Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Transformation von Mainframe-Anwendungen

AWS Transform beschleunigt die Transformation Ihrer Mainframe-Modernisierungsanwendungen. In diesem Thema werden die verfügbaren Funktionen beschrieben.

Voraussetzung: Bereiten Sie die Projekteingaben in S3 vor

AWS Transform ist in der Lage, komplexe Mainframe-Codebasen zu verarbeiten. Um die Codebasis zu verwenden, stellen Sie sicher, dass Sie alle Ressourcen an Ihrem S3-Standort haben.

Wichtige Projekteingaben:

Andere Projekteingaben

Einzelheiten zu den Projekteingaben finden Sie hier.

Sign-in und erstelle einen Job

Folgen Sie allen Anweisungen im Erste Schritte mit AWS Transformieren Abschnitt der Dokumentation, um sich für das AWS Transform-Weberlebnis anzumelden.

Um einen Job zu erstellen und zu starten: Folgen Sie den Schritten unter Starten Sie Ihr Projekt.

Workspace erstellen: Benenne und beschreibe deinen Workspace, in dem Jobs, Mitarbeiter und zugehörige Artefakte gespeichert werden.

Job erstellen: Erstelle einen Job, indem du aus vorkonfigurierten Jobplänen auswählst, oder passe den Jobplan an dein Ziel an, indem du aus der Liste der unterstützten Funktionen auswählst.

Wenn Sie Ihren Job erstellen, können Sie aus den folgenden Funktionen wählen. Der Kickoff-Schritt ist jedoch immer erforderlich, da sich dort der Quellcode für das Projekt befindet. Beim ersten Job, der in einem Workspace eingerichtet wurde, müssen Sie einen Connector zu Ihrem Amazon S3 S3-Bucket einrichten.

Den Fortschritt der Transformation verfolgen

Sie können den Fortschritt der Transformation während des gesamten Prozesses auf zwei Arten verfolgen:

Richten Sie einen Konnektor ein

AWS Transform verwendet einen Konnektor, um auf Ressourcen in Ihrem Konto zuzugreifen, die für Mainframe-Modernisierungsfunktionen erforderlich sind. Ihr Connector wird automatisch mit dem ersten Job konfiguriert, den Sie im Workspace ausführen. Je nachdem, welchen Jobplan Sie wählen, führt Sie AWS Transform zur Erstellung Ihres Connectors.

Mainframe-Konnektor neu erfinden

Der Mainframe Reimagine Connector ist für Jobs vorgesehen, bei denen die Workflows Assessment und Reimagine ausgeführt werden. Es verwendet einen S3-Bucket für den Zugriff auf und die Speicherung von Transformationsressourcen sowie einen Amazon Neptune Neptune-Cluster zum Speichern extrahierter Artefakte. Der Neptun-Cluster dient als einheitlicher Wissensgraph, der alle extrahierten Artefakte über Ihren Job speichert, und der Wissensgraph beantwortet alle Fragen in der AWS Transform-Chat-Oberfläche.

Stellen Sie den Amazon Neptune Neptune-Cluster in einer VPC bereit, in der AWS Transform elastische Netzwerkschnittstellen (ENIs) erstellen kann. Dies sind die Netzwerkverbindungen, die es AWS Transform ermöglichen, sicher mit Neptune in Ihrer VPC zu kommunizieren, um Daten zu laden und Ihren Wissensgraphen abzufragen.

AWS CloudFormation

Wir empfehlen, die folgende CloudFormation Vorlage zu verwenden, um die Ressourcen zu erstellen, die für Ihren Mainframe-Reimagine-Connector erforderlich sind. Verwenden Sie bei der Ausführung der Vorlage denselben S3-Bucket, den Sie für den Connector verwenden möchten. CloudFormation Weitere Informationen zur Verwendung von CloudFormation Vorlagen finden Sie unter Arbeiten mit Vorlagen.

Um die CloudFormation Vorlage herunterzuladen, wählen Sie neptune-kg-setup.yaml.

Die Vorlage akzeptiert die folgenden Parameter:

Geben Sie bei der Konfiguration Ihres Connectors die folgenden Details an:

Benutzerdefinierte Konfiguration

Wenn Sie es vorziehen, eine vorhandene VPC oder andere Tools zu verwenden, um die erforderliche Infrastruktur zu erstellen, muss Ihre Umgebung die folgenden Anforderungen erfüllen:

Neptun-Cluster

Netzwerk

Sicherheitsgruppen

Sicherheitsgruppen sind an ENIs angehängt, nicht an Subnetze. Selbst wenn sich AWS Transform ENIs und Neptune im selben Subnetz befinden, kontrollieren separate Sicherheitsgruppen den Zugriff zwischen ihnen.

IAM

Das folgende Diagramm zeigt die empfohlene Architektur.

S3-Anschluss

Für Jobs mit einem benutzerdefinierten Plan kann AWS Transform einen S3-Connector verwenden. Der S3-Konnektor verwendet einen S3-Bucket für den Zugriff auf und das Speichern von Transformationsressourcen und einen S3-Vektor-Bucket für die indizierte Ausgabe.

