Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Transformation des applications mainframe

AWS Transform accélère la transformation de vos applications de modernisation de mainframe. Cette rubrique décrit les fonctionnalités disponibles.

Prérequis : préparer les entrées du projet dans S3

AWS Transform est capable de gérer des bases de code complexes pour mainframe. Pour utiliser la base de code, assurez-vous de disposer de tous les actifs dans votre emplacement S3.

Principaux apports du projet :

Autres contributions au projet

Les détails sur les contributions au projet peuvent être trouvés ici.

Sign-in et créez un emploi

Pour vous connecter à l'expérience Web AWS Transform, suivez toutes les instructions de la Démarrage avec AWS Transformation section de la documentation.

Pour créer et démarrer une tâche : suivez les étapes décrites dans Démarrer votre projet.

Créer un espace de travail : nommez et décrivez votre espace de travail dans lequel les emplois, les collaborateurs et les artefacts associés seront stockés.

Créer un travail : créez un travail en le sélectionnant parmi des plans de travail préconfigurés, ou personnalisez le plan de travail en fonction de votre objectif en le sélectionnant dans la liste des fonctionnalités prises en charge.

Lorsque vous créez votre tâche, vous pouvez sélectionner l'une des fonctionnalités ci-dessous, mais l'étape de lancement est toujours requise car c'est là que se trouve le code source du projet. Lors de la première tâche configurée dans un espace de travail, vous devez configurer un connecteur pour votre compartiment Amazon S3.

Suivi de la progression de la transformation

Vous pouvez suivre la progression de la transformation tout au long du processus de deux manières :

Configuration d'un connecteur

AWS Transform utilise un connecteur pour accéder aux ressources de votre compte nécessaires aux fonctions de modernisation du mainframe. Votre connecteur est automatiquement configuré avec le premier job que vous exécutez dans l'espace de travail. En fonction du plan de travail que vous choisissez, AWS Transform vous guide pour créer votre connecteur.

Connecteur Mainframe Reimagine

Le connecteur de réimagination du mainframe est destiné aux tâches qui exécutent l'évaluation et la refonte des flux de travail. Il utilise un compartiment S3 pour accéder aux ressources de transformation et les stocker, ainsi qu'un cluster Amazon Neptune pour stocker les artefacts extraits. Le cluster Neptune sert de graphe de connaissances unifié qui stocke tous les artefacts extraits concernant votre travail, et le graphe de connaissances répond à toutes les questions de l'interface de discussion AWS Transform.

Déployez le cluster Amazon Neptune dans un VPC où AWS Transform peut créer des interfaces réseau élastiques (ENI). Il s'agit des connexions réseau qui permettent à AWS Transform de communiquer en toute sécurité avec Neptune dans votre VPC pour charger des données et interroger votre graphe de connaissances.

AWS CloudFormation

Nous vous recommandons d'utiliser le CloudFormation modèle suivant pour créer les ressources nécessaires à votre connecteur Mainframe Reimagine. Utilisez le même compartiment S3 que celui que vous prévoyez d'utiliser pour le connecteur lors de l'exécution du CloudFormation modèle. Pour plus d'informations sur l'utilisation CloudFormation des modèles, consultez la section Utilisation des modèles.

Pour télécharger le CloudFormation modèle, choisissez neptune-kg-setup.yaml.

Le modèle accepte les paramètres suivants :

Fournissez les informations suivantes lorsque vous configurez votre connecteur :

Configuration personnalisée

Si vous préférez utiliser un VPC existant ou d'autres outils pour créer l'infrastructure requise, votre environnement doit répondre aux exigences suivantes :

Cluster Neptune

Réseaux

Groupes de sécurité

Les groupes de sécurité sont attachés aux ENI, et non aux sous-réseaux. Même lorsque AWS Transform ENI et Neptune résident dans le même sous-réseau, des groupes de sécurité distincts contrôlent l'accès entre eux.

IAM

Le schéma suivant montre l'architecture recommandée.

