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

Transformasi aplikasi mainframe

AWS Transform mempercepat transformasi aplikasi modernisasi mainframe Anda. Topik ini menjelaskan kemampuan yang tersedia.

Prasyarat: Siapkan masukan proyek di S3

AWS Transform mampu menangani basis kode mainframe yang kompleks. Untuk menggunakan basis kode, pastikan Anda memiliki semua aset di lokasi S3 Anda.

Input proyek utama:

Input proyek lainnya

Detail tentang input proyek dapat ditemukan di sini.

Sign-in dan menciptakan pekerjaan

Untuk masuk ke pengalaman web AWS Transform, ikuti semua instruksi di Memulai dengan AWS Transformasi bagian dokumentasi.

Untuk membuat dan memulai pekerjaan: Ikuti langkah-langkah di Mulai proyek Anda.

Buat ruang kerja: Beri nama dan jelaskan ruang kerja Anda tempat pekerjaan, kolaborator, dan artefak terkait akan disimpan.

Buat pekerjaan: Buat pekerjaan dengan memilih dari rencana pekerjaan yang telah dikonfigurasi sebelumnya, atau sesuaikan rencana pekerjaan berdasarkan tujuan Anda dengan memilih dari daftar kemampuan yang didukung.

Saat Anda membuat pekerjaan, Anda dapat memilih dari kemampuan di bawah ini, tetapi langkah Kickoff selalu diperlukan karena di situlah lokasi kode sumber untuk proyek berada. Pada pekerjaan pertama yang disiapkan di ruang kerja, Anda harus menyiapkan konektor ke bucket Amazon S3 Anda.

Melacak kemajuan transformasi

Anda dapat melacak kemajuan transformasi di seluruh proses dengan dua cara:

Siapkan konektor

AWS Transform menggunakan konektor untuk mengakses sumber daya di akun Anda yang diperlukan untuk fungsi modernisasi mainframe. Konektor Anda secara otomatis dikonfigurasi dengan pekerjaan pertama yang Anda jalankan di ruang kerja. Bergantung pada rencana pekerjaan yang Anda pilih, AWS Transform memandu Anda untuk membuat konektor.

Konektor menata ulang mainframe

Konektor tata ulang mainframe adalah untuk pekerjaan yang menjalankan penilaian dan menata ulang alur kerja. Ini menggunakan bucket S3 untuk mengakses dan menyimpan sumber daya transformasi, serta cluster Amazon Neptunus untuk menyimpan artefak yang diekstraksi. Cluster Neptunus berfungsi sebagai grafik pengetahuan terpadu yang menyimpan semua artefak yang diekstraksi tentang pekerjaan Anda, dan grafik pengetahuan menjawab semua pertanyaan di antarmuka obrolan Transform. AWS

Terapkan cluster Amazon Neptunus di AWS VPC tempat Transform dapat membuat antarmuka jaringan elastis (ENI). Ini adalah koneksi jaringan yang memungkinkan AWS Transform berkomunikasi dengan aman dengan Neptunus di VPC Anda untuk memuat data dan menanyakan grafik pengetahuan Anda.

AWS CloudFormation

Sebaiknya gunakan CloudFormation templat berikut untuk membuat sumber daya yang diperlukan untuk konektor tata ulang mainframe Anda. Gunakan bucket S3 yang sama yang Anda rencanakan untuk digunakan untuk konektor saat menjalankan CloudFormation template. Untuk informasi selengkapnya tentang menggunakan CloudFormation templat, lihat Bekerja dengan templat.

Untuk mengunduh CloudFormation templat, pilih neptune-kg-setup.yaml.

Template menerima parameter berikut:

Berikan detail berikut saat Anda mengonfigurasi konektor:

Konfigurasi kustom

Jika Anda lebih suka menggunakan VPC yang ada atau alat lain untuk membuat infrastruktur yang diperlukan, lingkungan Anda harus memenuhi persyaratan berikut:

Gugus Neptunus

Jaringan

Grup keamanan

Grup keamanan dilampirkan ke ENI, bukan subnet. Bahkan ketika AWS Transform ENI dan Neptunus berada di subnet yang sama, grup keamanan terpisah mengontrol akses di antara mereka.

IAM

Diagram berikut menunjukkan arsitektur yang direkomendasikan.