Optionale Konfiguration des S3-Vektor-Buckets.

In Regionen, in denen S3-Vektor-Buckets verfügbar sind, speichert AWS Transform durchsuchbare Vektorkodierungen der Jobausgabe in diesem S3-Vektor-Bucket in Ihrem Konto, um ein KI-gestütztes Such- und Chat-Erlebnis zu bieten. Daten werden nicht außerhalb dieses Jobs verwendet und auch nicht zum Trainieren von Modellen verwendet. Um dies zu aktivieren, müssen Sie einen S3-Vektor-Bucket erstellen und bereitstellen. AWS Transform erstellt automatisch eine Rolle mit den erforderlichen Schreibberechtigungen für diesen Bucket und fügt sie an.

CORS-Berechtigungen für den S3-Bucket

Nachdem Ihr Connector konfiguriert ist, fügen Sie Ihrem S3-Bucket die folgende CORS-Richtlinie hinzu, damit Sie Artefakte direkt in der AWS Transform-Konsole anzeigen und vergleichen können. Wenn diese Richtlinie nicht korrekt eingerichtet ist, können Sie die Inline-Anzeige- oder Dateivergleichsfunktionen von AWS Transform möglicherweise nicht verwenden.

[
    {
        "AllowedHeaders": [],
        "AllowedMethods": [
            "GET"
        ],
        "AllowedOrigins": [
              "https://*.transform.eu-central-1.on.aws",
              "https://*.transform.ap-south-1.on.aws",
              "https://*.transform.ap-northeast-1.on.aws",
              "https://*.transform.ap-northeast-2.on.aws",
              "https://*.transform.ap-southeast-2.on.aws",
              "https://*.transform.ca-central-1.on.aws",
              "https://*.transform.eu-west-2.on.aws",
              "https://*.transform.us-east-1.on.aws",
              "https://*.transform.sa-east-1.on.aws"
        ],
        "ExposeHeaders": [],
        "MaxAgeSeconds": 0
    }
]

Beurteilen und überdenken Sie den Stellenplan

Der Jobplan Assess and Reimagine ist ein vordefinierter Arbeitsablauf für die Modernisierung von Mainframe-Anwendungen. Er führt Sie durch zwei Phasen: die Bewertung Ihrer Codebasis zur Identifizierung von Geschäftsfunktionen und die Neugestaltung der von Ihnen ausgewählten Funktionen. Um stattdessen einzelne Funktionen auszuwählen, verwenden Sie den benutzerdefinierten Jobplan.

Bewerten

Die Modernisierung von Mainframes beginnt in der Regel mit der Evaluierung der Codebasis, um Inhalte zu identifizieren und Zusammenhänge und Abhängigkeiten zu verstehen. Nach dieser Evaluierung können Sie beginnen, Teile des Quellcodes zu zerlegen und auszuwählen, die modernisiert werden sollen. Die Grenzen der Zerlegung werden auf der Grundlage von Geschäftsfunktionen festgelegt.

Der Geschäftsfunktionskatalog zerlegt Ihre Codebasis in einzelne Geschäftsfunktionen, die auf einer Grundlage deterministischer Datenpfade aufbauen, die jede Geschäftsfunktion von Anfang bis Ende abbilden. Ein Datenpfad ist der Weg, den Daten nehmen, angefangen bei einem Geschäftsauslöser bis hin zum letzten Schreibvorgang innerhalb des Mainframe-Codes. Anstatt die Analyse auf einen einzigen Einstiegspunkt zu beschränken, umfasst das System Batch-Jobs, CICS-Transaktionen und deren gemeinsame Datenspeicher, um kohärente Geschäftsbereiche zu identifizieren.

Eine Geschäftsfunktion ist eine Gesamtheit von Aufgaben, die von einem geschäftlichen Auslöser ausgehen und mit einem messbaren Geschäftsergebnis enden. AWS Transform bietet einen Katalog von Geschäftsfunktionen, auf die ein Geschäftsbereich reagieren kann, sodass fundierte Entscheidungen darüber getroffen werden können, was zuerst modernisiert werden muss.

Vorteile der Bewertung Ihrer Codebasis im Hinblick auf die Modernisierung mithilfe von Geschäftsfunktionen:

Die Ergebnisse der Bewertung wurden im Chat bereitgestellt

Die im Chat bereitgestellten Ergebnisse der Bewertung umfassen eine Liste der Geschäftsfunktionen, einschließlich der Anzahl der Datenpfade, des Umfangs der einzelnen Funktionen in Bezug auf Batch- und CICS-Transaktionen sowie eine Unternehmensbeschreibung. Sie erhalten einen Link zu den Artefakten, die im Amazon S3 S3-Bucket generiert wurden, und Sie können auch über den Chat darauf zugreifen. Es werden zwei Artefakte bereitgestellt: Details zur Geschäftsfunktion und Zusammenfassung der Geschäftsfunktionen.

