공하는 [Rocket Enterprise Analyzer](https://www.rocketsoftware.com/en-us/products/enterprise-suite/enterprise-analyzer)입니다. 이 도구는 현대화 작업의 범위, 잠재적 위험 및 최적화 기회를 결정하는 데 도움이 됩니다.

발견해야 할 중요한 측면 중 하나는 메인프레임 시스템 내의 복잡한 데이터 종속성 웹입니다. 이러한 종속성은 레거시 코드 계층 아래에 숨겨지는 경우가 많으며 현대화 작업에 상당한 영향을 미칠 수 있습니다. 다양한 애플리케이션 및 모듈이 다양한 데이터 소스와 상호 작용하는 방식을 매핑하면 구현하려는 변경 사항의 잠재적 영향을 더 잘 이해할 수 있습니다.

## 데이터 종속성
<a name="data-dependencies"></a>

데이터 종속성을 철저히 평가하면 메인프레임 환경 내의 데이터 흐름, 데이터 품질 및 데이터 거버넌스에 대한 중요한 정보가 드러날 수 있습니다. 이 지식은 데이터 마이그레이션 전략을 계획하고, 현대화 중에 데이터 무결성을 보장하고, 데이터 최적화 기회를 식별할 때 매우 중요합니다. 데이터를 명확하게 파악하면 기존 운영에 가장 효과적이고 방해가 되지 않는 현대화 접근 방식에 대해 정보에 입각한 결정을 내릴 수 있습니다.

트랜잭션 또는 작업 제어 언어(JCL) 작업별로 테이블 사용을 식별하는 하향식 분석은 웨이브 계획 및 우선순위 지정을 생성하는 데 중요합니다. 이 접근 방식은 메인프레임 시스템의 다양한 구성 요소 간의 관계를 명확히 하고 현대화에 대한 전략적인 단계별 접근 방식을 개발하는 데 도움이 됩니다. 가장 자주 액세스하는 테이블과 프로세스를 식별하면 현대화 작업의 우선순위를 정할 수 있습니다. 먼저 영향력이 큰 영역에 집중하고 중요한 비즈니스 운영 중단을 최소화하면서 보다 원활한 전환을 보장할 수 있습니다.

Rocket Enterprise Analyzer를 사용하여 데이터 종속성을 발견하는 것 외에도 많은 조직에서 자체 사용자 지정 구축 솔루션을 사용하여 메인프레임 환경에 대한 심층적인 인사이트를 얻습니다. 이러한 사내 도구는 IBM Db2 카탈로그 및 시스템 관리 시설(SMF) 레코드에서 사용할 수 있는 풍부한 정보를 활용하는 경우가 많습니다.

## 용량 벤치마크
<a name="capacity"></a>

메인프레임 리플랫포밍 프로젝트를 계획하는 한 단계는 현재 워크로드 소비에 대한 세부 정보를 수집하는 것입니다. 이 데이터는 대상 클라우드 환경에서 초기 필수 용량을 정확하게 예측하고 프로비저닝하는 데 도움이 됩니다. 예를 들어 IBM 고객 정보 제어 시스템(CICS) 또는 정보 관리 시스템(IMS) 및 작업 제어 언어(JCL) 작업에서 온라인 트랜잭션과 배치 트랜잭션 모두에 대해 초당 시간당 백만 개의 지침(MIPS) 소비 데이터를 수집하는 것이 좋습니다.

IBM은 메인프레임 컴퓨팅에서 MIPS를 위한 다양한 [요금 모델을](https://www.ibm.com/z/pricing) 제공하며, 이러한 모델 중 다수는 최대 사용량을 중심으로 합니다. 이러한 피크 기반 모델 중에서 가장 일반적인 것은 롤링 4시간 피크입니다.

메인프레임 비용에는 전체 비용에 상당한 영향을 미치는 5가지 주요 영역이 포함됩니다.
+ 소프트웨어 라이선스는 종종 주요 구성 요소입니다. 운영 체제, 미들웨어, 데이터베이스 및 다양한 애플리케이션을 다루며, 비용은 때때로 시스템 용량 또는 사용량과 관련이 있습니다.
+ 하드웨어 비용에는 메인프레임 장비의 최초 구매 또는 임대, 지속적인 유지 관리 및 업그레이드가 포함됩니다.
+ 관리형 데이터의 양이 많기 때문에 스토리지 비용이 상당할 수 있으며 디스크 시스템, 테이프 라이브러리 및 관련 관리 소프트웨어가 포함됩니다.
+ 인건비에는 시스템 프로그래머 및 데이터베이스 관리자와 같은 특수 메인프레임 전문가에 대한 급여가 포함됩니다.
+ 백업 시스템, 중복 하드웨어, 오프사이트 복구 시설 등 재해 복구 및 비즈니스 연속성 조치는 고가용성과 빠른 복구를 보장하는 데 상당한 투자를 하고 있습니다.

이 다섯 가지 비용 범주는 MIPS 기반 요금과 결합되어 대부분의 메인프레임 예산의 핵심을 형성합니다. 그러나 상대적 비율은 조직의 크기, 산업 및 특정 메인프레임 사용률 패턴에 따라 크게 달라질 수 있습니다.

시간당 MIPS 데이터는 메인프레임 워크로드 패턴 및 성능을 포괄적으로 이해하는 데 매우 중요합니다. 일별 또는 월별 평균과 달리 시간별 데이터는 하루 종일 시스템 리소스 사용률의 미묘한 변동을 보여주는 세분화된 인사이트를 제공합니다. 이러한 세부 수준은 클라우드에서 애플리케이션의 성능 및 용량 요구 사항을 정확하게 평가하는 데 매우 중요합니다.

시간당 MIPS 데이터를 분석하면 다음 다이어그램과 같이 최대 사용 기간, 스팟 추세를 식별하고 집계된 데이터에서 가려질 수 있는 잠재적 병목 현상을 파악할 수 있습니다. 이러한 세분성을 통해 보다 정확한 용량 계획을 수립하고, 리소스 할당을 최적화하는 데 도움이 되며, 비용 절감과 시스템 효율성 개선으로 이어질 수 있습니다.

![메인프레임 애플리케이션을 리플랫포밍하기 전에 시간당 MIPS 데이터를 분석합니다.](http://docs.aws.amazon.com/ko_kr/prescriptive-guidance/latest/replatform-mainframe-apps-shared-db2/images/mips-data.png)


시간당 MIPS 데이터도 필수 성능 벤치마크 도구 역할을 합니다. 마이그레이션 또는 업그레이드와 같은 시스템 변경을 계획하거나 평가할 때 특히 유용한 시스템 성능의 세부 기준을 설정합니다. 변경 전 및 변경 후 시간당 MIPS 데이터를 비교하여 이러한 수정이 시스템 성능에 미치는 영향을 정확하게 측정하고 메인프레임이 조직의 요구 사항을 계속 충족하는지 확인할 수 있습니다.

시간당 MIPS 데이터를 수집하려면 몇 가지 옵션이 있습니다. 한 가지 접근 방식은 SMF 레코드를 직접 사용하는 것입니다. 이러한 레코드는 시스템 활동 및 리소스 사용에 대한 풍부한 정보를 제공합니다. 또는 MIPS 데이터 수집 및 분석 프로세스를 간소화할 수 있는 IBM Sub-Capacity Reporting Tool(SCRT)과 같은 특수 도구를 사용할 수 있습니다.

선택한 방법에 관계없이 장기간, 이상적으로는 몇 개월 동안 데이터를 수집하는 것이 중요합니다. 이 연장된 수집 기간을 통해 end-of-month 처리 급증 또는 계절적 변동과 같은 워크로드의 주기적 변동을 고려할 수 있습니다. 이러한 장기 패턴을 캡처하면 메인프레임의 성능 특성을 보다 정확하고 포괄적으로 파악할 수 있으므로 정보에 입각한 의사 결정과 효과적인 용량 관리가 가능합니다.

## 웨이브 계획
<a name="wave-planning"></a>

수집한 정보를 사용하여 메인프레임 리플랫포밍 이니셔티브의 우선순위를 전략적으로 지정할 수 있습니다. 신중한 접근 방식은 핵심이 아닌 비즈니스 트랜잭션 또는 배치 작업과 같이 덜 중요한 워크로드로 시작하여 팀이 경험을 얻고 필수 운영에 대한 위험을 최소화하면서 프로세스를 세분화할 수 있도록 하는 것입니다. 또한 읽기 전용 워크로드를 마이그레이션의 초기 후보로 고려하는 것이 유리할 수 있습니다. 이러한 워크로드는 일반적으로 복잡성이 적고 데이터 불일치 위험이 낮기 때문입니다. 이 접근 방식을 사용하면 리플랫포밍 작업에 대한 신뢰도와 추진력을 높일 수 있습니다.

또한 쓰기 또는 업데이트 작업을 위해 Db2 테이블을 공유하는 워크로드를 그룹화하면 마이그레이션 프로세스를 간소화할 수 있습니다. 이러한 상호 연결된 워크로드를 식별하면 데이터 무결성을 유지하고 복잡한 중간 솔루션의 필요성을 최소화하는 일관된 마이그레이션 웨이브를 계획할 수 있습니다. 이 전략은 데이터 충돌 위험을 줄일 뿐만 아니라 관련 구성 요소를 동시에 처리하여 전체 리플랫포밍 타임라인을 최적화합니다. 궁극적으로이 데이터 기반 우선순위 지정 접근 방식은 중요도, 복잡성 및 상호 의존성에 대한 균형 잡힌 고려를 보장하고 보다 효율적이고 성공적인 메인프레임 현대화 프로세스로 이어집니다.