Connecteur S3

Pour les tâches avec un plan personnalisé, AWS Transform peut utiliser un connecteur S3. Le connecteur S3 utilise un compartiment S3 pour accéder aux ressources de transformation et les stocker, et un compartiment vectoriel S3 pour les sorties indexées.

Configuration optionnelle du compartiment vectoriel S3.

Dans les régions où les compartiments vectoriels S3 sont disponibles, AWS Transform stockera les codages vectoriels consultables des résultats des tâches dans ce compartiment vectoriel S3 de votre compte afin de fournir une expérience de recherche et de chat basée sur l'IA. Les données ne sont pas utilisées en dehors de cette tâche et ne sont pas utilisées pour entraîner des modèles. Pour activer cela, vous devez créer et fournir un compartiment vectoriel S3. AWS Transform crée et attache automatiquement un rôle avec les autorisations requises pour écrire dans ce compartiment.

Autorisations CORS du compartiment S3

Une fois votre connecteur configuré, ajoutez la politique CORS suivante à votre compartiment S3 afin de pouvoir visualiser et comparer les artefacts directement dans la console AWS Transform. Si cette politique n'est pas correctement configurée, vous ne pourrez peut-être pas utiliser les fonctionnalités de visualisation en ligne ou de comparaison de fichiers de AWS Transform.

[
    {
        "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
    }
]

Évaluez et réimaginez le plan de travail

Le plan de travail Assess and reimagine est un flux de travail prédéfini pour moderniser les applications mainframe. Il vous guide à travers deux phases : évaluer votre base de code pour identifier les fonctions commerciales et réinventer les fonctions que vous sélectionnez. Pour choisir plutôt des capacités individuelles, utilisez le plan de travail personnalisé.

Évaluation

Les processus de modernisation du mainframe commencent généralement par l'évaluation de la base de code afin d'identifier le contenu et de comprendre les relations et les dépendances. Après cette évaluation, vous pouvez commencer à décomposer et à sélectionner des parties du code source à moderniser. Les limites de la décomposition sont déterminées en fonction des fonctions commerciales.

Le catalogue des fonctions métiers décompose votre base de code en fonctions métiers distinctes, qui reposent sur des chemins de données déterministes qui cartographient chaque fonction métier du début à la fin. Un chemin de données est le chemin emprunté par les données, en commençant par un déclencheur métier jusqu'à l'écriture finale dans le code du mainframe. Plutôt que de limiter l'analyse à un point d'entrée unique, le système couvre les tâches par lots, les transactions CICS et leurs banques de données partagées afin d'identifier des unités de travail commerciales cohérentes.

Une fonction commerciale est un ensemble de travaux qui commence par un déclencheur commercial et se termine par un résultat commercial mesurable. AWS Transform fournit un catalogue de fonctions commerciales sur lesquelles un secteur d'activité peut agir, ce qui permet de prendre des décisions éclairées sur ce qu'il convient de moderniser en premier lieu.

Avantages de l'évaluation de votre base de code pour la moderniser à l'aide de fonctions métiers :

Résultats de l'évaluation fournis via le chat

Les résultats de l'évaluation fournis par le biais du chat incluent une liste des fonctions commerciales, y compris le nombre de chemins de données, l'étendue de chaque fonction en termes de transactions par lots et CICS, ainsi qu'une description de l'entreprise. Un lien vous est fourni vers les artefacts générés dans le compartiment Amazon S3, et vous pouvez également y accéder via le chat. Deux artefacts sont fournis : les détails des fonctions commerciales et le résumé des fonctions commerciales.

Pour interagir avec le graphique, sélectionnez un élément pour afficher des détails supplémentaires à son sujet, ou ouvrez un élément pour en examiner les détails. Chaque page contient un résumé de tous les éléments de ce niveau et une interface graphique permettant d'interagir avec chaque composant et d'en savoir plus sur chacun d'entre eux, notamment les éléments suivants :

Grâce au chat, vous pouvez interroger les résultats pour comprendre les éléments contenus dans chaque fonction commerciale et explorer les limites à l'aide du graphique des fonctions commerciales.

Une fois que vous avez identifié les limites de votre modernisation, le chat vous invite à sélectionner les fonctions commerciales que vous souhaitez réinventer. Vous pouvez sélectionner une ou plusieurs fonctions commerciales. AWS Transform envoie les limites sélectionnées et les résultats d'évaluation requis au flux de réimagination afin de poursuivre le processus de modernisation.

Une fois votre première modernisation terminée, vous pouvez utiliser le chat pour sélectionner un ensemble supplémentaire de fonctions commerciales à moderniser.

Réinventez

Au cours de la phase de refonte, vous pouvez sélectionner une ou toutes les fonctions métier identifiées par l'évaluation et les préparer à la modernisation. Cela déclenche l'extraction de la logique métier suivie de la génération d'exigences pour les fonctions commerciales sélectionnées. Les exigences générées constituent le principal élément d'entrée de l'ingénierie avancée, traduisant la compréhension du système existant en une spécification précise de ce que l'application modernisée doit fournir.

Extraire la logique métier

Une fois que vous avez sélectionné une ou plusieurs fonctions métier, AWS Transform commence à générer une logique métier pour les fonctions métier sélectionnées. Une fois l'extraction terminée, AWS Transform stocke les résultats dans un compartiment Amazon S3 au format JSON pour une utilisation en aval. Vous pouvez suivre la progression de l'extraction et examiner les éventuels problèmes directement dans la console AWS Transform.

Si des fichiers ont rencontré des problèmes lors de l'extraction, les informations suivantes sont affichées pour chaque fichier concerné :

Générer des exigences

Une fois l'extraction de la logique métier terminée, l'agent Generate Requirements consomme les artefacts extraits (analyse du code, analyse des données, règles métier) et produit des exigences de modernisation. Ces exigences sont des spécifications fonctionnelles formelles qui sont indépendantes de la technologie et incluent des critères d'acceptation testables. AWS Transform produit un requirements.md fichier pour chaque fonction métier que vous sélectionnez et stocke le résultat dans un compartiment Amazon S3. Pour afficher l'emplacement de la sortie sur Amazon S3, choisissez l'étape Generate requirements.

Chaque requirements.md fichier est organisé selon les parties suivantes :

Traçabilité entre les artefacts de transformation

AWS Transform assure la traçabilité entre les artefacts générés tout au long du flux de travail d'évaluation et de refonte. La traçabilité vous permet de relier chaque exigence à vos règles métier extraites ou directement au code source d'origine qui a produit l'exigence.

Vous pouvez consulter tous les détails de traçabilité pour chaque fonction commerciale à l'aide du traceability.yaml fichier. Il décrit comment chaque règle métier correspond à une exigence.

Pour une traçabilité interactive, vous pouvez utiliser le plugin IDE dans les éditeurs compatibles avec VS Code et Open VSX. Pour plus d'informations, consultez la section Outils pour développeurs.

Réinventez le plan d'emploi

Pour les applications dont la modernisation est prévue et que vous êtes prête à repenser, vous pouvez exécuter une tâche de refonte autonome. La tâche analyse votre code et vos données, extrait la logique métier, identifie les domaines commerciaux et génère des exigences de modernisation pour chaque domaine d'activité.

Plan de travail personnalisé

Un plan de travail personnalisé vous permet de créer votre propre flux de travail de modernisation en sélectionnant les fonctionnalités que vous souhaitez exécuter. Il vous donne un contrôle total sur les fonctionnalités incluses. Choisissez parmi les fonctionnalités suivantes en fonction de votre objectif de modernisation. Certaines fonctionnalités dépendent de l'exécution préalable d'autres fonctionnalités. Par exemple, l'analyse du code est requise pour la plupart des autres fonctionnalités.

Analyser le code

Une fois que vous avez partagé le chemin du compartiment Amazon S3 avec AWS Transform, celui-ci analysera le code de chaque fichier avec des détails tels que le nom du fichier, le type de fichier, les lignes de code et leurs chemins.

Dans le plan de travail, sélectionnez Analyser le code dans le volet de navigation de gauche pour afficher vos résultats. Vous pouvez consulter les résultats de votre analyse de code de plusieurs manières :

Dans les résultats du fichier, AWS Transform fournit les informations suivantes en fonction de la vue de fichier que vous choisissez :

Fichiers manquants : fichiers manquants lors de l'analyse du code de modernisation du mainframe. Idéalement, ces fichiers devraient être ajoutés en tant que partie de l'entrée source dans le compartiment Amazon S3, et l'étape d'analyse devrait être réexécutée pour obtenir des résultats meilleurs et cohérents.

Nom identique — AWS Transform fournit une liste de fichiers portant le même nom et éventuellement les mêmes caractéristiques (par exemple, le nombre de lignes de code). Il ne sera pas en mesure de comparer la différence entre le contenu de deux fichiers à la fois.

Identifiants dupliqués — Avec le programme Cobol, le champ Program ID sert d'identifiant unique du fichier. Cet identifiant doit être unique car il est utilisé pour appeler le programme tout au long de votre projet. Cependant, certains projets peuvent comporter des fichiers COBOL portant des noms différents mais portant le même identifiant de programme. L'obtention de la liste de ces fichiers lors de l'évaluation peut aider à comprendre les dépendances entre tous les programmes.

Lorsque vous avez des programmes avec des identifiants dupliqués, il est suggéré de modifier les identifiants de programme de ces fichiers afin d'avoir un identifiant unique pour chacun d'entre eux dans le code COBOL. Vous pouvez ensuite réexécuter votre tâche pour obtenir des résultats d'analyse de code plus précis et plus complets.

En résolvant les identifiants de programme dupliqués, vous pouvez :

Problèmes liés à la base de code : problèmes potentiels détectés dans la base de code que vous devez résoudre avant de poursuivre le projet de modernisation. Ces problèmes peuvent inclure des références manquantes avec des instructions associées ou des liens non pris en charge dans le code.

Mettre à jour la classification : avec la reclassification manuelle, vous pouvez reclasser des fichiers à l'aide de la fonctionnalité de mise à jour groupée en chargeant le fichier JSON contenant la nouvelle classification.

Après la reclassification, AWS Transform va :

Visionneuse en ligne et comparaison de fichiers

Le visualiseur intégré est une fonctionnalité des fonctionnalités de AWS Transform for mainframe qui fournit deux fonctionnalités de visualisation clés :

Affichage du fichier d'entrée

Comparaison de fichiers

Analyse des données

AWS Transform fournit une analyse des données pour aider à comprendre l'impact des relations entre les données et des éléments sur le projet de modernisation du mainframe. Les deux sorties fournies sont les suivantes :

Une fois l'analyse terminée, deux onglets seront présents pour chaque sortie, puis plusieurs vues seront disponibles, décrites ci-dessous, pour le lignage des données et le dictionnaire.

Traçabilité des données

AWS Transform fournit plusieurs vues basées sur les relations entre les données qui doivent être comprises dans l'ensemble de la base de code en cours de modernisation. Les quatre vues tabulaires disponibles dans Data Lineage sont les suivantes :

Le résumé fournit une vue d'ensemble des sources de données et de leurs relations avec les programmes et les JCL, ainsi que des informations récapitulatives sur la manière dont les sources de données sont exploitées et le nombre total d'opérations trouvées dans la base de code.

Dictionnaire de données

Comprendre les éléments de données contenus dans les sources de données présentes dans la base de code est l'étape suivante pour comprendre en quoi les différentes sources de données sont dépendantes. Le dictionnaire de données est un catalogue de données fournissant des métadonnées au niveau du terrain avec des descriptions en langage commercial pour une cartographie précise des transformations.

