Nagy- és középkategóriás gépek adatainak modernizálása

Azure Cosmos DB
Azure Data Lake
Azure SQL Database
Azure SQL Managed Instance
Azure Storage

Az Apache®, a Spark és a láng emblémája az Apache Software Foundation bejegyzett védjegye vagy védjegye a Egyesült Államok és/vagy más országokban. Az Apache Software Foundation nem támogatja ezeket a jeleket.

Ez a cikk a nagyszámítógépek és középkategóriás adatforrások végpontok közötti modernizálási tervét ismerteti.

Felépítés

Architecture diagram that shows how to modernize mainframe and midrange systems by migrating data to Azure.

Töltse le az architektúra Visio-fájlját.

Adatfolyam

Az alábbi adatfolyam egy nagyszámítógépes adatréteg modernizálásának folyamatát vázolja fel. Ez megfelel az előző diagramnak.

  1. A főszámítógépek és a középső rendszerek adatforrásokban tárolják az adatokat, például fájlrendszerekben (VSAM, lapos fájl, LTFS), relációs adatbázisokban (db2 z/OS-hez, DB2 ibm i-hez, Db2 Linux UNIX-hoz és Windowshoz) vagy nem relációs adatbázisokban (IMS, ADABAS, IDMS).

  2. Az objektumkonvertálási folyamat kinyeri az objektumdefiníciókat a forrásobjektumokból. A definíciók ezután a céladattár megfelelő objektumaivá alakulnak.

    • A Db2-hez készült SQL Server Migration Assistant (SSMA) sémákat és adatokat migrál az IBM Db2-adatbázisokból az Azure-adatbázisokba.
    • A gazdagépfájlok felügyelt adatszolgáltatója a következőkkel konvertálja az objektumokat:
      • COBOL- és RPG-rekordelrendezések vagy -forgatókönyvek elemzése.
      • A vágókönyvek leképezése a .NET-alkalmazások által használt C#-objektumokra.
    • A külső eszközök automatizált objektumátalakítást végeznek nem relációs adatbázisokon, fájlrendszereken és más adattárakon.
  3. Az adatok betöltése és átalakítása történik. A nagyszámítógépek és a középső rendszerek EBCDIC-kódolású formátumban tárolják a fájlrendszer adatait a következő fájlformátumokban:

    A COBOL, a PL/I és a szerelvénynyelvi copybookok határozzák meg ezeknek a fájloknak az adatstruktúráját.

    a. Az FTP egyetlen elrendezéssel és kicsomagolt mezőkkel, valamint a megfelelő vágókönyvvel továbbítja a főszámítógépet és a központi fájlrendszer adatkészleteit az Azure-ba.

    b. Az adatok konvertálva lesznek. Az Azure Data Factory egyéni összekötője egy megoldás, amelyet a gazdagépintegrációs kiszolgáló gazdagépfájl-ügyfél összetevőjével fejlesztettek ki a főszámítógép-adathalmazok konvertálásához.

    A gazdagépintegrációs kiszolgáló integrálja a meglévő IBM-gazdarendszereket, programokat, üzeneteket és adatokat az Azure-alkalmazásokkal. A gazdagépintegrációs kiszolgáló egy gazdagépfájl-ügyfélösszetevő, amellyel egyéni megoldást fejleszthet az adathalmaz-átalakításhoz.

    Az Azure Data Factory egyéni összekötője a nyílt forráskódú Spark-keretrendszeren alapul, és az Azure Synapse Analyticsen fut. Más megoldásokhoz hasonlóan elemezheti a vágókönyvet, és adatokat konvertálhat. Az adatkonvertálási szolgáltatás kezelése az Azure Logic Apps Parse Gazdagépfájl-tartalom összekötőjével.

    c. A relációs adatbázis adatainak migrálása történik.

    Az IBM nagyszámítógépes és középkategóriás rendszerei az alábbihoz hasonló relációs adatbázisokban tárolják az adatokat:

    Ezek a szolgáltatások migrálják az adatbázis adatait:

    • A Data Factory egy Db2-összekötő használatával nyer ki és integrál adatokat az adatbázisokból.
    • Az SQL Server Integration Services különböző adat-ETL-feladatokat kezel.

    d. A nem relációs adatbázis adatai migrálva lesznek.