Konektor S3

Untuk pekerjaan dengan paket khusus, AWS Transform dapat menggunakan konektor S3. Konektor S3 menggunakan bucket S3 untuk mengakses dan menyimpan sumber daya transformasi, dan bucket vektor S3 untuk output yang diindeks.

Konfigurasi opsional bucket vektor S3.

Di Wilayah di mana bucket vektor S3 tersedia, AWS Transform akan menyimpan pengkodean vektor hasil pekerjaan yang dapat dicari di bucket vektor S3 ini di akun Anda untuk memberikan pengalaman pencarian dan obrolan yang didukung AI. Data tidak digunakan di luar pekerjaan ini, dan tidak digunakan untuk melatih model. Untuk mengaktifkan ini, Anda harus membuat dan menyediakan bucket vektor S3. AWS Transform secara otomatis membuat dan melampirkan peran dengan izin yang diperlukan untuk menulis ke bucket ini.

Izin CORS bucket S3

Setelah konektor Anda dikonfigurasi, tambahkan kebijakan CORS berikut ke bucket S3 agar Anda dapat melihat dan membandingkan artefak secara langsung di konsol Transform. AWS Jika kebijakan ini tidak diatur dengan benar, Anda mungkin tidak dapat menggunakan fungsi tampilan sebaris atau perbandingan file Transform. AWS

[
    {
        "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
    }
]

Menilai dan menata kembali rencana kerja

Menilai dan menata ulang rencana pekerjaan adalah alur kerja yang telah ditentukan untuk memodernisasi aplikasi mainframe. Ini memandu Anda melalui dua fase: menilai basis kode Anda untuk mengidentifikasi fungsi bisnis, dan menata ulang fungsi yang Anda pilih. Untuk memilih kemampuan individu sebagai gantinya, gunakan rencana pekerjaan Kustom.

Menilai

Perjalanan modernisasi mainframe biasanya dimulai dengan mengevaluasi basis kode untuk mengidentifikasi konten dan memahami hubungan dan dependensi. Setelah evaluasi ini, Anda dapat mulai menguraikan dan memilih bagian dari kode sumber untuk dimodernisasi. Batas-batas dekomposisi ditentukan berdasarkan fungsi bisnis.

Katalog fungsi bisnis menguraikan basis kode Anda menjadi fungsi bisnis diskrit, yang dibangun di atas dasar jalur data deterministik yang memetakan setiap fungsi bisnis dari awal hingga akhir. Jalur data adalah rute yang diambil data, dimulai dengan pemicu bisnis hingga penulisan akhir dalam kode mainframe. Alih-alih membatasi analisis ke titik masuk tunggal, sistem mencakup pekerjaan batch, transaksi CICS, dan penyimpanan data bersama mereka untuk mengidentifikasi unit kerja bisnis yang koheren.

Fungsi bisnis adalah badan kerja yang dimulai dari pemicu bisnis dan berakhir pada hasil bisnis yang terukur. AWS Transform menyediakan katalog fungsi bisnis yang dapat ditindaklanjuti oleh lini bisnis, memungkinkan keputusan berdasarkan informasi tentang apa yang harus dimodernisasi terlebih dahulu.

Manfaat menilai basis kode Anda untuk memodernisasi menggunakan fungsi bisnis:

Hasil penilaian diberikan melalui obrolan

Hasil penilaian yang diberikan melalui obrolan mencakup daftar fungsi bisnis, termasuk jumlah jalur data, apa yang mencakup setiap fungsi dalam hal transaksi batch dan CICS, dan deskripsi bisnis. Anda diberikan tautan ke artefak yang dihasilkan di ember Amazon S3, dan Anda juga dapat mengaksesnya melalui obrolan. Dua artefak disediakan: rincian fungsi bisnis dan ringkasan fungsi bisnis.

Untuk berinteraksi dengan grafik, pilih elemen untuk menampilkan detail tambahan tentangnya, atau buka elemen untuk menginterogasi detailnya. Dalam setiap halaman, ada ringkasan semua elemen pada tingkat itu dan antarmuka grafis untuk berinteraksi dan mempelajari lebih lanjut tentang setiap komponen, termasuk yang berikut ini:

Melalui obrolan, Anda dapat menginterogasi output untuk memahami elemen yang terkandung dalam setiap fungsi bisnis, dan menjelajahi batas-batas melalui grafik fungsi bisnis.

