亚马逊AWS官方博客
在 AWS 上实现大型机现代化的增强模式
模式 1：通过在 AWS 上进行备份和存档来增加大型机数据留存期
大型机处理并生成最关键的业务数据。因此务必要通过数据备份、存档和灾难恢复等解决方案提供数据保护。大型机通常使用自动磁带库，也就是虚拟磁带库进行备份和存档。这些磁带需要储存、整理并运送到保管库和灾难恢复站点。所有这些操作可能非常昂贵且死板。
而现在有一种更具成本效益的方法可以帮助简化磁带库的运维：利用 AWS 合作伙伴工具（例如 Model9）将磁带存储中的数据以透明的方式迁移到 AWS。
如图 1 所示，大型机数据可以通过安全的网络连接，使用 AWS Transfer Family 服务或 AWS DataSync 传输到 AWS Cloud 存储服务，例如 Amazon Elastic File System、Amazon Elastic Block Store 和 Amazon Simple Storage Service（S3）。将数据存储在 AWS Cloud 中后，您可以在这些服务之间配置和移动数据，以满足业务数据处理需求。根据数据存储要求，通过配置 S3 生命周期策略在 Amazon S3 存储类之间移动数据，可以进一步优化数据存储成本。如果要长期存档数据，您可以选择 S3 Glacier 存储类来实现持久性、弹性和最佳成本效益。
图 1.大型机数据备份和存档增强
模式 2：通过敏捷开发和测试环境（包括 AWS 上的 CI/CD 管道）增强大型机
对于任何业务关键型业务应用程序，典型的大型机工作负载均需要开发和测试环境来支持生产工作负载。而经常遇到的情况是应用程序开发生命周期很长，缺少自动化的测试，大多数大型机都缺乏 CI/CD 管道。此外，现有的大型机开发流程和工具已经过时，无法跟上业务步伐，导致积压越来越多。拥有大型机的企业在寻找应用程序开发解决方案来应对这些挑战。
如图 2 所示，AWS 开发人员工具可在大型机测试环境中编排代码的编译、测试和部署。大型机测试环境可以由大型机供应商以仿真器的形式提供，也可以由 AWS 合作伙伴（例如 Micro Focus）提供。您可以加载首选的开发人员工具，并从 Amazon WorkSpaces 或 Amazon AppStream 2.0 运行集成开发环境（IDE，Integrated Development Environment）。开发人员在 IDE 中创建或修改代码，然后提交代码，并将其推送到 AWS CodeCommit。推送代码后，系统就会生成一个事件，并触发 AWS CodePipeline 中的管道，以便通过 AWS CodeBuild 在编译环境中创建新代码。该管道会将新代码推送到测试环境。
为了优化成本，您可以根据需求扩展测试环境容量。执行测试后，测试环境在不使用时可以关闭。测试成功后，管道会通过 AWS CodeDeploy 和中间服务器将代码推送回大型机。在大型机一端，代码可以先经过重新编译和最终测试，然后再推送到生产环境。
您可以利用 AWS Mainframe Modernization 服务提供的托管式集成开发和测试环境，进一步优化大型机仿真器的操作和许可成本。
图 2.大型机 CI/CD 增强
模式 3：通过 AWS 上的敏捷数据分析增强大型机
多年来，在大型机上运行的核心业务应用程序会生成大量数据。数十年的业务交易历史记录和大量用户数据为深入发掘业务洞察提供了机会。通过使用 AWS 大数据服务创建数据湖，您可以获得更快的分析功能，并能更好地洞察源自大型机应用程序的核心业务数据。
图 3 描绘了从大型机上基于关系、分层或大型机文件的数据存储中提取的数据。这些数据以各种格式存在，并存储为 DB2 for z/OS、VSAM、IMS DB、IDMS、DMS 或其他格式。您可以使用 AWS 合作伙伴的数据复制功能以及 AWS Marketplace 或 AWS Cloud 服务中的更改数据捕获工具（例如 Amazon Managed Streaming for Apache Kafka）进行近乎实时的数据流传输，使用 Transfer Family 服务和 DataSync 将数据从大型机批量移动到 AWS。
将数据复制到 AWS 后，您可以使用 AWS Lambda 或 Amazon Elastic Container Service 等服务进一步处理数据，并将处理后的数据存储在各种 AWS 存储服务上，例如 Amazon DynamoDB、Amazon Relational Database Service 和 Amazon S3。
通过使用 Amazon EMR、Amazon Redshift、Amazon Athena、AWS Glue 和 Amazon QuickSight 等 AWS 大数据和数据分析服务，您可以获得深刻的业务洞察力，并向您的客户展示灵活的可视化内容。阅读有关大型机数据集成的更多信息。
图 3.大型机数据分析增强
模式 4：在 AWS 上使用新功能和渠道增强大型机
拥有大型机的企业通常缺乏敏捷性，因而可以使用 AWS 进行快速创新和迭代。例如，银行的一个常见情景可能是提供移动应用程序以促进客户互动，例如支持针对新信用卡的营销活动。
如图 4 所示，随着数据从大型机复制到 AWS Cloud 并由 AWS 大数据和分析服务进行分析，您可以使用 Amazon API Gateway、AWS Lambda 和 AWS Fargate 在云原生应用程序上开发新的业务功能。这些新的业务应用程序可以与大型机数据交互，这种组合可以提供深入的业务洞察力。
要增加新的创新能力，通过由新业务功能应用程序生成的时间序列数据，使用 Amazon Forecast 可以预测特定于领域的指标，例如库存、劳动力、网络流量和财务。Amazon Lex 可以构建虚拟代理，自动对客户查询提供信息响应，并提高企业生产力。添加 Amazon SageMaker 后，您可以大规模准备从大型机和新业务应用程序收集的数据，为任何业务案例构建、训练和部署机器学习模型。
通过整合 Amazon Connect 和 Amazon Pinpoint 来建立多渠道沟通，您可以进一步提高客户参与度。
图 4.大型机新功能和渠道增强
小结
为了提高敏捷性、尽可能发掘投资价值以及加快创新速度，企业可以采用本文中讨论的各种模式来增强大型机，使用 AWS 服务构建弹性数据保护解决方案，预置敏捷的 CI/CD 集成开发和测试环境，解放大型机数据和开发创新解决方案，以实现新型数字化客户体验。借助 AWS Mainframe Modernization 服务，您可以加快这一旅程并加快创新速度。