Um mit dem Diagramm zu interagieren, wählen Sie ein Element aus, um zusätzliche Details anzuzeigen, oder öffnen Sie ein Element, um dessen Details abzufragen. Auf jeder Seite gibt es eine Zusammenfassung aller Elemente auf dieser Ebene und eine grafische Oberfläche, über die Sie mit den einzelnen Komponenten interagieren und mehr über sie erfahren können, einschließlich der folgenden:

Im Chat können Sie die Ergebnisse abfragen, um zu verstehen, welche Elemente in den einzelnen Geschäftsfunktionen enthalten sind, und anhand des Geschäftsfunktionsdiagramms die Grenzen ausloten.

Nachdem Sie die Grenzen Ihrer Modernisierung identifiziert haben, werden Sie im Chat aufgefordert, die Geschäftsfunktionen auszuwählen, die Sie neu definieren möchten. Sie können eine einzelne Geschäftsfunktion oder mehrere Geschäftsfunktionen auswählen. AWS Transform sendet die ausgewählten Grenzen und die erforderlichen Bewertungsergebnisse an den Reimagine-Flow, um die Modernisierung fortzusetzen.

Nachdem Sie Ihre erste Modernisierung abgeschlossen haben, können Sie den Chat verwenden, um weitere Geschäftsfunktionen für die Modernisierung auszuwählen.

Stellen Sie sich neu vor

In der Phase der Neukonzeption können Sie eine oder alle Geschäftsfunktionen auswählen, die bei der Bewertung identifiziert wurden, und sie für die Modernisierung vorbereiten. Dadurch wird die Extraktion der Geschäftslogik ausgelöst, gefolgt von der Generierung von Anforderungen für die ausgewählten Geschäftsfunktionen. Die generierten Anforderungen sind der wichtigste Input für Forward Engineering. Dabei wird das Verständnis der bestehenden Systeme in eine genaue Spezifikation dessen umgesetzt, was die modernisierte Anwendung bieten muss.

Extrahieren Sie Geschäftslogik

Nachdem Sie eine oder mehrere Geschäftsfunktionen ausgewählt haben, beginnt AWS Transform mit der Generierung der Geschäftslogik für die ausgewählten Geschäftsfunktionen. Nach Abschluss der Extraktion speichert AWS Transform die Ergebnisse in einem Amazon S3 S3-Bucket im JSON-Format für die nachgelagerte Verwendung. Sie können den Fortschritt der Extraktion überwachen und etwaige Probleme direkt in der AWS Transform-Konsole überprüfen.

Falls bei Dateien Probleme beim Extrahieren aufgetreten sind, werden für jede betroffene Datei die folgenden Details angezeigt:

Generieren Sie Anforderungen

Nach Abschluss der Extraktion der Geschäftslogik verwendet der Agent Generate Requirements die extrahierten Artefakte (Codeanalyse, Datenanalyse, Geschäftsregeln) und erstellt Modernisierungsanforderungen. Bei diesen Anforderungen handelt es sich um formelle Funktionsspezifikationen, die technologieunabhängig sind und überprüfbare Akzeptanzkriterien beinhalten. AWS Transform erstellt eine requirements.md Datei für jede von Ihnen ausgewählte Geschäftsfunktion und speichert die Ausgabe in einem Amazon S3 S3-Bucket. Um den Amazon S3 S3-Speicherort der Ausgabe anzuzeigen, wählen Sie den Schritt Anforderungen generieren.

Jede requirements.md Datei ist in die folgenden Teile gegliedert:

Rückverfolgbarkeit zwischen Transformationsartefakten

AWS Transform gewährleistet die Rückverfolgbarkeit zwischen den Artefakten, die es während des gesamten Beurteilungs- und Neugestaltungsprozesses generiert. Mithilfe der Rückverfolgbarkeit können Sie jede Anforderung auf Ihre extrahierten Geschäftsregeln oder direkt auf den ursprünglichen Quellcode zurückverfolgen, der die Anforderung erstellt hat.

Mithilfe der Datei können Sie alle Rückverfolgbarkeitsdetails für jede Geschäftsfunktion einsehen. traceability.yaml Sie beschreibt, wie jede Geschäftsregel einer Anforderung zugeordnet wird.

Für interaktive Rückverfolgbarkeit können Sie das IDE-Plug-In in VS Code- und Open VSX-kompatiblen Editoren verwenden. Weitere Informationen finden Sie unter Entwicklertools.

Stellen Sie sich den Jobplan neu vor

Für Anwendungen, für die Sie eine Modernisierung geplant haben und die bereit sind, sie neu zu gestalten, können Sie einen eigenständigen Job zur Neugestaltung ausführen. Der Job analysiert Ihren Code und Ihre Daten, extrahiert Geschäftslogik, identifiziert Geschäftsbereiche und generiert Modernisierungsanforderungen für jede Geschäftsdomäne.

Benutzerdefinierter Jobplan

Mit einem benutzerdefinierten Jobplan können Sie Ihren eigenen Modernisierungs-Workflow erstellen, indem Sie die Funktionen auswählen, die Sie ausführen möchten. Er gibt Ihnen die volle Kontrolle darüber, welche Funktionen enthalten sind. Wählen Sie je nach Ihrem Modernisierungsziel aus den folgenden Funktionen. Einige Funktionen hängen davon ab, dass andere zuerst ausgeführt werden. Für die meisten anderen Funktionen ist beispielsweise eine Codeanalyse erforderlich.

Analysieren Sie den Code

Nachdem Sie den Amazon S3 S3-Bucket-Pfad mit AWS Transform geteilt haben, analysiert Transform den Code für jede Datei mit Details wie Dateiname, Dateityp, Codezeilen und deren Pfaden.

Wählen Sie im Jobplan im linken Navigationsbereich die Option Code analysieren aus, um Ihre Ergebnisse anzuzeigen. Sie können Ihre Codeanalyseergebnisse auf verschiedene Arten anzeigen:

In den Dateiergebnissen stellt AWS Transform je nachdem, welche Dateiansicht Sie wählen, die folgenden Informationen bereit:

Fehlende Dateien — Fehlende Dateien aus der Codeanalyse für die Mainframe-Modernisierung. Diese Dateien sollten idealerweise als Teil der Quelleingabe im Amazon S3 S3-Bucket hinzugefügt werden, und der Analyseschritt sollte erneut ausgeführt werden, um bessere und kohärente Ergebnisse zu erzielen.

Identisch benannt — AWS Transform gibt Ihnen eine Liste von Dateien, die denselben Namen und möglicherweise dieselben Eigenschaften haben (z. B. Anzahl der Codezeilen). Es wird nicht in der Lage sein, den Unterschied zwischen den Inhalten zweier Dateien gleichzeitig zu vergleichen.

Doppelte IDs — Beim Cobol-Programm dient das Feld Programm-ID als eindeutige Kennung der Datei. Diese ID muss eindeutig sein, da sie verwendet wird, um das Programm während Ihres gesamten Projekts aufzurufen. Einige Projekte haben jedoch möglicherweise COBOL-Dateien mit unterschiedlichen Namen, aber derselben Programm-ID. Wenn Sie die Liste dieser Dateien während der Bewertung abrufen, können Sie die Abhängigkeiten zwischen allen Programmen besser verstehen.

Wenn Sie Programme mit doppelten IDs haben, wird empfohlen, die Programm-IDs dieser Dateien so zu ändern, dass für jede dieser Dateien eine eindeutige Kennung im COBOL-Code verwendet wird. Anschließend können Sie Ihren Job erneut ausführen, um genauere und umfassendere Codeanalyseergebnisse zu erhalten.

Durch das Auflösen doppelter Programm-IDs können Sie:

Probleme mit der Codebasis — Mögliche Probleme in der Codebasis, die Sie lösen sollten, bevor Sie mit dem Modernisierungsprojekt fortfahren. Zu diesen Problemen können fehlende Verweise auf zugehörige Anweisungen oder nicht unterstützte Links im Code gehören.

Klassifizierung aktualisieren — Bei der manuellen Reklassifizierung können Sie Dateien mithilfe der Funktion zur Massenaktualisierung reklassifizieren, indem Sie die JSON-Datei mit der neuen Klassifizierung hochladen.

Nach der Reklassifizierung wird AWS Transform:

Inline-Viewer und Dateivergleich

Der Inline Viewer ist eine Funktion der AWS Transform for Mainframe-Funktionen, die zwei wichtige Visualisierungsfunktionen bietet:

Anzeige der Eingabedatei

Dateivergleich

Datenanalyse

AWS Transform bietet Datenanalysen, um die Auswirkungen von Datenbeziehungen und Elementen auf das Mainframe-Modernisierungsprojekt besser zu verstehen. Die beiden bereitgestellten Ergebnisse sind:

Nach Abschluss der Analyse stehen für jede Ausgabe zwei Registerkarten zur Verfügung. Anschließend stehen mehrere Ansichten zur Verfügung, wie unten beschrieben, sowohl für die Datenherkunft als auch für das Wörterbuch.

Datenherkunft

AWS Transform bietet mehrere Ansichten, die auf den Datenbeziehungen basieren, die in der zu modernisierenden Codebasis verstanden werden müssen. Zu den vier Tabellenansichten, die in Data Lineage verfügbar sind, gehören:

Die Zusammenfassung bietet einen Überblick über Datenquellen und ihre Beziehungen zu Programmen und JCLs sowie zusammenfassende Informationen darüber, wie die Datenquellen genutzt werden und wie die gesamten Operationen in der Codebasis gefunden wurden.

Datenwörterbuch

Der nächste Schritt besteht darin, die Datenelemente in den in der Codebasis vorhandenen Datenquellen zu verstehen, um zu erkennen, wie die verschiedenen Datenquellen voneinander abhängen. Das Datenwörterbuch ist ein Datenkatalog, der Metadaten auf Feldebene mit Beschreibungen in Geschäftssprachen für eine genaue Zuordnung von Transformationen bereitstellt.

