Compartilhar via

Modernizar cargas de trabalho de mainframe usando o BMC AMI Cloud

Armazenamento do Blobs do Azure
Azure ExpressRoute
Azure Monitor
Gateway de VPN do Azure

As organizações podem modernizar seus sistemas de mainframe para aproveitar os benefícios da computação em nuvem. A integração de dados de mainframe com plataformas de nuvem melhora a escalabilidade, o desempenho e a eficiência de custo.

O BMC Automated Mainframe Intelligence (AMI) Cloud fornece uma solução que transfere dados de mainframe diretamente para o Armazenamento de Blobs do Azure. Esse serviço automatiza as principais etapas no percurso de migração e modernização.

Apache®, Kafkae o logotipo da chama são marcas registradas ou marcas comerciais do Apache Software Foundation nos Estados Unidos e/ou em outros países. Nenhum endosso do Apache Software Foundation está implícito com o uso dessas marcas.

Principais benefícios

  • Backup econômico: Use o BMC AMI Cloud com o Blob Storage como uma alternativa eficiente às bibliotecas de fitas virtuais para ajudar a garantir backups de dados mais rápidos e econômicos. Essa mudança reduz os custos e melhora os tempos de backup e recuperação, que são essenciais para a continuidade dos negócios.

  • Transformação de dados: O BMC AMI Cloud Analytics converte dados de mainframe em formatos abertos compatíveis com vários serviços do Azure. Os formatos abertos aprimoram a usabilidade e a integração de dados. Esse processo é crucial para organizações que pretendem usar ferramentas avançadas de análise, IA e machine learning em seus dados herdados.

  • Proteção de dados: O BMC AMI Cloud Vault fornece cópias imutáveis e desconectadas de dados de mainframe no armazenamento do Azure. Ele protege os dados fornecendo controle de versão, bloqueio, imutabilidade e criptografia. Ele também fornece proteção contra ameaças e está em conformidade com os requisitos regulatórios de retenção de dados.

Arquitetura

Diagrama que mostra uma arquitetura para migrar dados de mainframe para a nuvem.

Baixe um arquivo do Visio dessa arquitetura.

Workflow

O fluxo de dados a seguir corresponde ao diagrama anterior:

  1. O agente de nuvem AMI do BMC inicia uma tarefa z/SO que envia dados de mainframe criptografados e compactados para o Armazenamento de Blobs por protocolo TCP/IP(Protocolo de Controle de Transmissão). Esse processo ajuda a garantir a transferência de dados segura e eficiente sem a necessidade de armazenamento intermediário, o que reduz a latência e possíveis pontos de falha.

  2. O BMC AMI Cloud Management Server, um aplicativo Web baseado no Docker, administra os agentes de nuvem. Ele gerencia políticas, atividades e armazenamento para ajudar a garantir o gerenciamento de dados coeso.

  3. O BMC AMI Cloud Analytics transforma dados de mainframe armazenados no Armazenamento de Blobs em formatos otimizados para IA, BI (business intelligence) e aplicativos de machine learning. Ele dá suporte à conversão em CSV e JSON e permite a integração direta com bancos de dados da Microsoft. Essa funcionalidade dá suporte a uma ampla gama de casos de uso analítico e operacional.

Componentes

Cada componente do BMC AMI Cloud Data foi projetado para otimizar vários aspectos do processo de migração e gerenciamento de dados:

  • O agente de nuvem AMI do BMC é um aplicativo baseado em Java que é executado como uma tarefa iniciada em LPARs (partições lógicas z/OS). Ele lê e grava dados diretamente no Armazenamento de Blobs por TCP/IP. O agente de nuvem AMI do BMC usa o mecanismo zIIP, o que reduz significativamente o consumo geral de CPU. Essa otimização melhora o desempenho do mainframe e reduz o custo. Você pode usar vários agentes para aumentar a escalabilidade e a resiliência. Nessa arquitetura, o agente de nuvem da AMI do BMC serve como o mecanismo de transferência de dados primário que move com segurança os dados do mainframe para o Armazenamento.

  • O BMC AMI Cloud Management Server é um aplicativo Web executado em um contêiner do Docker que gerencia a interface do usuário da Web (interface do usuário) e a comunicação com agentes z/OS. Ele fornece uma maneira de definir políticas de proteção de dados, migração de dados e arquivamento de dados. Essas políticas ajudam a garantir que o gerenciamento de dados se alinhe aos requisitos organizacionais e aos padrões de conformidade. Para alta disponibilidade, implante esse aplicativo em Máquinas Virtuais do Azure em sua rede virtual. Nessa arquitetura, o BMC AMI Cloud Management Server atua como o plano de controle central para gerenciar políticas de migração de dados e monitorar atividades do agente.

  • O mecanismo de gerenciamento do ciclo de vida é um aplicativo baseado em Java que é executado localmente em um LPAR z/OS. Ele remove dados expirados do armazenamento de objetos e z/OS. Esse processo automatiza o gerenciamento do ciclo de vida de dados e ajuda a garantir que os recursos de armazenamento sejam usados com eficiência. Nessa arquitetura, o mecanismo de gerenciamento do ciclo de vida automatiza as políticas de retenção de dados para otimizar os custos de armazenamento e a conformidade de suporte.