    Az IBM nagyszámítógépes és középkategóriás rendszerei az alábbihoz hasonló, nem relációs adatbázisokban tárolják az adatokat:

    A külső termékek integrálják ezekből az adatbázisokból származó adatokat.

  4. Az Olyan Azure-szolgáltatások, mint a Data Factory és az AzCopy , adatokat töltenek be az Azure-adatbázisokba és az Azure-adattárakba. Az adatok betöltéséhez külső megoldásokat és egyéni betöltési megoldásokat is használhat.

  5. Az Azure számos felügyelt adattárolási megoldást kínál:

  6. Az Azure-szolgáltatások a modernizált adatszintet használják a számítástechnikához, az elemzéshez, a tároláshoz és a hálózatkezeléshez.

  7. Az ügyfélalkalmazások a modernizált adatszintet is használják.

Összetevők

Adattárolás

  • Az SQL Database az Azure SQL-család része. A felhőhöz készült, és a teljes mértékben felügyelt és örökzöld platform minden előnyét biztosítja szolgáltatásként. Az SQL Database AI-alapú automatizált funkciókat is biztosít, amelyek optimalizálják a teljesítményt és a tartósságot. A kiszolgáló nélküli számítási és rugalmas skálázási tárolási lehetőségek automatikusan igény szerint méretezik az erőforrásokat.
  • Az Azure Database for PostgreSQL egy teljes körűen felügyelt relációsadatbázis-szolgáltatás, amely a nyílt forráskódú PostgreSQL-adatbázismotor közösségi kiadásán alapul.
  • Az Azure Cosmos DB egy globálisan elosztott többmodellesNoSQL-adatbázis .
  • Az Azure Database for MySQL egy teljes mértékben felügyelt relációsadatbázis-szolgáltatás, amely a nyílt forráskódú MySQL-adatbázismotor közösségi kiadásán alapul.
  • Az Azure Database for MariaDB egy felhőalapú relációs adatbázis-szolgáltatás. Ez a MariaDB community edition adatbázismotoron alapul.
  • A felügyelt SQL-példány egy intelligens, méretezhető felhőalapú adatbázis-szolgáltatás, amely a teljes mértékben felügyelt és örökzöld platform összes előnyét kínálja szolgáltatásként. A felügyelt SQL-példány majdnem 100%-os kompatibilitással rendelkezik a legújabb SQL Server Enterprise kiadású adatbázismotorral. Emellett natív virtuális hálózati implementációt is biztosít, amely a gyakori biztonsági problémákat kezeli.
  • Az Azure Data Lake Storage egy tárház, amely nagy mennyiségű adatot tárol natív, nyers formátumban. A Data Lake-tárolók terabájtos és petabájtos adatokra való skálázásra vannak optimalizálva. Az adatok általában több heterogén forrásból származnak. Strukturált, részben strukturált vagy strukturálatlan is lehet.

Compute

  • A Data Factory különböző hálózati környezetekben integrálja az adatokat egy integrációs modul (IR) használatával, amely egy számítási infrastruktúra. A Data Factory saját üzemeltetésű IRS-ek használatával másolja az adatokat a felhőalapú adattárak és a helyszíni hálózatokban lévő adattárak között.
  • Az Azure Virtual Machines igény szerinti, méretezhető számítási erőforrásokat biztosít. Egy Azure-beli virtuális gép (VM) biztosítja a virtualizálás rugalmasságát, de kiküszöböli a fizikai hardverek karbantartási igényeit. Az Azure-beli virtuális gépek számos operációs rendszert kínálnak, beleértve a Windowst és a Linuxot is.