Die Beziehung zwischen Datenherkunft und Wörterbuch ist verfügbar, indem Sie die Datenquelle auswählen und dann die Schaltfläche Datenherkunft oder Datenwörterbuch verwenden, um sich eingehender mit der Beziehung zwischen der Datenquelle und den Datenelementen zu befassen. Die Navigation zwischen Datenherkunft und Wörterbuch bietet eine integrierte Datentransparenz, wobei die Datenherkunft neben dem „Wo“, der Verwendung und der Beziehung auch das „Was“ — Struktur und Bedeutung — bereitstellt.

Analyse von Aktivitätsmetriken

Mit der Analyse von Aktivitätsmetriken können Sie SMF-Datensätze (System Management Facility) der Typen 14, 15, 30, 64, 102 und 110 analysieren. Die Analyse bietet Einblicke in die Verwendung von Elementen in Ihrer Mainframe-Anwendung. Sie kann dabei helfen, ungenutzten Code zurückzuziehen oder Entscheidungen über die Zielarchitektur für die modernisierte Anwendung zu treffen. Wenn Sie die Analyse von Aktivitätsmetriken in Ihren Job einbeziehen, erhalten Sie, wenn Sie zuerst den Schritt der Codeanalyse abschließen, umfangreichere SMF-Ergebnisse, obwohl dies nicht erforderlich ist.

Integrierte SMF-Datensätze zur Analyse

Sie müssen den Speicherort des SMF-Datensatzes in Ihrem Amazon S3 S3-Bucket als ersten Schritt für die SMF-Analyse angeben. Stellen Sie Aufzeichnungen für mindestens 13 Monate bereit, um jährliche Ereignisse zu erfassen, die in kürzeren Zeiträumen möglicherweise übersehen werden. Obwohl 13 Monate empfohlen werden, führt jeder Zeitraum mit nachweisbaren SMF-Aufzeichnungen zu Analyseergebnissen.

Ihr SMF-Extrakt muss die folgenden Formatanforderungen erfüllen:

Stellen Sie einen Link zu den SMF-Datensätzen in Ihrem Amazon S3-Bucket bereit und stellen Sie sicher, dass sich die Datensätze in einem Ordner befinden, der von Ihrem Quellcode getrennt ist. Zu den Formatoptionen gehören .zip (bis zu 600 MB) oder .tar.gz (bis zu 5 GB) komprimiert. Wenn Sie einen Link zu einem Ordner angeben, in dem keine SMF-Datensätze erkannt wurden, erhalten Sie eine Fehlermeldung und die Analyse ist nicht abgeschlossen.

Ausgabe der Analyse

Die Analyseausgabe enthält je nach Datensatztyp zwei Komponenten: eine tabellarische Ansicht und eine CSV-Ausgabe (in Ihrem Amazon S3 S3-Bucket verfügbar). In AWS Transform werden die Ausgaben für Typ 30 und 110 angezeigt. Anhand der Artefakte in Ihrem Amazon S3 S3-Bucket können Sie die Analyse anderer Datensatztypen untersuchen. In der Benutzeroberfläche wird in der Kopfzeile der Zeitraum der von Ihnen bereitgestellten Datensätze angezeigt, sodass Sie fehlende Schlüsseldaten identifizieren können. Wenn sich Ihre Datensätze beispielsweise vom 1. Mai bis zum 31. Oktober erstrecken, aber den geschäftigen Tag nach Thanksgiving ausschließen, können Sie feststellen, dass wichtige Datensätze fehlen. Die Zeitstempel in der Webanwendung geben die Zeitzone Ihres Systems und die SMF-Datensätze wieder.

In Amazon S3 verfügbare Artefakte ermöglichen Analysen für jeden Datensatztyp, der in den bereitgestellten Datensätzen gefunden wurde.

Tabellarische Ansicht

Die tabellarische Ansicht, die nur für SMF 30 und 110 verfügbar ist, enthält bis zu drei Hauptkomponenten für Batch-Jobs und CICS-Transaktionen:

Die Zusammenfassung der Ergebnisse enthält drei Gruppen von Aufträgen und Transaktionen, anhand derer Sie schnell Elemente für eine eingehendere Analyse identifizieren können.

Die Batch-Job- und CICS-Transaktionsanalyse bietet aggregierte Analysen für Jobs und Transaktionen. Einige Spalten in den Analyseergebnissen sind standardmäßig ausgeblendet. Wählen Sie das Zahnradsymbol, um weitere Felder anzuzeigen.

Der Transaktionsschlüssel generiert eine eindeutige Datenaggregation für CICS-Transaktionen und kombiniert vier Felder zu einem einzigen Schlüsselwert:

Sie können nach dem vollständigen Schlüssel oder nach einer beliebigen Komponente des Schlüssels in der Analyseausgabe suchen.