  • A CLI (interface de linha de comando) de gerenciamento de dados é uma CLI que é executada em LPARs z/OS. Os usuários podem executar ações de backup, restauração, arquivamento, recall e exclusão de e para o Armazenamento de Blobs usando a CLI. A CLI fornece flexibilidade e controle sobre tarefas de gerenciamento de dados e permite a integração com fluxos de trabalho e scripts existentes. Nessa arquitetura, a CLI de gerenciamento de dados fornece aos administradores controle direto de linha de comando sobre operações de dados entre mainframe e Armazenamento.

  • O BMC AMI Cloud Analytics é um aplicativo baseado no Docker que transforma objetos gerenciados por nuvem da AMI do BMC em formatos abertos que aplicativos de IA, BI e machine learning podem processar. Ele permite que as organizações extraam valor de seus dados de mainframe disponibilizando-os para ferramentas analíticas modernas. Nessa arquitetura, o BMC AMI Cloud Analytics integra dados de mainframe aos serviços de análise do Azure convertendo-os em formatos compatíveis com plataformas de dados modernas.

Rede e identidade

A conectividade segura e confiável entre sistemas de mainframe locais e serviços de nuvem do Azure é crucial para o sucesso de qualquer esforço de modernização.

  • O Azure ExpressRoute é um serviço de conectividade que fornece uma conexão privada e confiável com os serviços do Azure. Essa conexão oferece desempenho superior e segurança aprimorada em comparação com conexões de Internet pública. Nessa arquitetura, o ExpressRoute ajuda você a transferir dados de mainframe de ambientes locais para o Azure por meio de uma conexão privada. Essa abordagem é ideal para organizações que têm requisitos rigorosos de soberania de dados.

  • O Gateway de VPN do Azure é um gateway de rede virtual que envia tráfego criptografado entre a Rede Virtual do Azure e locais pela Internet pública. Nessa arquitetura, você pode implantar o Gateway de VPN para cenários em que não é possível usar uma conexão privada dedicada para transferir os dados do mainframe para o Azure.

  • O Microsoft Entra ID é um serviço de gerenciamento de identidade e acesso que sincroniza com diretórios locais. Ele dá suporte ao SSO (logon único) e à autenticação multifator para aprimorar a segurança e a experiência do usuário. Nessa arquitetura, a ID do Microsoft Entra ajuda a garantir a autenticação segura e o controle de acesso para componentes de nuvem da AMI do BMC. Você pode gerenciar e administrar as permissões usando o controle de acesso baseado em função (RBAC) do Azure.

Bancos de dados e armazenamento

Os dados do mainframe são migrados para o Armazenamento por meio do agente de nuvem da AMI do BMC. Você pode integrar os dados no Armazenamento a qualquer um dos seguintes serviços de banco de dados da Microsoft usando o BMC AMI Cloud Analytics.

  • O Banco de Dados do Azure para PostgreSQL é um serviço de banco de dados relacional gerenciado baseado na edição da comunidade do mecanismo de banco de dados PostgreSQL de software livre. Você pode usar o Banco de Dados do Azure para PostgreSQL para se concentrar na inovação de aplicativos em vez do gerenciamento de banco de dados. Você também pode dimensionar sua carga de trabalho com eficiência e com sobrecarga operacional mínima. Nessa arquitetura, você pode integrar dados de mainframe ao Banco de Dados do Azure para PostgreSQL por meio do BMC AMI Cloud Analytics.

  • O Banco de Dados do Azure para MySQL é um serviço de banco de dados relacional gerenciado baseado na edição da comunidade do mecanismo de banco de dados MySQL de software livre. Nessa arquitetura, você pode integrar dados de mainframe ao Banco de Dados do Azure para MySQL por meio do BMC AMI Cloud Analytics.

  • O Banco de Dados SQL do Azure é um serviço de banco de dados gerenciado e escalonável que tem recursos habilitados para IA para otimização de desempenho e durabilidade. Ele dá suporte a opções de computação sem servidor e armazenamento de Hiperescala e dimensiona automaticamente os recursos sob demanda. Nessa arquitetura, você pode integrar dados de mainframe no Armazenamento ao Banco de Dados SQL usando o BMC AMI Cloud Analytics.

  • Azure SQL Managed Instance é um serviço inteligente e escalonável de banco de dados na nuvem que fornece todos os benefícios de uma plataforma como serviço (PaaS) sempre atualizada. A Instância Gerenciada de SQL fornece compatibilidade quase completa com o mecanismo de banco de dados mais recente do SQL Server (Enterprise Edition). Esse serviço também fornece uma implementação de rede virtual nativa que aborda preocupações comuns de segurança. Nessa arquitetura, você pode integrar dados de mainframe à Instância Gerenciada de SQL por meio do BMC AMI Cloud Analytics.

  • O Microsoft Fabric é uma plataforma de análise de dados de ponta a ponta que unifica a movimentação de dados, a ciência de dados, a análise em tempo real e o BI em uma única experiência de SaaS (software como serviço). Nessa arquitetura, o Fabric permite análise avançada e BI integrando dados de mainframe transformados no Azure em uma plataforma de dados unificada.

    Cada locatário do Fabric é provisionado automaticamente com um único data lake lógico, conhecido como OneLake. O OneLake é um data lake unificado criado no Azure Data Lake Storage que dá suporte a dados estruturados e não estruturados.

    Você pode usar atalhos para integrar dados de mainframe a um lago de dados ou armazém de dados do Fabric para análises avançadas e armazenamento de dados com o BMC AMI Cloud Analytics.

  • O Armazenamento do Microsoft Azure é uma solução de armazenamento em nuvem que inclui armazenamento de tabela, arquivo, disco, fila e objeto. O Armazenamento do Azure dá suporte a soluções de armazenamento híbrido e fornece ferramentas para transferência, compartilhamento e backup de dados. Ele também fornece soluções de backup e arquivamento escalonáveis para os dados de mainframe migrados. Nessa arquitetura, o Armazenamento serve como o destino principal para dados de mainframe transferidos por agentes de nuvem da AMI do BMC.

Análise e monitoramento

O monitoramento e a análise eficazes são essenciais para manter a integridade e o desempenho de sistemas baseados em nuvem:

  • O Azure Monitor é um serviço de monitoramento que fornece uma solução para coletar, analisar e agir sobre telemetria de ambientes locais e de nuvem. Ele inclui recursos como Application Insights, Logs do Azure Monitor e Log Analytics. Esses recursos permitem o monitoramento proativo e a resolução de problemas. Nessa arquitetura, você pode monitorar e analisar as métricas durante a migração de dados do mainframe para o Armazenamento usando o Azure Monitor.

  • O Power BI é um grupo de ferramentas de análise de negócios que se conectam a centenas de fontes de dados, o que simplifica a preparação de dados e impulsiona a análise não planejada.

    Nessa arquitetura, o Power BI serve como a camada analítica. Ele se conecta aos dados migrados de mainframe distribuídos entre sistemas de armazenamento e banco de dados. Por meio de atalhos do Data Lake Storage ou do Armazenamento de Blobs, o Power BI usa o modo Direct Lake para criar modelos semânticos de alto desempenho, fornecendo insights quase em tempo real diretamente do lago de dados. Em paralelo, os dados migrados para bancos de dados do Azure podem ser consumidos usando os modos DirectQuery ou Import. Essa abordagem de dupla consulta oferece flexibilidade para equilibrar o desempenho, a escalabilidade e a atualidade. Depois que esses modelos semânticos são estabelecidos, relatórios interativos e dashboards podem ser desenvolvidos usando conexões dinâmicas, o que permite acesso consistente e controlado aos dados em toda a organização.

Alternativas de implementação

Você pode escolher entre as opções de implantação local e de nuvem com base em suas necessidades e restrições específicas:

  • Implantação local: Você pode instalar o Servidor de Gerenciamento de Nuvem do BMC AMI localmente em zCX (extensões de contêiner z/OS) ou em uma instância virtual do Linux. Essa instalação fornece flexibilidade para organizações que têm requisitos regulatórios ou de latência.

  • Serviço de transformação de dados: O BMC AMI Cloud Analytics pode operar externamente para o mainframe em um ambiente local. Ele também pode ser implantado na nuvem usando instâncias de servidor ou serviços de contêiner, o que aprimora o uso e o desempenho dos recursos.

Casos de uso

Essa arquitetura é adequada para vários casos de uso:

  • Disponibilidade de dados de mainframe: Disponibilize dados de mainframe para serviços de dados do Azure, IA, machine learning, análise e ferramentas de BI.

  • Proteção de dados: fazer backup e arquivar dados de mainframe no Armazenamento de Blobs para ajudar a garantir a disponibilidade e a durabilidade dos dados.

  • Integração direta de dados: Habilite aplicativos mainframe para gravar e ler dados diretamente de e para o Armazenamento de Blobs para otimizar fluxos de trabalho e reduzir a latência.

  • Segurança cibernética: proteger dados de mainframe contra ataques cibernéticos criando uma terceira cópia imutável no Azure para aprimorar a segurança e a conformidade dos dados.

Contribuintes

A Microsoft mantém este artigo. Os colaboradores a seguir escreveram este artigo.

Autor principal:

  • Seetharaman Sankaran | Arquiteto sênior de engenharia

Outros colaboradores:

  • Pratim Dasgupta | Arquiteto sênior de engenharia
  • Ashish Khandelwal | Gerente do Arquiteto de Engenharia Principal
  • Raphael Sayegh | Arquiteto de Soluções na Nuvem

Para ver perfis não públicos no LinkedIn, entre no LinkedIn.

Próximas etapas