Adat integrátorok

  • Az Azure Data Factory egy hibrid adatintegrációs szolgáltatás. Ebben a megoldásban egy egyéni Azure Data Factory-összekötő a gazdagépintegrációs kiszolgáló gazdagépfájl-ügyfél összetevőjét használja a főszámítógép-adathalmazok konvertálásához. Minimális beállítással egyéni összekötővel konvertálhatja a főszámítógép-adathalmazt ugyanúgy, mint bármely más Azure Data Factory-összekötőt.
  • Az AzCopy egy parancssori segédprogram, amely blobokat vagy fájlokat helyez át a tárfiókokba és kifelé.
  • Az SQL Server Integration Services egy nagyvállalati szintű adatintegrációs és átalakítási megoldások létrehozására szolgáló platform. Összetett üzleti problémák megoldásához az alábbiakkal oldhatja meg:
    • Fájlok másolása vagy letöltése.
    • Adattárházak betöltése.
    • Adatok tisztítása és bányászata.
    • SQL Server-objektumok és -adatok kezelése.
  • A gazdagépintegrációs kiszolgáló technológiái és eszközei lehetővé teszik a meglévő IBM-gazdarendszerek, programok, üzenetek és adatok Azure-alkalmazásokkal való integrálását. A gazdagépfájl ügyfélösszetevője rugalmasságot biztosít az EBCDIC-ből ASCII-vé konvertált adatok számára. Létrehozhat például JSON-t/XML-t a konvertált adatokból.
  • Az Azure Synapse egyesíti az adatintegrációt, a vállalati adattárházakat és a big data-elemzéseket. Az architektúrában használt Azure Synapse-konverziós megoldás az Apache Sparkon alapul, és jó választás a nagy méretű adathalmazok számítási feladatainak konvertálásához. A nagyszámítógépes adatstruktúrák és -célok széles skáláját támogatja, és minimális kódolási erőfeszítést igényel.

Other tools

  • A DB2-hez készült SQL Server Migration Assistant automatizálja a Db2-ből a Microsoft adatbázis-szolgáltatásokba való migrálást. Amikor egy virtuális gépen fut, ez az eszköz SQL Server-adatbázisobjektumokká alakítja a DB2 adatbázis-objektumokat, és létrehozza ezeket az objektumokat az SQL Serverben.
  • A gazdagépfájlok adatszolgáltatója a gazdagépintegrációs kiszolgáló azon összetevője, amely offline, SNA- vagy TCP/IP-kapcsolatokat használ.
    • Offline kapcsolatok esetén az adatszolgáltató beolvassa és megírja a rekordokat egy helyi bináris fájlban.
    • SNA- és TCP/IP-kapcsolatokkal az adatszolgáltató a távoli z/OS (IBM Z Series Mainframe) adatkészletekben vagy távoli i5/OS -ben (IBM AS/400 és iSeries rendszerek) tárolt rekordokat olvassa és írja le. Csak az i5/OS rendszerek használják a TCP/IP protokollt.
  • Az Azure-szolgáltatások környezeteket, eszközöket és folyamatokat biztosítanak az új alkalmazások nyilvános felhőben való fejlesztéséhez és skálázására.

Forgatókönyv részletei

Az olyan modern adattárolási megoldások, mint az Azure-adatplatform, jobb méretezhetőséget és teljesítményt biztosítanak, mint a nagyszámítógépek és a középső rendszerek. A rendszerek modernizálásával kihasználhatja ezeket az előnyöket. A technológia, az infrastruktúra és a gyakorlatok frissítése azonban összetett. A folyamat magában foglalja az üzleti és mérnöki tevékenységek teljes körű vizsgálatát. Az adatkezelés az egyik szempont a rendszerek modernizálása során. Meg kell vizsgálnia az adatvizualizációt és az integrációt is.

A sikeres modernizációk az első adatstratégiát használják. Ha ezt a megközelítést használja, az új rendszer helyett az adatokra összpontosít. Az adatkezelés már nem csak egy elem a modernizálási ellenőrzőlistán. Ehelyett az adatok a középpontok. Az összehangolt, minőségorientált adatmegoldások a töredezett, rosszul szabályozott megoldásokat váltják fel.

Ez a megoldás az Azure adatplatform-összetevőit használja az adatelső megközelítésben. A megoldás a következőket foglalja magában:

  • Objektumkonvertálás. Objektumdefiníciók konvertálása a forrásadattárból a céladattár megfelelő objektumaiká.
  • Adatbetöltés. Csatlakozás a forrásadattárba, és kinyeri az adatokat.
  • Adatátalakítás. A kinyert adatok átalakítása megfelelő céladattár-struktúrákká.
  • Adattárolás. Adatok betöltése a forrásadattárból a céladattárba kezdetben és folyamatosan.