Beim Vergleich der Codeanalyse werden Jobs hervorgehoben, die entweder in den SMF-Datensätzen oder im Schritt „Code analysieren“ gefunden wurden, aber nicht in beiden vorhanden sind. Dadurch werden Jobs angezeigt, die während Ihres SMF-Datensatzes nicht ausgeführt wurden oder die im Schritt „Code analysieren“ nicht enthalten waren. Diese Ausgabe ist nur verfügbar, wenn Sie den Codeanalyseschritt vor der SMF-Analyse in Ihrem Job ausführen.

Bewährte Methoden

Um umfassende Ausgaben für Batch-Jobs (Typ 30) zu erhalten, stellen Sie sicher, dass der Name Ihrer JCL-Datei mit dem Jobnamen übereinstimmt, um aussagekräftige Ergebnisse im Vergleich der Codeanalyse zu erhalten.

Generieren Sie technische Dokumentation

Sie können technische Dokumentation für Ihre Mainframe-Anwendungen erstellen, die gerade modernisiert werden. Durch die Analyse Ihres Codes kann AWS Transform automatisch eine detaillierte Dokumentation Ihrer Anwendungsprogramme erstellen, einschließlich Beschreibungen der Programmlogik, Abläufe, Integrationen und Abhängigkeiten, die in Ihren Altsystemen vorhanden sind. Diese Dokumentationsfunktion hilft, Wissenslücken zu schließen, sodass Sie fundierte Entscheidungen treffen können, wenn Sie Ihre Anwendungen auf moderne Cloud-Architekturen umstellen.

Fügen Sie Benutzerinformationen zur Dokumentation hinzu

ARTIFACT_ID.zip
└── app/
    ├── File1.CBL
    ├── File2.JCL
    ├── subFolder/
    │   └ File3.CBL
└── glossary.csv
└── pdf_config.json     
├── header-logo.png
├── footer-logo.png    
└ ...

Optionale Dateien können zur ZIP-Datei hinzugefügt werden, um die Qualität der generierten Dokumentation zu verbessern und ein individuelles PDF-Deckblatt bereitzustellen. Einige davon können sein:

Generieren Sie die Dokumentation im Inline-Viewer

Sie können die PDF-Dateien im Schritt „Technische Dokumentation generieren“ anzeigen.

Die PDF-Datei wird in AWS Transformieren geöffnet. Sie haben die Option, den Bildschirm oben rechts zu erweitern.

Extrahieren Sie Geschäftslogik

Sie können wichtige Geschäftslogik aus Ihren Mainframe-Anwendungen extrahieren, die gerade modernisiert werden. AWS Transform analysiert Ihren Code automatisch, um kritische Geschäftselemente zu identifizieren und zu dokumentieren, einschließlich detaillierter Prozessabläufe und Geschäftslogik, die in Ihre Anwendungen eingebettet ist. Diese Funktion dient mehreren Beteiligten auf Ihrem Weg zur Modernisierung. Geschäftsanalysten können die extrahierte Logik nutzen, um präzise Geschäftsanforderungen zu erstellen und Lücken oder Inkonsistenzen in aktuellen Implementierungen zu identifizieren. Entwickler erhalten die Möglichkeit, komplexe Funktionen älterer Systeme schnell zu verstehen, ohne umfangreiche Mainframe-Kenntnisse zu benötigen.

Sehen Sie sich die extrahierte Geschäftsdokumentation online an

Sie können die Geschäftslogik im Schritt Geschäftsregel extrahieren einsehen. Um das zu tun,

Die Seite mit der Geschäftsdokumentation wird in einem neuen Browser-Tab geöffnet.

Zersetzung

Sie können Ihren Code in Domänen zerlegen, die Abhängigkeiten zwischen Programmen und Komponenten berücksichtigen. Auf diese Weise können die zugehörigen Dateien und Programme innerhalb derselben Domäne entsprechend gruppiert werden. Es trägt auch dazu bei, die Integrität der Anwendungslogik während des Zerlegungsprozesses aufrechtzuerhalten.

Gehen Sie wie folgt vor, um mit der Zerlegung Ihrer Anwendung zu beginnen:

Samen

Seeds sind die grundlegenden Eingaben für die Phase der Codezerlegung. Jede Komponente oder Datei (z. B. JCL-, COBOL-, Db2-Tabellen, CSD- und Scheduler-Dateien) kann als Ausgangsdatei nur einer Domäne zugewiesen werden, wodurch klare Grenzen und eine klare Ausrichtung während des Zerlegungsprozesses gewährleistet werden.

Die Identifizierung der Seeds hängt von der Struktur der Anwendung oder des Portfolios ab. Im Fall einer typischen Legacy-Mainframe-Anwendung können Seeds häufig anhand etablierter Namenskonventionen, Gruppierung auf Batch-Ebene im Scheduler und Gruppierung auf Transaktionsebene, die im CICS-System definiert ist, bestimmt werden. Darüber hinaus können Datenbanktabellen auch als Ausgangswerte dienen und so eine weitere Strukturebene für die Zerlegung bereitstellen.