Setelah Anda mengidentifikasi batas-batas modernisasi Anda, obrolan meminta Anda untuk memilih fungsi bisnis yang ingin Anda bayangkan kembali. Anda dapat memilih satu fungsi bisnis atau beberapa fungsi bisnis. AWS Transform mengirimkan batas-batas yang dipilih dan output penilaian yang diperlukan ke aliran penataan ulang untuk melanjutkan perjalanan modernisasi.

Setelah Anda menyelesaikan modernisasi pertama Anda, Anda dapat menggunakan obrolan untuk memilih serangkaian fungsi bisnis tambahan untuk dimodernisasi.

Bayangkan kembali

Pada fase penataan ulang, Anda dapat memilih satu atau semua fungsi bisnis yang diidentifikasi oleh penilaian dan mempersiapkannya untuk modernisasi. Ini memicu ekstraksi logika bisnis diikuti oleh pembuatan persyaratan untuk fungsi bisnis yang dipilih. Persyaratan yang dihasilkan adalah masukan utama untuk rekayasa maju, menerjemahkan pemahaman sistem lama ke dalam spesifikasi yang tepat dari apa yang harus diberikan oleh aplikasi modern.

Ekstrak logika bisnis

Setelah Anda memilih satu atau beberapa fungsi bisnis, AWS Transform mulai menghasilkan logika bisnis untuk fungsi bisnis yang dipilih. Setelah ekstraksi selesai, AWS Transform menyimpan hasilnya dalam bucket Amazon S3 dalam format JSON untuk penggunaan hilir. Anda dapat memantau kemajuan ekstraksi dan meninjau masalah apa pun secara langsung di dalam konsol AWS Transform.

Jika ada file yang mengalami masalah selama ekstraksi, detail berikut akan ditampilkan untuk setiap file yang terpengaruh:

Hasilkan persyaratan

Setelah ekstraksi logika bisnis selesai, agen Generate Requirements mengkonsumsi artefak yang diekstraksi (analisis kode, analisis data, aturan bisnis) dan menghasilkan persyaratan modernisasi. Persyaratan ini adalah spesifikasi fungsional formal yang teknologi-agnostik dan mencakup kriteria penerimaan yang dapat diuji. AWS Transform menghasilkan satu requirements.md file untuk setiap fungsi bisnis yang Anda pilih dan menyimpan output dalam bucket Amazon S3. Untuk melihat lokasi output Amazon S3, pilih langkah Hasilkan persyaratan.

Setiap requirements.md file diatur ke dalam bagian-bagian berikut:

Ketertelusuran antara artefak transformasi

AWS Transform mempertahankan ketertelusuran antara artefak yang dihasilkannya di seluruh alur kerja penilaian dan penataan ulang. Ketertelusuran memungkinkan Anda melacak setiap persyaratan ke aturan bisnis yang diekstraksi, atau langsung ke kode sumber asli yang menghasilkan persyaratan.

Anda dapat melihat semua detail keterlacakan untuk setiap fungsi bisnis menggunakan file. traceability.yaml Ini menjelaskan bagaimana setiap aturan bisnis memetakan ke suatu persyaratan.

Untuk keterlacakan interaktif, Anda dapat menggunakan plugin IDE di VS Code dan editor yang kompatibel dengan Open VSX. Untuk informasi selengkapnya, lihat Alat pengembang.

Bayangkan kembali rencana kerja

Untuk aplikasi yang telah Anda cakup untuk modernisasi dan siap untuk ditata ulang, Anda dapat menjalankan pekerjaan menata ulang mandiri. Pekerjaan menganalisis kode dan data Anda, mengekstrak logika bisnis, mengidentifikasi domain bisnis, dan menghasilkan persyaratan modernisasi untuk setiap domain bisnis.

Rencana pekerjaan khusus

Rencana pekerjaan khusus memungkinkan Anda membangun alur kerja modernisasi Anda sendiri dengan memilih kemampuan yang ingin Anda jalankan. Ini memberi Anda kontrol penuh atas kemampuan mana yang disertakan. Pilih dari kemampuan berikut berdasarkan tujuan modernisasi Anda. Beberapa kemampuan tergantung pada yang lain dijalankan terlebih dahulu. Misalnya, analisis kode diperlukan untuk sebagian besar kemampuan lainnya.

Menganalisis kode

Setelah Anda membagikan jalur bucket Amazon S3 dengan AWS Transform, ia akan menganalisis kode untuk setiap file dengan detail seperti nama file, jenis file, baris kode, dan jalurnya.

Dalam rencana pekerjaan pilih Analisis kode di panel navigasi kiri untuk melihat hasil Anda. Anda dapat melihat hasil analisis kode Anda dengan beberapa cara:

Dalam hasil file, AWS Transform memberikan informasi berikut tergantung pada tampilan file yang Anda pilih:

File hilang — File hilang dari analisis kode modernisasi mainframe. File-file ini idealnya, harus ditambahkan sebagai bagian dari input sumber di bucket Amazon S3, dan langkah analisis harus dijalankan kembali untuk hasil yang lebih baik dan kohesif.

Bernama identik — AWS Transform memberi Anda daftar file yang berbagi nama yang sama, dan mungkin karakteristik yang sama (misalnya, jumlah baris kode). Ini tidak akan memiliki kemampuan untuk membandingkan perbedaan antara isi dari dua file sekaligus.

ID Duplikat - Dengan program Cobol, bidang ID Program berfungsi sebagai pengidentifikasi unik file. ID ini harus unik karena digunakan untuk memanggil program di seluruh proyek Anda. Namun, beberapa proyek mungkin memiliki file COBOL dengan nama yang berbeda tetapi ID Program yang sama. Mendapatkan daftar file-file tersebut selama penilaian dapat membantu memahami dependensi di antara semua program.

Ketika Anda memiliki program dengan ID duplikat, disarankan untuk mengubah ID Program dari file-file ini untuk memiliki pengenal unik untuk masing-masing dalam kode COBOL. Anda kemudian dapat menjalankan kembali pekerjaan Anda untuk mendapatkan hasil analisis kode yang lebih akurat dan komprehensif.

Dengan menyelesaikan ID Program duplikat, Anda dapat:

Masalah basis kode - Potensi masalah yang terdeteksi dalam basis kode yang harus Anda selesaikan sebelum melanjutkan proyek modernisasi. Masalah ini dapat mencakup referensi yang hilang dengan pernyataan terkait atau tautan yang tidak didukung dalam kode.

Klasifikasi pembaruan - Dengan reklasifikasi manual, Anda dapat mengklasifikasikan ulang file menggunakan fitur pembaruan massal dengan mengunggah file JSON dengan klasifikasi baru.

Setelah reklasifikasi, Transform akan: AWS

Penampil sebaris dan perbandingan file

Penampil Inline adalah fitur dalam AWS Transform untuk kemampuan mainframe yang menyediakan dua kemampuan visualisasi utama:

Tampilan file masukan

Perbandingan file

Analisis data

AWS Transform menyediakan analisis data untuk membantu memahami dampak hubungan data dan elemen terhadap proyek modernisasi mainframe. Dua output yang disediakan adalah:

Setelah menyelesaikan analisis, akan ada dua tab yang ada untuk setiap output, dan kemudian beberapa tampilan tersedia yang dijelaskan di bawah ini untuk garis keturunan data dan kamus.

Silsilah data

AWS Transform menyediakan beberapa tampilan berdasarkan hubungan data yang perlu dipahami di seluruh basis kode yang sedang dimodernisasi. Empat tampilan tabel yang tersedia dalam garis keturunan data meliputi:

Ringkasan memberikan gambaran umum tentang sumber data, dan hubungannya dengan program dan JCL, serta informasi ringkasan tentang bagaimana sumber data dimanfaatkan dan total operasi yang ditemukan dalam basis kode.

Kamus data

Memahami elemen data dalam sumber data yang ada dalam basis kode adalah langkah selanjutnya untuk menyadari bagaimana berbagai sumber data bergantung. Kamus data adalah katalog data yang menyediakan metadata tingkat lapangan dengan deskripsi bahasa bisnis untuk pemetaan transformasi yang akurat.

Hubungan antara garis keturunan data dan kamus tersedia dengan memilih sumber data, dan kemudian memanfaatkan garis keturunan data atau tombol kamus data untuk menyelam lebih dalam tentang hubungan antara sumber data dan elemen data. Navigasi antara garis keturunan data dan kamus, menyediakan visibilitas data terintegrasi dengan garis keturunan data yang menyediakan “apa” - struktur dan makna, di samping “di mana” - penggunaan dan hubungan.