La relation entre le lignage de données et le dictionnaire est disponible en sélectionnant la source de données, puis en utilisant le bouton de lignage de données ou de dictionnaire de données afin d'approfondir la relation entre la source de données et les éléments de données. La navigation entre le lignage des données et le dictionnaire fournit une visibilité intégrée des données, le lignage des données fournissant le « quoi » (structure et signification), ainsi que le « où » - utilisation et relation.

Analyse des métriques d'activité

L'analyse des métriques d'activité vous permet d'analyser les enregistrements SMF (System Management Facility) de type 14, 15, 30, 64, 102 et 110. L'analyse fournit des informations sur la façon dont les éléments sont utilisés dans votre application mainframe. Cela peut aider à retirer le code inutilisé ou à prendre des décisions concernant l'architecture cible de l'application modernisée. Si vous incluez l'analyse des métriques d'activité dans votre travail, l'étape d'analyse du code permet d'abord d'obtenir des résultats SMF plus riches, bien que cela ne soit pas obligatoire.

Enregistrements SMF intégrés pour analyse

Vous devez fournir l'emplacement de l'enregistrement SMF dans votre compartiment Amazon S3 comme première étape de l'analyse SMF. Fournissez un minimum de 13 mois d'enregistrements pour saisir les événements annuels susceptibles de ne pas être pris en compte sur des périodes plus courtes. Bien que 13 mois soient recommandés, toute période comportant des enregistrements SMF détectables produit des résultats d'analyse.

Votre extrait SMF doit répondre aux exigences de format suivantes :

Fournissez un lien vers les enregistrements SMF de votre compartiment Amazon S3, en vous assurant que les enregistrements se trouvent dans un dossier distinct de votre code source. Les options de format incluent .zip (jusqu'à 600 Mo) ou .tar.gz (jusqu'à 5 Go) compressé. Si vous fournissez un lien vers un dossier dans lequel aucun enregistrement SMF n'est détecté, vous recevez un message d'erreur et aucune analyse n'est terminée.

Résultat de l'analyse

La sortie d'analyse contient deux composants, selon le type d'enregistrement : une vue tabulaire et une sortie .csv (disponible dans votre compartiment Amazon S3). Dans AWS Transform, les sorties sont affichées pour les types 30 et 110. Grâce aux artefacts de votre compartiment Amazon S3, vous pouvez explorer l'analyse sur d'autres types d'enregistrements. Dans l'interface utilisateur, l'en-tête affiche la plage horaire des enregistrements que vous avez fournis afin que vous puissiez identifier les dates clés manquantes. Par exemple, si vos enregistrements s'étendent du 1er mai au 31 octobre, mais excluent la journée chargée qui suit Thanksgiving, vous pouvez constater que des enregistrements clés sont manquants. Les horodatages de l'application Web reflètent le fuseau horaire de votre système et les enregistrements SMF.

Les artefacts disponibles dans Amazon S3 fournissent une analyse de tout type d'enregistrement trouvé dans les enregistrements fournis.

Vue tabulaire

La vue tabulaire, disponible uniquement pour SMF 30 et 110, contient jusqu'à trois composants principaux pour les tâches par lots et les transactions CICS :

Le résumé des découvertes fournit trois groupes de tâches et de transactions qui vous aident à identifier rapidement les éléments pour une analyse plus approfondie.

L'analyse des tâches par lots et des transactions CICS fournit une analyse agrégée des tâches et des transactions. Certaines colonnes des résultats d'analyse sont masquées par défaut. Cliquez sur l'icône représentant une roue dentée pour afficher des champs supplémentaires.

La clé de transaction génère une agrégation de données unique pour les transactions CICS, combinant quatre champs en une seule valeur de clé :

Vous pouvez effectuer une recherche par clé complète ou par n'importe quel composant de la clé dans le résultat de l'analyse.

La comparaison de l'analyse du code met en évidence les tâches trouvées dans les enregistrements SMF ou dans l'étape d'analyse du code, mais absentes dans les deux. Cela montre les tâches qui n'ont pas été exécutées pendant votre période d'enregistrement SMF ou qui n'étaient pas présentes lors de l'étape d'analyse du code. Cette sortie n'est disponible que lorsque vous exécutez l'étape d'analyse du code avant l'analyse SMF dans le cadre de votre tâche.

Bonnes pratiques

Pour obtenir des résultats complets pour les tâches par lots (type 30), assurez-vous que le nom de votre fichier JCL correspond au nom de la tâche afin d'obtenir des résultats significatifs dans la comparaison de l'analyse de code.

Générer de la documentation technique

Vous pouvez générer de la documentation technique pour vos applications mainframe en cours de modernisation. En analysant votre code, AWS Transform peut créer automatiquement une documentation détaillée de vos programmes d'application, y compris des descriptions de la logique du programme, des flux, des intégrations et des dépendances présents dans vos anciens systèmes. Cette fonctionnalité de documentation permet de combler le déficit de connaissances, en vous permettant de prendre des décisions éclairées lors de la transition de vos applications vers des architectures cloud modernes.

Ajouter des informations utilisateur dans la documentation

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

Des fichiers facultatifs peuvent être ajoutés dans le fichier zip pour améliorer la qualité de la documentation générée et fournir une page de couverture PDF personnalisée. Certains d'entre eux peuvent être :

Générer un visualiseur de documentation en ligne

Vous pouvez consulter les fichiers PDF à l'étape de génération de la documentation technique.

Le PDF s'ouvre dans AWS Transform, avec la possibilité d'agrandir l'écran en haut à droite.

Extraire la logique métier

Vous pouvez extraire la logique métier essentielle de vos applications mainframe en cours de modernisation. AWS Transform analyse automatiquement votre code pour identifier et documenter les éléments commerciaux critiques, notamment les flux de processus détaillés et la logique métier intégrée à vos applications. Cette fonctionnalité est utile à de multiples parties prenantes dans votre parcours de modernisation. Les analystes commerciaux peuvent exploiter la logique extraite pour créer des exigences commerciales précises et identifier les lacunes ou les incohérences dans les implémentations actuelles. Les développeurs sont en mesure de comprendre rapidement les fonctionnalités complexes des anciens systèmes sans avoir à acquérir une expertise approfondie en matière de mainframe.

Consultez la documentation commerciale extraite en ligne

Vous pouvez consulter la logique métier à l'étape Extraire la règle métier. Pour ce faire,

La page de documentation commerciale s'ouvre dans un nouvel onglet du navigateur.

Décomposition

Vous pouvez décomposer votre code en domaines qui tiennent compte des dépendances entre les programmes et les composants. Cela permet de regrouper les fichiers et programmes associés de manière appropriée au sein d'un même domaine. Cela permet également de maintenir l'intégrité de la logique de l'application pendant le processus de décomposition.

Pour commencer à décomposer votre application :

Graines

Les graines sont les entrées fondamentales de la phase de décomposition du code. Chaque composant ou fichier (par exemple, JCL, COBOL, tables DB2, CSD et fichiers de planificateur) peut être attribué en tant que point de départ à un seul domaine, ce qui garantit des limites et un alignement clairs pendant le processus de décomposition.

L'identification des semences dépend de la structure de l'application ou du portefeuille. Dans le cas d'une ancienne application mainframe typique, les bases peuvent souvent être déterminées en respectant les conventions de dénomination établies, en groupant par lots dans le planificateur et en groupant au niveau des transactions défini dans le système CICS. En outre, les tables de base de données peuvent également servir de base de données, fournissant ainsi une couche de structure supplémentaire pour la décomposition.

Importer des fichiers de dépendances de and/or mise à

Pendant la décomposition, vous pouvez télécharger un fichier JSON pour les dépendances qui remplace les fichiers existants générés par l'analyse des dépendances effectuée par AWS Transform.

La fonction d'exportation des dépendances vous permet de télécharger le fichier json des dépendances généré lors de l'étape de décomposition. Après le téléchargement, vous pouvez modifier le fichier selon vos besoins. Vous pouvez ensuite importer des dépendances à l'aide de la fonctionnalité de téléchargement de AWS Transform qui vous permet de télécharger le nouveau fichier JSON des dépendances qui remplace le fichier généré par l'analyse des dépendances. Ensuite, le graphique de l'étape de décomposition sera mis à jour.