Dateien mit and/or Aktualisierungsabhängigkeiten importieren

Während der Zerlegung können Sie eine JSON-Datei für die Abhängigkeiten hochladen, die die vorhandenen Dateien ersetzt, die durch die von AWS Transform durchgeführte Abhängigkeitsanalyse generiert wurden.

Mit der Funktion Abhängigkeiten exportieren können Sie die im Zerlegungsschritt generierte JSON-Datei für Abhängigkeiten herunterladen. Nach dem Herunterladen können Sie die Datei gemäß Ihren Anforderungen ändern. Anschließend können Sie Abhängigkeiten mithilfe der Upload-Funktion von AWS Transform importieren, mit der Sie die neue JSON-Datei mit den Abhängigkeiten hochladen können, die die durch die Abhängigkeitsanalyse generierte Datei ersetzt. Danach wird das Diagramm im Zerlegungsschritt aktualisiert.

AWS Transform importiert die Abhängigkeitsdatei und erstellt auf der Grundlage Ihrer Eingabe ein neues Abhängigkeitsdiagramm.

Domänen importieren und and/or aktualisieren

Für Kunden, denen bereits vor der Zerlegung Domänen, Stammdaten und and/or Dateibeziehungen zugeordnet wurden, können Sie diese Domaindefinition über die Funktion Domain-Datei importieren hochladen, die im Menü Aktionen verfügbar ist. Einige Beispiele dafür, wann diese Funktion verwendet werden kann:

Sobald die Domänendatei importiert wurde, kann der Benutzer entweder die Zerlegung anhand der Domänendefinition durchführen oder, wenn er zufrieden ist, die Domänendefinition speichern und dann absenden.

Parent/child/neighbor Dateien

In einem Abhängigkeitsdiagramm stehen Programme über verschiedene Arten von Verbindungen zueinander in Beziehung. Das Verständnis dieser Beziehungen hilft Ihnen, Programmabhängigkeiten während der Transformation Ihrer Mainframe-Anwendungen zu analysieren. Es hilft auch dabei, die Grenzen einer Domäne zu verstehen. Wenn Sie beispielsweise eine Domäne und dann eine übergeordnete Ebene auswählen, werden Ihnen die verbundenen Knoten angezeigt.

Beziehungen zu übergeordneten Elementen — Eine übergeordnete Datei ruft andere Programme auf oder steuert sie. Eltern stehen in der Hierarchie über ihren abhängigen Programmen. Sie können Eltern auf einer Ebene oder auf allen Ebenen auswählen.

Beziehungen zwischen Kindern — Eine untergeordnete Datei wird vom übergeordneten Programm aufgerufen oder gesteuert. Kinder befinden sich in der Dateihierarchie unter ihren Eltern.

Nachbarschaftsbeziehungen — Nachbarn sind Dateien auf derselben Hierarchieebene. Sie verwenden dasselbe übergeordnete Programm und können direkt miteinander interagieren.

Code neu fälschen

Reforge verwendet Large Language Models (LLMs), um die Qualität des umgestalteten Codes zu verbessern. Bei der anfänglichen COBOL-to-Java Transformation wird die funktionale Äquivalenz gewahrt, während COBOL-influenced Datenstrukturen und Variablennamen aus dem Altsystem beibehalten werden. Reforge strukturiert diesen Code neu, sodass er modernen Java-Praktiken und -idiomen folgt, und ersetzt COBOL-style Konstrukte durch native Java-Sammlungen und Namenskonventionen. Dies macht den Code für Java-Entwickler lesbarer und wartbarer.

Forge deinen Code nach dem Refactoring neu, indem du die folgenden Schritte befolgst:

Sobald AWS Transform diese Eingabe von Ihnen erhält, erhalten Sie eine herunterladbare Datei mit den Reforge-Ergebnissen.

Dies ist die Zip-Struktur, die aus einem erfolgreichen Reforge resultiert:

reforge.zip
└── maven_project
├── reforge.log
└──tokenizer_map.json

Planen Sie das Testen Ihrer modernisierten Anwendungen

Sie können Testpläne für Ihre modernisierten Mainframe-Anwendungen auf der Grundlage von extrahierten Codeattributen, Auftragskomplexität und Scheduler-Pfaden erstellen und verwalten. AWS Transform hilft bei der Priorisierung der zu testenden Jobs und identifiziert die spezifischen Artefakte, die für jeden Testfall benötigt werden. Der Testplanungsprozess ist in drei Hauptphasen unterteilt: Konfiguration, Umfang und Überprüfung.

Optionen zur Anpassung des Testplans

Ihr Testplan kann an spezifische Bedürfnisse angepasst werden. Beispielsweise ist Folgendes möglich:

Detaillierte Informationen zum Testfall

Jeder Testfall enthält Details, die seinen Inhalt und die zugehörigen Datensätze oder Datendateien beschreiben:

Funktionen zur Datenverwaltung

Diese Details helfen Ihnen dabei, die Daten im Zusammenhang mit dem Testfall zu verstehen. Sie können:

Geschäftsregeln und Anleitungen für Testfälle

Der AWS Transform-Testplan enthält Empfehlungen für Ihren Testfallplan, der auf der Extraktion von Geschäftsregeln basiert:

Der endgültige Testplan wird am angegebenen S3-Speicherort gespeichert und enthält alle erforderlichen Informationen, um Ihre Teststrategie effektiv umzusetzen. Sie können den Testplan zur Integration mit anderen Testtools oder Dokumentationssystemen exportieren.

