AWS Konsep Pengujian Aplikasi Modernisasi Mainframe - AWS Modernisasi Mainframe

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

AWS Konsep Pengujian Aplikasi Modernisasi Mainframe

AWS Pengujian Aplikasi menggunakan istilah yang mungkin digunakan oleh layanan pengujian atau paket perangkat lunak lain dengan arti yang sedikit berbeda. Bagian berikut menjelaskan bagaimana Pengujian Aplikasi Modernisasi AWS Mainframe menggunakan terminologi ini.

Kasus uji

Kasus uji adalah unit aksi paling atom individual dalam alur kerja pengujian Anda. Biasanya, kasus uji digunakan untuk mewakili unit independen logika bisnis yang memodifikasi data. Perbandingan akan dilakukan untuk setiap kasus uji. Kasus uji ditambahkan ke rangkaian pengujian. Kasus uji berisi metadata tentang artefak data (kumpulan data, database) yang dimodifikasi oleh kasus uji dan tentang fungsi bisnis yang dipicu selama eksekusi kasus uji: pekerjaan batch, 3270 dialog interaktif, dan lainnya. Misalnya, nama dan halaman kode kumpulan data.

Masukan data → Kasus uji → Data keluaran

Kasus uji dapat berupa jenis online atau batch:

  • Kasus uji layar 3270 online adalah kasus uji di mana pengguna menjalankan dialog layar interaktif (3270) untuk membaca, memodifikasi, atau menghasilkan data bisnis baru (database dan/atau catatan dataset).

  • Kasus uji Batch adalah kasus uji yang memerlukan pengiriman batch untuk membaca, memproses, dan memodifikasi atau menghasilkan data bisnis baru (kumpulan data dan/atau catatan basis data).

Test suite

Test suite memiliki kumpulan kasus uji yang dijalankan dalam urutan berurutan, satu per satu. Replay dilakukan pada tingkat test suite. Semua kasus pengujian dalam rangkaian pengujian dijalankan di lingkungan pengujian target saat rangkaian pengujian diputar ulang. Jika ada perbedaan setelah membandingkan artefak pengujian referensi dan replay, perbedaan akan ditampilkan pada tingkat kasus uji.

Misalnya, Test Suite A:

Test Case 1, Test Case 2, Test Case 3, dan sebagainya.

Konfigurasi lingkungan uji

Konfigurasi lingkungan pengujian memungkinkan Anda untuk mengatur set awal data dan parameter konfigurasi (atau sumber daya) dengan CloudFormation yang Anda perlukan untuk membuat pengujian berjalan berulang.

Unggah

Unggahan dilakukan pada tingkat test suite. Selama mengunggah, Anda harus menyediakan lokasi Amazon S3 yang berisi artefak, kumpulan data, dan CDC jurnal database relasional dari mainframe sumber untuk dibandingkan. Ini akan dianggap sebagai data referensi dari mainframe sumber. Selama pemutaran ulang, data replay yang dihasilkan akan dibandingkan dengan data referensi yang diunggah untuk memastikan kesetaraan aplikasi.

Memutar ulang

Pemutaran ulang dilakukan pada tingkat test suite. Selama pemutaran ulang, Pengujian Aplikasi Modernisasi AWS Mainframe menggunakan CloudFormation skrip untuk membuat lingkungan pengujian target dan menjalankan aplikasi. Kumpulan data dan catatan database yang dimodifikasi selama pemutaran ulang ditangkap dan dibandingkan dengan data referensi dari mainframe. Biasanya, Anda akan mengunggah di mainframe sekali dan kemudian memutar ulang beberapa kali, hingga kesetaraan fungsional tercapai.

Bandingkan

Perbandingan dilakukan secara otomatis setelah pemutaran ulang selesai dengan sukses. Selama perbandingan, data yang direferensikan yang Anda unggah dan ambil selama fase unggahan dibandingkan dengan data pemutaran ulang yang dihasilkan selama fase pemutaran ulang. Perbandingan terjadi pada tingkat kasus uji individu untuk kumpulan data, catatan database, dan layar online secara terpisah.

Perbandingan basis data

Pengujian Aplikasi menggunakan fungsionalitas pencocokan state-progress saat membandingkan perubahan dalam catatan database antara aplikasi sumber dan target. Pencocokan state-progress membandingkan perbedaan dalam setiap proses INSERTUPDATE, dan DELETE pernyataan individu, tidak seperti membandingkan baris tabel di akhir proses. Pencocokan kemajuan negara lebih efisien daripada alternatif, memberikan perbandingan yang lebih cepat dan lebih akurat dengan hanya membandingkan data yang diubah dan mendeteksi kesalahan koreksi diri dalam aliran transaksi. Dengan menggunakan teknologi CDC (Changed Data Capture), Pengujian Aplikasi dapat mendeteksi perubahan database relasi individu dan membandingkannya antara sumber dan target.

Perubahan database relasi dihasilkan pada sumber dan target oleh kode aplikasi yang diuji menggunakan pernyataan DML (Bahasa Modifikasi Data) seperti SQLINSERT, UPDATE, atau DELETE, tetapi juga secara tidak langsung ketika aplikasi menggunakan prosedur tersimpan, atau ketika pemicu database diatur pada beberapa tabel, atau ketika CASCADEDELETEdigunakan untuk menjamin integritas referensial, memicu penghapusan tambahan secara otomatis.

Perbandingan dataset

Pengujian Aplikasi secara otomatis membandingkan referensi dan replay set data yang dihasilkan pada sistem sumber (perekaman) dan target replay).

Untuk membandingkan kumpulan data:

  1. Mulailah dengan data input yang sama (kumpulan data, database) pada sumber dan target.

  2. Jalankan kasus pengujian Anda pada sistem sumber (mainframe).

  3. Tangkap kumpulan data yang dihasilkan dan unggah ke bucket Amazon S3. Anda dapat mentransfer kumpulan data input dari sumber ke AWS menggunakan CDC jurnal, layar, dan kumpulan data.

  4. Tentukan lokasi bucket Amazon S3 tempat kumpulan data mainframe diunggah saat Anda mengunggah kasus uji.

Setelah pemutaran ulang selesai, Pengujian Aplikasi secara otomatis membandingkan referensi output dan set data target, menunjukkan apakah catatan identik, setara, berbeda, atau hilang. Misalnya, bidang tanggal yang relatif terhadap momen eksekusi beban kerja (hari + 1, akhir bulan berjalan, dll.) Secara otomatis dianggap setara. Selain itu, Anda dapat secara opsional menentukan aturan kesetaraan, sehingga catatan yang tidak identik masih memiliki arti bisnis yang sama, dan ditandai sebagai setara.

Status perbandingan

Pengujian Aplikasi menggunakan status perbandingan berikut:IDENTICAL,EQUIVALENT, danDIFFERENT.

IDENTICAL

Sumber dan data target persis sama.

EQUIVALENT

Sumber dan data target mengandung perbedaan palsu yang dianggap sebagai kesetaraan, seperti tanggal atau stempel waktu yang tidak mempengaruhi kesetaraan fungsional ketika relatif terhadap momen eksekusi beban kerja. Anda dapat menentukan aturan kesetaraan untuk mengidentifikasi apa perbedaan ini. Ketika semua rangkaian pengujian yang diputar ulang dibandingkan dengan rangkaian pengujian referensinya menunjukkan status IDENTICAL atauEQUIVALENT, rangkaian pengujian Anda tidak menunjukkan perbedaan.

DIFFERENT

Sumber dan data target berisi perbedaan, seperti jumlah catatan yang berbeda dalam kumpulan data, atau nilai yang berbeda dalam catatan yang sama.

Aturan kesetaraan

Seperangkat aturan untuk mengidentifikasi perbedaan palsu yang dapat dianggap sebagai hasil yang setara. Pengujian kesetaraan fungsional offline (OFET) pasti menyebabkan perbedaan untuk beberapa hasil antara sumber dan sistem target. Misalnya, stempel waktu pembaruan berbeda menurut desain. Aturan kesetaraan menjelaskan bagaimana menyesuaikan perbedaan tersebut dan menghindari positif palsu pada waktu perbandingan. Misalnya, jika tanggal adalah runtime + 2 hari di kolom data tertentu, aturan kesetaraan menjelaskannya dan menerima waktu pada sistem target yang merupakan runtime pada target + 2 hari alih-alih nilai yang sama secara ketat sama dengan kolom yang sama dalam pengunggahan referensi.

Perbandingan kumpulan data keadaan akhir

Status akhir kumpulan data yang telah dibuat atau dimodifikasi, termasuk semua perubahan atau pembaruan yang dilakukan pada kumpulan data dari keadaan awalnya. Untuk kumpulan data, Pengujian Aplikasi melihat catatan dalam kumpulan data tersebut di akhir kasus uji, dan membandingkan hasilnya.

Perbandingan basis data kemajuan negara

Perbandingan perubahan yang dilakukan pada catatan database sebagai urutan pernyataan individu DML (Hapus, Perbarui, Sisipkan). Pengujian Aplikasi membandingkan perubahan individual (menyisipkan, memperbarui, atau menghapus baris tabel) dari database sumber ke database target, dan akan mengidentifikasi perbedaan untuk setiap perubahan individu. Misalnya, INSERT pernyataan individu dapat digunakan untuk menyisipkan dalam tabel baris dengan nilai yang berbeda pada database sumber dibandingkan dengan database target.

Kesetaraan fungsional (FE)

Dua sistem dianggap setara secara fungsional jika menghasilkan hasil yang sama pada semua operasi yang dapat diamati, mengingat data input yang sama. Misalnya, dua aplikasi dianggap setara secara fungsional jika data input yang sama menghasilkan data keluaran yang identik (melalui layar, perubahan dataset atau perubahan database).

Perbandingan layar 3270 online

Membandingkan output layar mainframe 3270 dengan output layar web aplikasi modern saat sistem target berjalan di bawah runtime AWS Blu Age di file. AWS Cloud Dan itu membandingkan output dari layar mainframe 3270 dengan layar 3270 dari aplikasi rehosted ketika sistem target berjalan di bawah runtime Micro Focus di. AWS Cloud

Putar ulang data

Data replay digunakan untuk menggambarkan data yang dihasilkan dengan memutar ulang rangkaian pengujian pada lingkungan pengujian target. Misalnya, data replay dihasilkan ketika rangkaian pengujian berjalan pada aplikasi layanan Modernisasi AWS Mainframe. Data replay kemudian dibandingkan dengan data referensi yang diambil dari sumber. Setiap kali Anda memutar ulang beban kerja di lingkungan target, generasi baru data replay dihasilkan.

Data referensi

Data referensi digunakan untuk menggambarkan data yang diambil pada mainframe sumber. Ini adalah referensi di mana data yang dihasilkan replay (target) akan dibandingkan. Biasanya, untuk setiap catatan pada mainframe yang membuat data referensi, akan ada banyak tayangan ulang. Ini karena pengguna biasanya menangkap status aplikasi yang benar pada mainframe, dan memutar ulang kasus uji pada aplikasi target yang dimodernisasi untuk memvalidasi kesetaraan. Jika bug ditemukan, mereka diperbaiki dan kasus uji diputar ulang lagi. Seringkali, beberapa siklus pemutaran ulang, memperbaiki bug, dan memutar ulang lagi untuk memvalidasi kejadian. Ini disebut capture once, replay multiple times paradigma pengujian.

Unggah, Putar Ulang, dan Bandingkan

Pengujian Aplikasi beroperasi dalam tiga langkah:

  • Unggah: menangkap data referensi yang dibuat di mainframe untuk setiap kasus uji skenario pengujian. Ini dapat mencakup 3270 layar online, kumpulan data, dan catatan basis data.

    • Untuk layar 3270 online, Anda harus menggunakan emulator terminal Blu Insights untuk menangkap beban kerja sumber Anda. Untuk informasi lebih lanjut lihat, dokumentasi Blu Insights.

    • Untuk kumpulan data, Anda perlu menangkap kumpulan data yang dihasilkan oleh setiap kasus uji pada mainframe dengan menggunakan alat umum, seperti FTP atau bagian layanan transfer dataset dari Modernisasi AWS Mainframe.

    • Untuk perubahan database, Anda menggunakan Replikasi Data Modernisasi AWS Mainframe dengan dokumentasi Tepat untuk menangkap dan menghasilkan CDC jurnal yang berisi perubahan.

  • Putar ulang: Rangkaian pengujian diputar ulang di lingkungan target. Semua kasus uji yang ditentukan dalam rangkaian pengujian dijalankan. Tipe data tertentu yang dibuat oleh kasus uji individual, seperti kumpulan data, perubahan database relasional, atau layar 3270, akan ditangkap dengan otomatisasi. Data ini dikenal sebagai data replay, dan akan dibandingkan dengan data referensi yang diambil selama fase upload.

    catatan

    Perubahan database relasional akan memerlukan opsi konfigurasi DMS -specific di template kondisi CloudFormation awal Anda.

  • Bandingkan: data referensi pengujian sumber, dan data pemutaran ulang target dibandingkan, dan hasilnya akan ditampilkan kepada Anda sebagai data yang identik, berbeda, setara, atau hilang.

Perbedaan

Menunjukkan perbedaan telah terdeteksi antara referensi dan replay set data dengan perbandingan data. Misalnya, bidang di layar 3270 online yang menunjukkan nilai berbeda dari sudut pandang logika bisnis antara mainframe sumber dan aplikasi modern target akan dianggap sebagai perbedaan. Contoh lain adalah upload dalam kumpulan data yang tidak identik antara aplikasi sumber dan target.

Kesetaraan

Catatan ekivalen adalah catatan yang berbeda antara kumpulan data referensi dan replay, tetapi tidak boleh diperlakukan berbeda dari sudut pandang logika bisnis. Misalnya, catatan yang berisi stempel waktu kapan dataset diproduksi (waktu eksekusi beban kerja). Dengan menggunakan aturan kesetaraan yang dapat disesuaikan, Anda dapat menginstruksikan Pengujian Aplikasi untuk memperlakukan perbedaan positif palsu tersebut sebagai kesetaraan, bahkan jika itu menunjukkan nilai yang berbeda antara data referensi dan replay.

Aplikasi sumber

Aplikasi mainframe sumber untuk dibandingkan dengan.

Aplikasi target

Aplikasi baru atau yang dimodifikasi di mana pengujian dilakukan dan yang akan dibandingkan dengan aplikasi sumber untuk mendeteksi cacat dan untuk mencapai kesetaraan fungsional antara aplikasi sumber dan target. Aplikasi target biasanya berjalan di AWS Cloud.