Analisis metrik aktivitas

Analisis metrik aktivitas memungkinkan Anda menganalisis catatan Fasilitas Manajemen Sistem (SMF) tipe 14, 15, 30, 64, 102, dan 110. Analisis ini memberikan wawasan tentang bagaimana elemen digunakan dalam aplikasi mainframe Anda. Ini dapat membantu dengan menghentikan kode yang tidak digunakan atau dengan keputusan tentang arsitektur target untuk aplikasi modern. Jika Anda menyertakan analisis metrik aktivitas dalam pekerjaan Anda, menyelesaikan langkah analisis kode terlebih dahulu memberikan output SMF yang lebih kaya, meskipun tidak diperlukan.

Catatan SMF onboard untuk analisis

Anda harus menyediakan lokasi rekaman SMF dalam bucket Amazon S3 Anda sebagai langkah awal untuk analisis SMF. Berikan catatan minimal 13 bulan untuk menangkap kejadian tahunan yang mungkin terlewatkan oleh kerangka waktu yang lebih pendek. Meskipun 13 bulan direkomendasikan, setiap kerangka waktu dengan catatan SMF yang dapat dideteksi menghasilkan hasil analisis.

Ekstrak SMF Anda harus memenuhi persyaratan format ini:

Berikan tautan ke catatan SMF dalam bucket Amazon S3 Anda, memastikan catatan berada dalam folder yang terpisah dari kode sumber Anda. Opsi format termasuk .zip (hingga 600 MB) atau.tar.gz (hingga 5 GB) terkompresi. Jika Anda memberikan tautan ke folder di mana catatan SMF tidak terdeteksi, Anda menerima pesan kesalahan dan tidak ada analisis yang selesai.

Output analisis

Output analisis berisi dua komponen, tergantung pada jenis rekaman: tampilan tabular dan output.csv (tersedia di bucket Amazon S3 Anda). Dalam AWS Transform, output ditampilkan untuk tipe 30 dan 110. Melalui artefak di bucket Amazon S3 Anda, Anda dapat menjelajahi analisis pada jenis catatan lainnya. Di antarmuka pengguna, header menampilkan rentang waktu catatan yang Anda berikan sehingga Anda dapat mengidentifikasi tanggal kunci yang hilang. Misalnya, jika catatan Anda mencakup 1 Mei hingga 31 Oktober tetapi mengecualikan hari yang sibuk setelah Thanksgiving, Anda dapat melihat bahwa catatan kunci tidak ada. Stempel waktu dalam aplikasi web mencerminkan zona waktu sistem Anda dan catatan SMF.

Artefak yang tersedia di Amazon S3 menyediakan analisis untuk semua jenis catatan yang ditemukan dalam catatan yang disediakan.

Tampilan tabel

Tampilan tabular, hanya tersedia untuk SMF 30 dan 110, berisi hingga tiga komponen utama untuk pekerjaan batch dan transaksi CICS:

Ringkasan penemuan menyediakan tiga kelompok pekerjaan dan transaksi yang membantu Anda mengidentifikasi item dengan cepat untuk analisis yang lebih dalam.

Pekerjaan Batch dan analisis transaksi CICS menyediakan analisis agregat di seluruh pekerjaan dan transaksi. Beberapa kolom dalam hasil analisis disembunyikan secara default. Pilih ikon roda gigi untuk menampilkan bidang tambahan.

Kunci transaksi menghasilkan agregasi data unik untuk transaksi CICS, menggabungkan empat bidang menjadi satu nilai kunci:

Anda dapat mencari dengan kunci lengkap atau dengan komponen kunci apa pun dalam output analisis.

Perbandingan analisis kode menyoroti pekerjaan yang ditemukan di catatan SMF atau langkah kode analisis, tetapi tidak ada di keduanya. Ini menunjukkan pekerjaan yang belum berjalan selama kerangka waktu catatan SMF Anda atau tidak ada dalam langkah kode analisis. Output ini hanya tersedia ketika Anda menjalankan langkah analisis kode sebelum analisis SMF dalam pekerjaan Anda.

Praktik terbaik

Untuk mendapatkan output komprehensif untuk pekerjaan batch (tipe 30), pastikan bahwa nama file JCL Anda cocok dengan nama pekerjaan untuk mendapatkan output yang berarti dalam perbandingan analisis kode.

Hasilkan dokumentasi teknis

Anda dapat menghasilkan dokumentasi teknis untuk aplikasi mainframe Anda yang menjalani modernisasi. Dengan menganalisis kode Anda, AWS Transform dapat secara otomatis membuat dokumentasi terperinci dari program aplikasi Anda, termasuk deskripsi logika program, alur, integrasi, dan dependensi yang ada dalam sistem lama Anda. Kemampuan dokumentasi ini membantu menjembatani kesenjangan pengetahuan, memungkinkan Anda untuk membuat keputusan berdasarkan informasi saat Anda mentransisikan aplikasi Anda ke arsitektur cloud modern.

Tambahkan informasi pengguna ke dalam dokumentasi

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

File opsional dapat ditambahkan dalam file zip untuk membantu meningkatkan kualitas dokumentasi yang dihasilkan dan menyediakan halaman sampul PDF yang disesuaikan. Beberapa di antaranya dapat berupa:

Hasilkan penampil inline dokumentasi

Anda dapat melihat file PDF di langkah menghasilkan dokumentasi teknis.

PDF terbuka di AWS Transform, dengan opsi untuk memperluas layar di kanan atas.

Ekstrak logika bisnis

Anda dapat mengekstrak logika bisnis penting dari aplikasi mainframe Anda yang sedang mengalami modernisasi. AWS Transform secara otomatis menganalisis kode Anda untuk mengidentifikasi dan mendokumentasikan elemen bisnis penting, termasuk alur proses terperinci, dan logika bisnis yang tertanam dalam aplikasi Anda. Kemampuan ini melayani banyak pemangku kepentingan dalam perjalanan modernisasi Anda. Analis bisnis dapat memanfaatkan logika yang diekstraksi untuk menciptakan persyaratan bisnis yang tepat dan mengidentifikasi kesenjangan atau inkonsistensi dalam implementasi saat ini. Pengembang mendapatkan kemampuan untuk dengan cepat memahami fungsionalitas sistem warisan yang kompleks tanpa keahlian mainframe yang luas.

Lihat dokumentasi bisnis yang diekstraksi secara inline

Anda dapat melihat logika bisnis di langkah Extract business rule. Untuk melakukan ini,

Halaman dokumentasi bisnis terbuka di tab browser baru.

Dekomposisi

Anda dapat menguraikan kode Anda ke dalam domain yang memperhitungkan dependensi antara program dan komponen. Ini membantu file dan program terkait dikelompokkan dengan tepat dalam domain yang sama. Ini juga membantu menjaga integritas logika aplikasi selama proses dekomposisi.

Untuk memulai dengan menguraikan aplikasi Anda:

Biji

Benih adalah input dasar untuk fase kode dekomposisi. Setiap komponen atau file (misalnya, JCL, COBOL, tabel Db2, CSD, dan file penjadwal) dapat ditetapkan sebagai benih hanya untuk satu domain, memastikan batas dan keselarasan yang jelas selama proses dekomposisi.

Identifikasi benih tergantung pada struktur aplikasi atau portofolio. Dalam kasus aplikasi warisan mainframe yang khas, seed sering dapat ditentukan dengan mengikuti konvensi penamaan yang ditetapkan, pengelompokan tingkat batch dalam penjadwal, dan pengelompokan tingkat transaksi yang ditentukan dalam sistem CICS. Selain itu, tabel database juga dapat berfungsi sebagai benih, menyediakan lapisan struktur lain untuk dekomposisi.

Impor and/or file dependensi pembaruan

Selama dekomposisi, Anda dapat mengunggah file JSON untuk dependensi yang menggantikan file yang ada yang dihasilkan oleh analisis dependensi yang dilakukan Transform. AWS

Fungsi ekspor dependensi memungkinkan Anda mengunduh file json dependensi yang dihasilkan pada langkah dekomposisi. Setelah mengunduh, Anda dapat memodifikasi file sesuai kebutuhan Anda. Kemudian, Anda dapat mengimpor dependensi menggunakan fungsionalitas unggah AWS Transform yang memungkinkan Anda mengunggah file JSON baru dari dependensi yang menggantikan file yang dihasilkan oleh analisis dependensi. Setelah itu, grafik dalam langkah dekomposisi akan diperbarui.

AWS Transform akan mengimpor file dependensi dan membuat grafik dependensi baru berdasarkan masukan Anda.

Impor and/or Perbarui Domain

Untuk pelanggan yang memiliki domain, benih, hubungan and/or file yang dipetakan sebelum langkah dekomposisi, Anda dapat mengunggah definisi domain ini melalui fungsi file Impor domain yang tersedia melalui menu Tindakan. Beberapa contoh kapan fungsi ini dapat digunakan:

Setelah file domain diimpor, pengguna dapat menjalankan dekomposisi terhadap definisi domain, atau jika puas dapat Menyimpan dan kemudian Kirim definisi domain.

Parent/child/neighbor berkas

Dalam grafik dependensi, program berhubungan satu sama lain melalui berbagai jenis koneksi. Memahami hubungan ini membantu Anda menganalisis dependensi program selama transformasi aplikasi mainframe Anda. Ini juga membantu memahami batas-batas domain. Misalnya, jika Anda memilih domain, dan kemudian memilih induk satu tingkat, itu akan menunjukkan node yang terhubung.

Hubungan orang tua — File induk memanggil atau mengontrol program lain. Orang tua duduk di atas program dependen mereka dalam hierarki. Anda dapat memilih orang tua di satu tingkat atau di semua tingkatan.

Hubungan anak — File anak dipanggil atau dikendalikan oleh program induk. Anak-anak duduk di bawah orang tua mereka dalam hierarki file.

Hubungan tetangga — Tetangga adalah file pada tingkat hierarkis yang sama. Mereka berbagi program induk yang sama dan mungkin berinteraksi satu sama lain secara langsung.

Kode Reforge

Reforge menggunakan Large Language Models (LLM) untuk meningkatkan kualitas kode refactored. COBOL-to-Java Transformasi awal mempertahankan kesetaraan fungsional sambil mempertahankan struktur COBOL-influenced data dan nama variabel dari sistem warisan. Reforge merestrukturisasi kode ini untuk mengikuti praktik dan idiom Java modern, menggantikan COBOL-style konstruksi dengan koleksi Java asli dan konvensi penamaan. Ini membuat kode lebih mudah dibaca dan dipelihara untuk pengembang Java.

Reformasi kode Anda setelah refactoring dengan mengikuti langkah-langkah ini:

Setelah AWS Transform mendapatkan masukan ini dari Anda, ia memberi Anda file yang dapat diunduh dengan hasil Reforge.

Ini adalah struktur zip yang dihasilkan dari reforge yang sukses:

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

Rencanakan pengujian aplikasi modern Anda

Anda dapat membuat dan mengelola rencana pengujian untuk aplikasi modern mainframe Anda berdasarkan atribut kode yang diekstraksi, kompleksitas pekerjaan, dan jalur penjadwal. AWS Transform membantu memprioritaskan pekerjaan mana yang akan diuji dan mengidentifikasi artefak spesifik yang diperlukan untuk setiap kasus uji. Proses perencanaan pengujian dibagi menjadi tiga fase utama: konfigurasi, pelingkupan, dan tinjauan.

Opsi kustomisasi rencana uji

Rencana pengujian Anda dapat disesuaikan untuk memenuhi kebutuhan spesifik. Misalnya, Anda dapat:

Informasi kasus uji terperinci

Setiap kasus uji memberikan detail yang menjelaskan kontennya dan kumpulan data atau data terkait:

Fitur manajemen data

Detail ini membantu Anda memahami data yang terkait dengan kasus uji. Anda dapat:

Aturan bisnis dan panduan kasus uji

Rencana pengujian AWS Transform memberikan rekomendasi untuk rencana kasus pengujian Anda berdasarkan Ekstraksi Aturan Bisnis:

Rencana pengujian akhir disimpan di lokasi S3 yang ditentukan dan mencakup semua informasi yang diperlukan untuk menjalankan strategi pengujian Anda secara efektif. Anda dapat mengekspor rencana pengujian untuk integrasi dengan alat pengujian atau sistem dokumentasi lainnya.

Aturan pembuatan kasus uji - Ringkasan

Aturan umum

Aturan pembuatan kasus uji default

Aturan operasi pengguna

Hasilkan skrip pengumpulan data uji

Anda dapat membuat skrip JCL untuk mengumpulkan data pengujian dari sistem mainframe Anda berdasarkan rencana pengujian yang dibuat pada langkah sebelumnya. AWS Transform secara otomatis membuat skrip pengumpulan data untuk kumpulan data, tabel database, dan file berurutan yang diperlukan untuk pengujian komprehensif. Proses pengumpulan data dibagi menjadi empat fase utama: konfigurasi input, pemilihan kasus uji, konfigurasi skrip, dan pembuatan skrip.

Fitur pembuatan skrip

Skrip yang dihasilkan secara otomatis disesuaikan berdasarkan templat dan konfigurasi Anda:

Strategi pengumpulan data

Skrip yang dihasilkan mendukung strategi pengumpulan data yang komprehensif:

Kustomisasi template dan praktik terbaik

Pengumpulan Data Uji ATX menyediakan kemampuan kustomisasi template yang fleksibel:

Struktur keluaran yang dihasilkan

Skrip yang dihasilkan diatur dalam bucket S3 Anda dengan struktur berikut:

Koleksi skrip akhir disimpan di lokasi S3 yang ditentukan dan mencakup semua JCL yang diperlukan untuk menjalankan strategi pengumpulan data Anda secara efektif. Anda dapat mengunduh skrip untuk ditransfer ke lingkungan mainframe Anda atau mengintegrasikan dengan proses penerapan otomatis.

Uji pembuatan skrip otomatisasi

Anda dapat membuat skrip otomatisasi pengujian untuk menjalankan kasus pengujian pada aplikasi modern Anda berdasarkan rencana pengujian yang dibuat pada langkah sebelumnya. AWS Transform secara otomatis membuat skrip pengujian komprehensif yang memanfaatkan data yang dikumpulkan dari proses pengumpulan data pengujian. Proses pembuatan skrip otomatisasi pengujian terdiri dari tiga fase utama: konfigurasi input, pemilihan kasus uji, dan hasil pembuatan skrip.

Uji fitur skrip otomatisasi

Skrip otomatisasi yang dihasilkan memberikan kemampuan pengujian yang komprehensif:

Struktur keluaran yang dihasilkan

Skrip otomatisasi pengujian yang dihasilkan diatur dalam bucket S3 Anda dengan struktur berikut:

Strategi eksekusi uji

Skrip yang dihasilkan mendukung alur kerja eksekusi pengujian yang komprehensif:

Praktik terbaik untuk otomatisasi pengujian

Koleksi akhir skrip otomatisasi pengujian menyediakan kerangka pengujian lengkap untuk memvalidasi fungsionalitas aplikasi modern Anda. Skrip dapat diintegrasikan ke dalam proses pengujian berkelanjutan Anda atau dijalankan sebagai bagian dari alur kerja validasi aplikasi Anda.

Kemampuan penyebaran di AWS Transformasi

AWS Transform membantu Anda mengatur lingkungan cloud untuk aplikasi mainframe modern dengan menyediakan template Infrastructure as Code (IAc) siap pakai. Melalui antarmuka obrolan AWS Transform, Anda dapat mengakses template bawaan yang membuat komponen penting seperti sumber daya komputasi, database, penyimpanan, dan kontrol keamanan. Template tersedia dalam format populer termasuk CloudFormation (CFN),, dan Terraform AWS Cloud Development Kit (AWS CDK), memberi Anda fleksibilitas untuk menerapkan infrastruktur Anda.

Template ini berfungsi sebagai blok bangunan yang mengurangi waktu dan keahlian yang diperlukan untuk mengonfigurasi lingkungan untuk aplikasi mainframe modern Anda. Anda dapat menyesuaikan template ini agar sesuai dengan kebutuhan Anda, memberi Anda dasar untuk membangun lingkungan penerapan Anda.

Untuk mengambil template IAC, tanyakan di obrolan AWS Transform untuk Infrastructure-as-Code templat yang mengklarifikasi pola modernisasi pilihan Anda (seperti AWS Transform untuk refactor mainframe), topologi pilihan Anda (mandiri vs ketersediaan tinggi), dan format pilihan Anda (vs Cloud Development Kit vs Terraform). CloudFormation