Lehetséges használati esetek

A nagyszámítógépet és középkategóriás rendszereket használó szervezetek kihasználhatják ezt a megoldást, különösen akkor, ha el szeretnék érni ezeket a célokat:

  • A kritikus fontosságú számítási feladatok modernizálása.
  • Üzleti intelligencia beszerzése a műveletek javítása és a versenyelőny megszerzése érdekében.
  • Távolítsa el a nagyszámítógépekhez és a középkategóriás adattárakhoz kapcsolódó magas költségeket és merevséget.

Considerations

Ezek a szempontok implementálják az Azure Well-Architected Framework alappilléreit, amelyek a számítási feladatok minőségének javítása érdekében használható vezérelvek. További információ: Microsoft Azure Well-Architected Framework. Ha a Gazdagépfájlok adatszolgáltatója ügyfélprogramot használja az adatok konvertálásához, kapcsolja be a kapcsolatkészletezést a kapcsolat indítási idejének csökkentése érdekében. Amikor a Data Factoryt használja az adatok kinyerésére, hangolja a másolási tevékenység teljesítményét.

Biztonság

A biztonság biztosítékokat nyújt a szándékos támadások és az értékes adatokkal és rendszerekkel való visszaélés ellen. További információ: A biztonsági pillér áttekintése.

  • Vegye figyelembe a helyszíni ügyfélidentitások és az Azure-beli ügyfélidentitások közötti különbségeket. A különbségeket kompenzálnia kell.
  • Felügyelt identitások használata összetevők között végzett adatfolyamokhoz.
  • Ha adatszolgáltatót használ a gazdagépfájlokhoz az adatok konvertálásához, kövesse a gazdagépfájlok biztonságára és védelmére vonatkozó adatszolgáltatókra vonatkozó javaslatokat.

Költségoptimalizálás

A költségoptimalizálás a szükségtelen kiadások csökkentéséről és a működési hatékonyság javításáról szól. További információ: A költségoptimalizálási pillér áttekintése.

  • Az SQL Server Migration Assistant egy ingyenes, támogatott eszköz, amely leegyszerűsíti az adatbázis-migrálást a Db2-ről az SQL Serverre, az SQL Database-be és a felügyelt SQL-példányra. Az SQL Server Migration Assistant automatizálja a migrálás minden aspektusát, beleértve a migrálási felmérés elemzését, a séma- és SQL-utasítások konvertálását, valamint az adatmigrálást.
  • Az Azure Synapse Spark-alapú megoldás nyílt forráskódú kódtárakból készült. Kiküszöböli a licencátalakítási eszközök pénzügyi terheit.
  • A megoldás implementálási költségeinek becsléséhez használja az Azure díjszabási kalkulátorát .

Teljesítmény hatékonysága

A teljesítménybeli hatékonyság lehetővé teszi, hogy a számítási feladatok hatékonyan méretezhetők legyenek a felhasználók igényei szerint. További információkért tekintse meg a teljesítményhatékonysági pillér áttekintését.

  • A teljesítményhatékonyság fő pillérei a teljesítménykezelés, a kapacitástervezés, a méretezhetőség és a megfelelő teljesítményminta kiválasztása.
  • A saját üzemeltetésű integrációs modult úgy skálázhatja fel, hogy a logikai példányt több helyszíni géphez társítja aktív-aktív módban.
  • Az Azure SQL Database lehetővé teszi az adatbázisok dinamikus méretezését. Kiszolgáló nélküli szinten automatikusan skálázhatja a számítási erőforrásokat. A rugalmas készlet, amely lehetővé teszi az adatbázisok számára, hogy erőforrásokat osszanak meg egy készletben, csak manuálisan skálázhatók.

Közreműködők

Ezt a cikket a Microsoft tartja karban. Eredetileg a következő közreműködők írták.

Fő szerző:

Egyéb közreműködők:

A nem nyilvános LinkedIn-profilok megtekintéséhez jelentkezzen be a LinkedInbe.

További lépések

Tekintse át az Azure Database migrálási útmutatóinak áttekintését. További információért lépjen kapcsolatba az Azure adatmérnök ing – Mainframe &Midrange Modernization szolgáltatással.

Lásd az alábbi cikkeket: