Déplacer le calcul mainframe vers AzureMove mainframe compute to Azure

Les mainframes sont réputés pour leur fiabilité et leur disponibilité élevées, et continuent d'être la dorsale de confiance de nombreuses entreprises.Mainframes have a reputation for high reliability and availability and continue to be the trusted backbone of many enterprises. On pense souvent qu'ils offrent une évolutivité et une puissance de calcul presque illimitées.They're often thought to have nearly limitless scalability and computing power as well. Mais certaines entreprises ont dépassé les capacités des plus grands mainframes disponibles.However, some enterprises have outgrown the capability of the largest available mainframes. Si c’est votre cas, Azure offre des économies en termes d’agilité, d’infrastructure et de portée.If this sounds like you, Azure offers agility, reach, and infrastructure savings.

Pour exécuter des charges de travail mainframe sur Microsoft Azure, vous devez pouvoir établir une comparaison entre les fonctionnalités de calcul de votre mainframe et celles d’Azure.To run mainframe workloads on Microsoft Azure, you need to know how your mainframe’s compute capabilities compare to Azure. Basé sur un mainframe IBM z14 (le modèle le plus récent à ce jour), cet article vous explique comment obtenir des résultats comparables sur Azure.Based on an IBM z14 mainframe (the most current model as of this writing), this article tells you how to get comparable results on Azure.

Pour commencer, prenez en compte les environnements côte à côte.To get started, consider the environments side by side. La figure suivante compare un environnement mainframe pour l'exécution d'applications sur un environnement d'hébergement Azure.The following figure compares a mainframe environment for running applications to an Azure hosting environment.

Les services Azure et les environnements d'émulation offrent un support comparable et simplifient la migration

La puissance des mainframes est souvent utilisée pour les systèmes de traitement des transactions en ligne (OLTP) qui gèrent des millions de mises à jour pour des milliers d'utilisateurs.The power of mainframes is often used for online transaction processing (OLTP) systems that handle millions of updates for thousands of users. Ces applications utilisent souvent des logiciels pour le traitement des transactions, la gestion des écrans et la saisie des formulaires.These applications often use software for transaction processing, screen handling, and form entry. Elles peuvent utiliser un système de type Customer Information Control System (CICS), Information Management System (IMS) ou Transaction Interface Package (TIP).They may use a Customer Information Control System (CICS), Information Management System (IMS), or Transaction Interface Package (TIP).

Comme le montre la figure, un émulateur TPM sur Azure peut gérer des charges de travail CICS et IMS.As the figure shows, a TPM emulator on Azure can handle CICS and IMS workloads. Un émulateur de système batch sur Azure joue le rôle de Job Control Language (JCL).A batch system emulator on Azure performs the role of Job Control Language (JCL). Les données mainframe sont migrées vers les bases de données Azure, par exemple Azure SQL Database.Mainframe data is migrated to Azure databases, such as Azure SQL Database. Les services Azure ou d’autres logiciels hébergés dans les machines virtuelles Azure peuvent être utilisés pour la gestion du système.Azure services or other software hosted in Azure Virtual Machines can be used for system management.

Aperçu du calcul mainframeMainframe compute at a glance

Dans le mainframe z14, les processeurs sont organisés en quatre tiroirs.In the z14 mainframe, processors are arranged in up to four drawers. Un tiroir représente simplement un cluster de processeurs et de chipsets.A drawer is simply a cluster of processors and chipsets. Chaque tiroir peut avoir six puces de processeur central (CP) actives, et chaque CP comporte 10 puces de contrôleur système (SC).Each drawer can have six active central processor (CP) chips, and each CP has 10 system controller (SC) chips. Dans la terminologie Intel x86, il existe six sockets par tiroir, 10 cœurs par socket et quatre tiroirs.In Intel x86 terminology, there are six sockets per drawer, 10 cores per socket, and four drawers. Cette architecture fournit l’équivalent approximatif de 24 sockets et 240 cœurs, maximum, pour un système z14.This architecture provides the rough equivalent of 24 sockets and 240 cores, maximum, for a z14.

Le CP z14 CP rapide affiche une fréquence d’horloge de 5,2 GHz.The fast z14 CP has a 5.2 GHz clock speed. En règle générale, un système z14 est fourni avec tous les CP.Typically, a z14 is delivered with all the CPs in the box. Ils sont activés selon les besoins.They're activated as needed. Un client est généralement facturé au moins quatre heures de temps de calcul par mois, quelle que soit son utilisation réelle.A customer is commonly charged for at least four hours of compute time per month despite actual usage.

Un processeur mainframe peut être configuré avec l’un des types suivants :A mainframe processor can be configured as one of the following types:

  • General Purpose (GP)General Purpose (GP) processor
  • Système z Integrated Information Processor (zIIP)System z Integrated Information Processor (zIIP)
  • Integrated Facility for Linux (IFL)Integrated Facility for Linux (IFL) processor
  • System Assist Processor (SAP)System Assist Processor (SAP)
  • Integrated Coupling Facility (ICF)Integrated Coupling Facility (ICF) processor

Montée en puissance et augmentation du calcul mainframeScaling mainframe compute up and out

Les mainframes IBM offrent la possibilité de mettre à l'échelle jusqu'à 240 cœurs (la taille z14 actuelle pour un seul système).IBM mainframes offer the ability to scale up to 240 cores (the current z14 size for a single system). De plus, la taille des mainframes IBM peut être augmentée grâce à une fonctionnalité appelée Coupling Facility (CF).Additionally, IBM mainframes can scale out through a feature called the Coupling Facility (CF). La fonctionnalité CF permet à plusieurs systèmes mainframe d'accéder simultanément aux mêmes données.The CF allows multiple mainframe systems to access the same data simultaneously. Grâce à CF, la technologie Mainframe Parallel Sysplex regroupe les processeurs mainframe en clusters.Using the CF, the mainframe Parallel Sysplex technology groups mainframe processors in clusters. Au moment de la rédaction de ce guide, la fonction Parallel Sysplex prenait en charge 32 groupes de 64 processeurs chacun.When this guide was written, the Parallel Sysplex feature supported 32 groupings of 64 processors each. Jusqu'à 2 048 processeurs peuvent être regroupés de cette manière pour augmenter la capacité de calcul.Up to 2,048 processors can be grouped in this manner to scale out compute capacity.

CF permet aux clusters de calcul de partager des données avec un accès direct.A CF allows the compute clusters to share data with direct access. Elle est utilisé pour verrouiller les informations, les informations en cache et la liste des ressources de données partagées.It's used for locking information, cache information, and the list of shared data resources. Un système Parallel Sysplex avec une ou plusieurs CF peut être considéré comme un cluster de calcul « tout partagé » avec montée en puissance.A Parallel Sysplex using one or more CFs can be thought of as a “shared everything” scale-out compute cluster. Pour plus d’informations sur ces fonctionnalités, consultez Parallel Sysplex sur IBM Z sur le site web d’IBM.For more information about these features, see Parallel Sysplex on IBM Z on the IBM website.

Les applications peuvent utiliser ces fonctionnalités pour fournir à la fois des performances de montée en puissance et une haute disponibilité.Applications can use these features to provide both scale-out performance and high availability. Pour plus d’informations sur la façon dont CICS peut utiliser Parallel Sysplex avec CF, téléchargez le livre rouge IBM CICS and the Coupling Facility: Beyond the Basics.For information about how CICS can use Parallel Sysplex with CF, download the IBM CICS and the Coupling Facility: Beyond the Basics redbook.

Aperçu du calcul AzureAzure compute at a glance

Certains pensent à tort que les serveurs basés sur Intel ne sont pas aussi puissants que les mainframes.Some people mistakenly think that Intel-based servers aren’t as powerful as mainframes. Cependant, les nouveaux systèmes multicœurs Intel ont une capacité de calcul égale à celle des ordinateurs mainframe.However, the new core-dense, Intel-based systems have as much compute capacity as mainframes. Cette section décrit les options Azure infrastructure-as-a-service (IaaS) pour le calcul et le stockage.This section describes the Azure infrastructure-as-a-service (IaaS) options for computing and storage. Azure propose également des options platform-as-a-service (PaaS), mais cet article se concentre sur les options IaaaS qui offrent une capacité mainframe comparable.Azure provides platform-as-a-service (PaaS) options as well, but this article focuses on the IaaS choices that provide comparable mainframe capacity.

Les machines virtuelles Azure fournissent une puissance de calcul dans une large gamme de tailles et de types.Azure Virtual Machines provide compute power in a range of sizes and types. Dans Azure, un CPU virtuel (vCPU) équivaut à peu près à un cœur sur un mainframe.In Azure, a virtual CPU (vCPU) roughly equates to a core on a mainframe.

Actuellement, l’éventail des tailles de machines virtuelles Azure s’étend de 1 à 128 vCPU.Currently, the range of Azure Virtual Machine sizes provides from 1 to 128 vCPUs. Les types de machines virtuelles (VM) sont optimisés pour des charges de travail spécifiques.Virtual machine (VM) types are optimized for particular workloads. Par exemple, la liste suivante montre les types de machine virtuelle (à jour au moment de la rédaction du présent document) et leurs utilisations recommandées :For example, the following list shows the VM types (current as of this writing) and their recommended uses:

TailleSize Type et descriptionType and description
Série DD-Series Usage général avec 64 vCPU et jusqu'à 3,5 GHz de fréquence d’horlogeGeneral purpose with 64 vCPU and up to 3.5-GHz clock speed
Série EE-Series Optimisé pour la mémoire avec jusqu'à 64 vCPUMemory optimized with up to 64 vCPUs
Série FF-Series Optimisé pour le calcul avec jusqu'à 64 vCPU et une fréquence d’horloge de 3,7 GHzCompute optimized with up to 64 vCPUs and 3..7 GHz clock speed
Série HH-Series Optimisé pour les applications de calcul haute performance (HPC)Optimized for high-performance computing (HPC) applications
Série LL-Series Optimisé pour le stockage pour les applications à haut débit s’appuyant sur des bases de données comme NoSQLStorage optimized for high-throughput applications backed by databases such as NoSQL
Série MM Series Les plus grosses machines virtuelles optimisées pour le calcul et la mémoire, avec jusqu'à 128 vCPULargest compute and memory optimized VMs with up to 128 vCPUs

Pour en savoir plus sur les machines virtuelles disponibles, consultez Série de machines virtuelles.For details about available VMs, see Virtual Machine series.

Un mainframe z14 peut avoir jusqu'à 240 cœurs.A z14 mainframe can have up to 240 cores. Cependant, les mainframes z14 n'utilisent presque jamais tous les cœurs pour une même application ou charge de travail.However, z14 mainframes almost never use all the cores for a single application or workload. Au lieu de cela, un mainframe sépare les charges de travail en partitions logiques (LPAR), et les LPAR comportent différents niveaux appelés MIPS (Millions of Instructions Per Second) ou MSU (Million Service Unit).Instead, a mainframe segregates workloads into logical partitions (LPARs), and the LPARs have ratings—MIPS (Millions of Instructions Per Second) or MSU (Million Service Unit). Pour déterminer la taille d’une machine virtuelle comparable nécessaire pour exécuter une charge de travail mainframe sur Azure, prenez en compte le niveau MIPS (ou MSU).When determining the comparable VM size needed to run a mainframe workload on Azure, factor in the MIPS (or MSU) rating.

Les chiffres suivants sont des estimations générales :The following are general estimates:

  • 150 MIPS par vCPU150 MIPS per vCPU

  • 1 000 MIPS par processeur1,000 MIPS per processor

Afin de déterminer la taille correcte de la machine virtuelle pour une charge de travail donnée dans une partition logique, commencez par optimiser la machine virtuelle pour cette charge de travail.To determine the correct VM size for a given workload in an LPAR, first optimize the VM for the workload. Déterminez ensuite le nombre de vCPU nécessaires.Then determine the number of vCPUs needed. Une estimation prudente recommande 150 MIPS par vCPU.A conservative estimate is 150 MIPS per vCPU. Sur la base de cette estimation, par exemple, une machine virtuelle de série F avec 16 vCPU pourrait facilement gérer une charge de travail IBM Db2 provenant d'un LPAR avec 2 400 MIPS.Based on this estimate, for example, an F-series VM with 16 vCPUs could easily support an IBM Db2 workload coming from an LPAR with 2,400 MIPS.

Montée en puissance du calcul AzureAzure compute scale-up

Les machines virtuelles de la série M peuvent monter en puissance jusqu'à 128 vCPU (au moment de la rédaction de cet article).The M-series VMs can scale up to 128 vCPUs (at the time this article was written). En utilisant l'estimation prudente de 150 MIPS par vCPU, la machine virtuelle de la série M équivaut à environ 19 000 MIPS.Using the conservative estimate of 150 MIPS per vCPU, the M-series VM equates to about 19,000 MIPS. La règle générale pour l’estimation MIPS d’un mainframe est de compter 1 000 MIPS par processeur.The general rule for estimating MIPS for a mainframe is 1,000 MIPS per processor. Un mainframe z14 peut avoir jusqu'à 24 processeurs et fournir environ 24 000 MIPS pour un même système mainframe.A z14 mainframe can have up to 24 processors and provide about 24,000 MIPS for a single mainframe system.

Le plus gros mainframe z14 possède environ 5 000 MIPS de plus que la plus grosse machine virtuelle disponible sur Azure.The largest single z14 mainframe has approximately 5,000 MIPS more than the largest VM available in Azure. Mais il est important de comparer la façon dont les charges de travail sont déployées.Yet it's important to compare how workloads are deployed. Si un système mainframe possède à la fois une application et une base de données relationnelle, ces éléments sont généralement déployés sur le même mainframe physique, chacun dans leur propre LPAR.If a mainframe system has both an application and a relational database, they're typically deployed on the same physical mainframe—each in its own LPAR. La même solution sur Azure est souvent déployée en utilisant une machine virtuelle pour l'application, avec une machine distincte et de taille adaptée pour la base de données.The same solution on Azure is often deployed using one VM for the application and a separate, suitably sized VM for the database.

Par exemple, si un système vCPU M64 prend en charge l'application et qu'un vCPU M96 est utilisé pour la base de données, environ 150 vCPU sont nécessaires, soit à peu près 24 000 MIPS, comme le montre la figure suivante.For example, if a M64 vCPU system supports the application, and a M96 vCPU is used for the database, approximately 150 vCPUs are needed—or about 24,000 MIPS as the following figure shows.

Comparaison de déploiements de charges de travail de 24 000 MIPS

L'approche consiste à migrer les LPAR vers des machines virtuelles individuelles.The approach is to migrate LPARs to individual VMs. Azure peut ensuite facilement monter en puissance à la taille requise pour la plupart des applications déployées sur un même système mainframe.Then Azure easily scales up to the size needed for most applications that are deployed on a single mainframe system.

Montée en charge du calcul AzureAzure compute scale-out

L'un des avantages d'une solution basée sur Azure est la possibilité de monter en charge. Cette montée en charge permet à une application de disposer d'une capacité de calcul presque illimitée.One of the advantages of an Azure–based solution is the ability to scale out. Scaling makes nearly limitless compute capacity available to an application. Azure prend en charge plusieurs méthodes pour augmenter la puissance de calcul :Azure supports multiple methods to scale out compute power:

  • Équilibrage de la charge sur un cluster.Load balancing across a cluster. Dans ce scénario, une application peut utiliser un équilibreur de charge ou un gestionnaire de ressources pour répartir la charge de travail entre plusieurs machines virtuelles dans un cluster.In this scenario, an application can use a load balancer or resource manager to spread out the workload among multiple VMs in a cluster. Si une plus grande capacité de calcul est nécessaire, des machines virtuelles supplémentaires sont ajoutées au cluster.If more compute capacity is needed, additional VMs are added to the cluster.

  • Jeux de mise à l’échelle de machine virtuelle.Virtual machine scale sets. Dans ce scénario de rafales, une application peut monter en charge avec d’autres ressources de calcul selon l’utilisation de la machine virtuelle.In this burst scenario, an application can scale to additional compute resources based on VM usage. Lorsque la demande diminue, le nombre de machines virtuelles d'un groupe identique peut également diminuer, ce qui garantit une utilisation efficace de la puissance de calcul.When demand falls, the number of VMs in a scale set can also go down, ensuring efficient use of compute power.

  • Mise à l’échelle PaaS.PaaS scaling. Les offres PaaS d'Azure mettent à l'échelle les ressources de calcul.Azure PaaS offerings scale compute resources. Par exemple, Azure Service Fabric alloue des ressources de calcul pour répondre à l'augmentation du volume des demandes.For example, Azure Service Fabric allocates compute resources to meet increases in the volume of requests.

  • Clusters Kubernetes.Kubernetes clusters. Les applications sur Azure peuvent utiliser des clusters Kubernetes afin de calculer des services pour des ressources spécifiques.Applications on Azure can use Kubernetes clusters for compute services for specified resources. Azure Kubernetes Service (AKS) est un service géré qui g_re les nœuds, les pools et les clusters Kubernetes sur Azure.Azure Kubernetes Service (AKS) is a managed service that orchestrates Kubernetes nodes, pools, and clusters on Azure.

Pour choisir la bonne méthode de montée en charge des ressources de calcul, il est important de comprendre en quoi Azure et les mainframes diffèrent.To choose the right method for scaling out compute resources, it’s important to understand how Azure and mainframes differ. L’élément le plus important est comment - ou si - les données sont partagées par les ressources de calcul.The key is how—or if—data is shared by compute resources. Dans Azure, les données (par défaut) ne sont généralement pas partagées par plusieurs machines virtuelles.In Azure, data (by default) is not typically shared by multiple VMs. Si un partage de données est requis par plusieurs machines virtuelles dans un cluster de calcul avec montée en charge, les données partagées doivent résider dans une ressource qui prend en charge cette fonctionnalité.If data sharing is required by multiple VMs in a scale-out compute cluster, the shared data must reside in a resource that supports this functionality. Sur Azure, le partage de données implique un stockage, comme nous le verrons dans la section suivante.On Azure, data sharing involves storage as the following section discusses.

Optimisation du calcul AzureAzure compute optimization

Vous pouvez optimiser chaque niveau de traitement dans une architecture Azure.You can optimize each tier of processing in an Azure architecture. Utilisez les machines virtuelles et les fonctionnalités les mieux adaptées à chaque environnement.Use the most suitable type of VMs and features for each environment. La figure suivante montre un modèle potentiel de déploiement de machines virtuelles dans Azur pour prendre en charge une application CICS qui utilise Db2.The following figure shows one potential pattern for deploying VMs in Azure to support a CICS application that uses Db2. Dans le site principal, les machines virtuelles de test, de préproduction et de production sont déployées avec une haute disponibilité.In the primary site, the production, preproduction, and testing VMs are deployed with high availability. Le site secondaire est utilisé pour la sauvegarde et pour la reprise d’activité après sinistre.The secondary site is for backup and disaster recovery.

Chaque niveau peut fournir des services de reprise d’activité après sinistre.Each tier can also provide appropriate disaster recovery services. Par exemple, les machines virtuelles de base de données et de production peuvent nécessiter une reprise d’activité à chaud, alors que les machines virtuelles de développement et de test prennent en charge une reprise d’activité à froid.For example, production and database VMs might require a hot or warm recovery, while the development and testing VMs support a cold recovery.

Déploiement hautement disponible prenant en charge la récupération d'urgence

Étapes suivantesNext steps

Ressources IBMIBM resources

Azure GovernmentAzure Government

Autres ressources de migrationMore migration resources