AWS Transform importera le fichier de dépendances et créera un nouveau graphe de dépendances en fonction de vos entrées.

Importer des domaines de and/or mise à

Pour les clients dont les domaines, les graines et les relations entre les and/or fichiers ont été mappés avant l'étape de décomposition, vous pouvez télécharger cette définition de domaine via la fonction Importer un fichier de domaines disponible dans le menu Actions. Voici quelques exemples de cas dans lesquels cette fonction peut être utilisée :

Une fois le fichier de domaines importé, l'utilisateur peut soit exécuter la décomposition par rapport à la définition du domaine, soit, s'il est satisfait, enregistrer puis soumettre la définition de domaine.

Parent/child/neighbor fichiers

Dans un graphe de dépendances, les programmes sont liés les uns aux autres par le biais de différents types de connexions. La compréhension de ces relations vous permet d'analyser les dépendances entre les programmes lors de la transformation de vos applications mainframe. Cela aide également à comprendre les limites d'un domaine. Par exemple, si vous sélectionnez un domaine, puis le niveau parent 1, les nœuds connectés seront affichés.

Relations parentales : un fichier parent appelle ou contrôle d'autres programmes. Dans la hiérarchie, les parents se situent au-dessus de leurs programmes dépendants. Vous pouvez sélectionner un parent à un niveau ou à tous les niveaux.

Relations avec les enfants : un fichier enfant est appelé ou contrôlé par le programme parent. Les enfants sont placés en dessous de leur parent dans la hiérarchie des fichiers.

Relations de voisinage : les voisins sont des fichiers situés au même niveau hiérarchique. Ils partagent le même programme parent et peuvent interagir directement entre eux.

Reforger le code

Reforge utilise des modèles de langage de grande taille (LLM) pour améliorer la qualité du code refactorisé. La COBOL-to-Java transformation initiale préserve l'équivalence fonctionnelle tout en conservant COBOL-influenced les structures de données et les noms de variables du système existant. Reforge restructure ce code pour suivre les pratiques et expressions idiomatiques modernes de Java, en remplaçant les COBOL-style constructions par des collections Java natives et des conventions de dénomination. Cela rend le code plus lisible et plus facile à maintenir pour les développeurs Java.

Reforgez votre code après le refactoring en suivant ces étapes :

Une fois que AWS Transform reçoit cette entrée de votre part, il vous fournit un fichier téléchargeable contenant les résultats de Reforge.

Voici la structure zip issue d'une reforge réussie :

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

Planifiez les tests de vos applications modernisées

Vous pouvez créer et gérer des plans de test pour les applications modernisées de votre mainframe en fonction des attributs du code extrait, de la complexité des tâches et des chemins du planificateur. AWS Transform permet de hiérarchiser les tâches à tester et d'identifier les artefacts spécifiques nécessaires pour chaque scénario de test. Le processus de planification des tests est divisé en trois phases principales : configuration, cadrage et révision.

Options de personnalisation du plan de test

Votre plan de test peut être personnalisé pour répondre à des besoins spécifiques. Par exemple, vous pouvez effectuer les actions suivantes :

Informations détaillées sur le cas de test

Chaque cas de test fournit des détails qui décrivent son contenu et l'ensemble de données ou les fichiers de données associés :

Fonctionnalités de gestion des données

Ces informations vous aident à comprendre les données relatives au scénario de test. Vous pouvez effectuer les actions suivantes :

Règles commerciales et conseils relatifs aux scénarios de test

Le plan de test AWS Transform fournit des recommandations pour votre plan de test basées sur l'extraction des règles métier :

Le plan de test final est stocké dans l'emplacement S3 spécifié et inclut toutes les informations nécessaires pour exécuter efficacement votre stratégie de test. Vous pouvez exporter le plan de test pour l'intégrer à d'autres outils de test ou systèmes de documentation.

