As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Planejamento

Para lidar com os requisitos do aplicativo antigo de mainframe de forma eficaz, as organizações geralmente começam com uma avaliação abrangente de seu ambiente de mainframe.

Descoberta de aplicativos

Uma ferramenta poderosa nessa fase inicial é o Rocket Enterprise Analyzer, que fornece insights profundos sobre a estrutura, dependências e complexidade dos aplicativos de mainframe. Essa ferramenta ajuda você a determinar o escopo de seu esforço de modernização, os riscos potenciais e as oportunidades de otimização.

Um aspecto crucial a ser descoberto é a intrincada rede de dependências de dados nos sistemas de mainframe. Essas dependências geralmente estão ocultas sob camadas de código legado e podem impactar significativamente os esforços de modernização. Ao mapear como diferentes aplicativos e módulos interagem com várias fontes de dados, você pode entender melhor os efeitos potenciais de qualquer mudança que planeja implementar.

Dependências de dados

Uma avaliação completa das dependências de dados pode revelar informações críticas sobre fluxo de dados, qualidade e governança de dados em seu ambiente de mainframe. Esse conhecimento é inestimável ao planejar estratégias de migração de dados, garantir a integridade dos dados durante a modernização e identificar oportunidades de otimização de dados. Ao obter uma visão clara de seus dados, você pode tomar decisões mais informadas sobre quais abordagens de modernização serão mais eficazes e menos disruptivas para suas operações existentes.

Uma análise de cima para baixo que identifica o uso de tabelas por transações ou tarefas de linguagem de controle de tarefas (JCL) é fundamental para criar planejamento e priorização de ondas. Essa abordagem esclarece as relações entre os diferentes componentes de seus sistemas de mainframe e ajuda você a desenvolver uma abordagem estratégica e em fases para a modernização. Ao identificar quais tabelas são acessadas com mais frequência e por quais processos, você pode priorizar seus esforços de modernização: você pode se concentrar primeiro nas áreas de alto impacto e garantir uma transição mais suave com o mínimo de interrupção nas operações comerciais críticas.

Além de usar o Rocket Enterprise Analyzer para descobrir dependências de dados, muitas organizações também usam suas próprias soluções personalizadas para obter insights mais profundos sobre seus ambientes de mainframe. Essas ferramentas internas geralmente exploram a riqueza de informações disponíveis no catálogo do IBM Db2 e nos registros do System Management Facility (SMF).

Referência de capacidade

Uma etapa no planejamento de seu projeto de replataforma de mainframe é reunir informações detalhadas sobre o consumo atual da carga de trabalho. Esses dados ajudarão você a prever e provisionar com precisão a capacidade inicial necessária em seu ambiente de nuvem de destino. Por exemplo, recomendamos que você colete dados de consumo de milhões de instruções por segundo (MIPS) por hora para transações on-line e transações em lote das tarefas IBM Customer Information Control System (CICS) ou Information Management System (IMS) e Job Control Language (JCL).

A IBM oferece uma variedade diversificada de modelos de preços para MIPS na computação de mainframe, e muitos desses modelos se concentram no pico de uso. Entre esses modelos baseados em picos, o mais comum é o pico contínuo de quatro horas.

Os custos do mainframe incluem cinco áreas principais que afetam significativamente as despesas gerais:

Essas cinco categorias de custo, combinadas com cobranças baseadas em MIPS, formam o núcleo da maioria dos orçamentos de mainframe. No entanto, suas proporções relativas podem variar muito, dependendo do tamanho, do setor e dos padrões específicos de utilização do mainframe de sua organização.

Os dados MIPS de hora em hora são cruciais para obter uma compreensão abrangente dos padrões e do desempenho da carga de trabalho do seu mainframe. Diferentemente das médias diárias ou mensais, os dados por hora fornecem informações granulares que revelam as flutuações diferenciadas na utilização de recursos do sistema ao longo do dia. Esse nível de detalhe é inestimável para avaliar com precisão as necessidades de desempenho e capacidade do seu aplicativo na nuvem.

Ao analisar os dados MIPS de hora em hora, você pode identificar períodos de pico de uso, identificar tendências e identificar possíveis gargalos que podem estar ocultos nos dados agregados, conforme mostrado no diagrama a seguir. Essa granularidade permite um planejamento de capacidade mais preciso, ajuda a otimizar a alocação de recursos e pode potencialmente levar à economia de custos e à melhoria da eficiência do sistema.

Os dados MIPS de hora em hora também servem como uma ferramenta essencial de referência de desempenho. Ele estabelece uma linha de base detalhada do desempenho do seu sistema, o que é particularmente valioso quando você planeja ou avalia mudanças no sistema, como migrações ou atualizações. Ao comparar os dados MIPS horários antes e depois da alteração, você pode medir com precisão o impacto dessas modificações no desempenho do seu sistema e garantir que seu mainframe continue atendendo às necessidades da sua organização.

Para coletar dados MIPS de hora em hora, você tem várias opções. Uma abordagem é usar registros SMF diretamente. Esses registros fornecem uma grande quantidade de informações sobre a atividade do sistema e o uso de recursos. Como alternativa, você pode usar ferramentas especializadas, como a IBM Sub-Capacity Reporting Tool (SCRT), que pode simplificar o processo de coleta e análise de dados MIPS.

Independentemente do método escolhido, é importante coletar dados por um longo período — idealmente, vários meses. Esse período de coleta estendido permite que você contabilize as variações cíclicas em sua carga de trabalho, como picos de end-of-month processamento ou flutuações sazonais. Ao capturar esses padrões de longo prazo, você pode desenvolver uma imagem mais precisa e abrangente das características de desempenho do seu mainframe, o que permite uma tomada de decisão mais bem informada e um gerenciamento de capacidade mais eficaz.

Planejamento de ondas

Você pode usar as informações coletadas para priorizar estrategicamente suas iniciativas de replataforma de mainframe. Uma abordagem prudente é começar com cargas de trabalho menos críticas, como transações comerciais não essenciais ou trabalhos em lotes, para permitir que as equipes ganhem experiência e refinem processos com risco mínimo para as operações essenciais. Além disso, considerar cargas de trabalho somente para leitura como candidatas iniciais à migração pode ser vantajoso, pois essas cargas de trabalho geralmente envolvem menos complexidade e menor risco de inconsistências de dados. Essa abordagem permite que você crie confiança e impulso em seus esforços de reformulação de plataforma.

Além disso, agrupar cargas de trabalho que compartilham tabelas do Db2 para operações de gravação ou atualização pode simplificar o processo de migração. Ao identificar essas cargas de trabalho interconectadas, você pode planejar ondas de migração coesas que mantenham a integridade dos dados e minimizem a necessidade de soluções provisórias complexas. Essa estratégia não apenas reduz o risco de conflitos de dados, mas também otimiza o cronograma geral de replataforma, abordando os componentes relacionados simultaneamente. Em última análise, essa abordagem de priorização baseada em dados garante uma consideração equilibrada de criticidade, complexidade e interdependência e leva a um processo de modernização do mainframe mais eficiente e bem-sucedido.