Regeln für die Erstellung von Testfällen — Zusammenfassung

Allgemeine Regeln

Standardregeln für die Erstellung von Testfällen

Regeln für den Benutzerbetrieb

Generieren Sie Skripts zur Testdatenerfassung

Sie können JCL-Skripts generieren, um Testdaten von Ihren Mainframe-Systemen auf der Grundlage des im vorherigen Schritt erstellten Testplans zu sammeln. AWS Transform erstellt automatisch Datenerfassungsskripten für Datensätze, Datenbanktabellen und sequentielle Dateien, die für umfassende Tests benötigt werden. Der Datenerfassungsprozess ist in vier Hauptphasen unterteilt: Eingabekonfiguration, Testfallauswahl, Skriptkonfiguration und Skriptgenerierung.

Funktionen zur Skriptgenerierung

Generierte Skripte werden automatisch auf der Grundlage Ihrer Vorlagen und Konfiguration angepasst:

Strategie zur Datenerfassung

Die generierten Skripte unterstützen umfassende Datenerfassungsstrategien:

Anpassung von Vorlagen und bewährte Methoden

ATX Test Data Collection bietet flexible Funktionen zur Anpassung von Vorlagen:

Generierte Ausgabestruktur

Die generierten Skripte sind in Ihrem S3-Bucket mit der folgenden Struktur organisiert:

Die endgültige Skriptsammlung wird am angegebenen S3-Speicherort gespeichert und enthält alle erforderlichen JCLs, um Ihre Datenerfassungsstrategie effektiv auszuführen. Sie können die Skripts herunterladen, um sie in Ihre Mainframe-Umgebung zu übertragen oder sie in automatisierte Bereitstellungsprozesse zu integrieren.

Generierung von Skripten zur Testautomatisierung

Sie können Testautomatisierungsskripte generieren, um Testfälle in Ihrer modernisierten Anwendung auf der Grundlage des im vorherigen Schritt erstellten Testplans auszuführen. AWS Transform erstellt automatisch umfassende Testskripte, die die im Rahmen des Testdatenerfassungsprozesses gesammelten Daten verwenden. Der Prozess der Skriptgenerierung für die Testautomatisierung besteht aus drei Hauptphasen: Eingabekonfiguration, Testfallauswahl und Ergebnisse der Skriptgenerierung.

Funktionen von Testautomatisierungsskripten

Die generierten Automatisierungsskripte bieten umfassende Testfunktionen:

Generierte Ausgabestruktur

Die generierten Testautomatisierungsskripte sind in Ihrem S3-Bucket mit der folgenden Struktur organisiert:

Strategie zur Testausführung

Die generierten Skripte unterstützen umfassende Workflows zur Testausführung:

Bewährte Methoden für die Testautomatisierung

Die endgültige Sammlung von Testautomatisierungsskripts bietet ein vollständiges Testframework zur Validierung Ihrer modernisierten Anwendungsfunktionalität. Die Skripts können in Ihre kontinuierlichen Testprozesse integriert oder als Teil Ihres Workflows zur Anwendungsvalidierung ausgeführt werden.

Bereitstellungsfunktionen in AWS Transformieren

AWS Transform unterstützt Sie bei der Einrichtung von Cloud-Umgebungen für modernisierte Mainframe-Anwendungen, indem es gebrauchsfertige Infrastructure-as-Code (IaC) -Vorlagen bereitstellt. Über die Chat-Oberfläche von AWS Transform können Sie auf vorgefertigte Vorlagen zugreifen, die wichtige Komponenten wie Rechenressourcen, Datenbanken, Speicher und Sicherheitskontrollen erstellen. Die Vorlagen sind in gängigen Formaten wie CloudFormation (CFN) und Terraform verfügbar AWS Cloud Development Kit (AWS CDK), sodass Sie Ihre Infrastruktur flexibel bereitstellen können.

Diese Vorlagen dienen als Bausteine, die den Zeit- und Expertenaufwand für die Konfiguration von Umgebungen für Ihre modernisierten Mainframe-Anwendungen reduzieren. Sie können diese Vorlagen an Ihre Bedürfnisse anpassen und erhalten so eine Grundlage für den Aufbau Ihrer Bereitstellungsumgebung.

Um die IaC-Vorlagen abzurufen, fragen Sie im AWS Transform-Chat nach den Infrastructure-as-Code Vorlagen, die Ihr bevorzugtes Modernisierungsmuster (wie AWS Transform for Mainframe Refactor), Ihre bevorzugte Topologie (Standalone oder Hochverfügbarkeit) und Ihr bevorzugtes Format (CloudFormation gegenüber Cloud Development Kit oder Terraform) verdeutlichen.