Règles de création de scénarios de test - Résumé

Règles générales

Règles de création de scénarios de test par défaut

Règles relatives aux opérations des utilisateurs

Génération de scripts de collecte de données de test

Vous pouvez générer des scripts JCL pour collecter des données de test à partir de vos systèmes mainframe sur la base du plan de test créé à l'étape précédente. AWS Transform crée automatiquement des scripts de collecte de données pour les ensembles de données, les tables de base de données et les fichiers séquentiels nécessaires à des tests complets. Le processus de collecte de données est divisé en quatre phases principales : configuration des entrées, sélection des scénarios de test, configuration des scripts et génération de scripts.

Fonctionnalités de génération de scripts

Les scripts générés sont automatiquement personnalisés en fonction de vos modèles et de votre configuration :

Stratégie de collecte de données

Les scripts générés prennent en charge des stratégies complètes de collecte de données :

Personnalisation des modèles et meilleures pratiques

La collecte de données de test ATX fournit des fonctionnalités flexibles de personnalisation des modèles :

Structure de sortie générée

Les scripts générés sont organisés dans votre compartiment S3 selon la structure suivante :

La collection de scripts finale est stockée dans l'emplacement S3 spécifié et inclut tout le JCL nécessaire pour exécuter efficacement votre stratégie de collecte de données. Vous pouvez télécharger les scripts pour les transférer vers votre environnement mainframe ou les intégrer à des processus de déploiement automatisés.

Génération de scripts d'automatisation des tests

Vous pouvez générer des scripts d'automatisation des tests pour exécuter des scénarios de test sur votre application modernisée en fonction du plan de test créé à l'étape précédente. AWS Transform crée automatiquement des scripts de test complets qui utilisent les données collectées lors du processus de collecte des données de test. Le processus de génération de scripts d'automatisation des tests comprend trois phases principales : la configuration des entrées, la sélection des scénarios de test et les résultats de génération des scripts.

Fonctionnalités du script d'automatisation des tests

Les scripts d'automatisation générés fournissent des fonctionnalités de test complètes :

Structure de sortie générée

Les scripts d'automatisation des tests générés sont organisés dans votre compartiment S3 selon la structure suivante :

Stratégie d'exécution des tests

Les scripts générés prennent en charge des flux de travail complets d'exécution des tests :

Bonnes pratiques pour l'automatisation des tests

La collection finale de scripts d'automatisation des tests fournit un cadre de test complet pour valider les fonctionnalités de votre application modernisée. Les scripts peuvent être intégrés dans vos processus de test continu ou exécutés dans le cadre de votre flux de travail de validation des applications.

Capacités de déploiement dans AWS Transformation

AWS Transform vous aide à configurer des environnements cloud pour des applications mainframe modernisées en fournissant des modèles d'infrastructure en tant que code (IaC) prêts à l'emploi. Grâce à l'interface de chat AWS Transform, vous pouvez accéder à des modèles prédéfinis qui créent des composants essentiels tels que les ressources informatiques, les bases de données, le stockage et les contrôles de sécurité. Les modèles sont disponibles dans des formats courants tels que CloudFormation (CFN) et Terraform Cloud Development Kit AWS (AWS CDK), ce qui vous donne la flexibilité de déployer votre infrastructure.

Ces modèles constituent des éléments de base qui réduisent le temps et l'expertise nécessaires à la configuration des environnements pour vos applications mainframe modernisées. Vous pouvez personnaliser ces modèles en fonction de vos besoins, ce qui constitue une base solide pour créer votre environnement de déploiement.

Pour récupérer les modèles iAc, demandez dans le chat AWS Transform les Infrastructure-as-Code modèles précisant votre modèle de modernisation préféré (comme AWS Transform pour le refactorage des mainframes), votre topologie préférée (autonome ou haute disponibilité) et votre format préféré (par rapport à Cloud Development CloudFormation Kit ou à Terraform).