AWS和其他顶级云服务提供商都希望将大型机应用程序迁移到他们的公有云上,但许多这些极具粘性的应用往往倾向于保持原状。VirtualZ提供了一个中间解决方案,使大型机数据能够被公有云应用程序访问。
AWS Transform for Mainframe是一项服务,帮助组织将旧的大型机应用程序迁移到AWS,而无需从头重写所有内容。它扫描大型机COBOL、PL/I、JCL和数据库定义,以了解大型机应用程序的工作原理。然后,它自动将这些代码转换为Java、C#或兼容AWS原生格式的语言。它将大型机数据库和文件移动到AWS服务中,如RDS或S3。接着,它重构并帮助在AWS基础设施上设置和测试转换后的应用程序,最终运行和管理新应用程序。
这是理论上的过程,但实际过程可能无法实现从大型机的完全迁移,VirtualZ可以通过桥接软件提供帮助。我们与联合创始人兼首席执行官Jeanne Glass就此进行了讨论。
四大公有云与大型机数据访问和迁移
Jeanne Glass表示,所有四大主要公有云——AWS、Google Cloud、Microsoft Azure和Oracle Cloud Infrastructure——都有专注于大型机工作负载与云之间桥接的现代化战略。
虽然每个云服务商采取不同的方法,但最大的共同挑战仍然是数据访问:将高价值的大型机数据安全地连接到现代平台。AWS在大型机现代化和AWS Transform for Mainframe计划方面领先。
Azure通过Azure Logic Apps和大型机转换服务支持大型机和中端系统转换。
Google Cloud正在扩展其Dual Run和AI驱动的迁移服务,而OCI专注于企业重新托管和合作伙伴驱动的迁移框架。
VirtualZ跨所有四个平台工作——在IBM Z、分布式和云环境之间提供无代码、开箱即用的连接,使数据能够用于AI、分析和现代化。
AWS Transform for Mainframe详解
AWS Transform的起源可以追溯到AWS在2021年收购Blu Age,这是一家专门从事模型驱动代码转换的法国软件公司。Blu Age的现代化框架现在构成了AWS Transform基于AI的自动化的基础。
AWS Transform生成云原生的基于Java的代码。有一个可选的"Reforge"步骤,可以增强生成的Java代码,提高可读性、可维护性,并与云DevOps实践保持一致。AWS Transform还支持用于配置环境的基础设施即代码(IaC)模板。
总的来说,AWS Transform可以将大型机到AWS云的转换过程从数年缩短到数月。这仍然是一个很长的时间,并且不是所有大型机应用程序,特别是关键任务应用程序,都在被迁移,这意味着客户可能有一个混合的大型机-公有云环境——这就是我们可以发挥作用的地方。
VirtualZ与AWS Transform的协作
VirtualZ通过解决现代化的数据方面来补充AWS Transform。虽然Transform自动化代码分析和重构,VirtualZ的Lozen软件使数据访问操作化——允许在AWS上运行的现代化COBOL或Java应用程序实时安全地读写实时IBM Z数据集(如VSAM),无需复制或代码更改。
AWS和VirtualZ共同提供了一条现代化路径,从代码转换到实时混合数据操作,而无需完成从大型机的完全迁移。
AWS还表达了资助AWS Transform直接Lozen连接器的兴趣,类似于现有的Lozen与Rocket Enterprise Server的集成。该连接器将允许Transform现代化的工作负载实时访问大型机数据——完成从代码到数据再到云的现代化循环。
其他云服务商的对比
每个主要云服务商都有自己的现代化计划,但目前还没有一个能够匹配AWS Transform for Mainframe的AI驱动自动化。
Google Cloud提供Dual Run和利用其AI/ML堆栈的迁移框架。
Azure为主机转换提供现代化服务和合作伙伴主导的程序。
OCI通过其大型机现代化服务继续加强企业现代化。
VirtualZ是云无关的,积极支持与所有这些云服务商的集成。我们的平台在AWS、Azure、Google Cloud和OCI上一致工作,为这些云中的应用程序提供对大型机数据的治理化、无代码访问。
响应生成式AI需求
生成式AI和大语言模型的兴起使得对企业数据的安全、受治理访问成为首要任务。客户越来越希望利用运营和历史数据——特别是来自大型机的数据——来训练AI模型、生成洞察和自动化业务流程。挑战在于向AI系统提供这些数据,而不影响合规性或性能。
VirtualZ看到了两个明确的机会。
与生成式AI生态系统集成:使AI和智能体系统能够请求它们需要的精确大型机数据——实时、安全且采用原生格式——无需复制。
在我们的软件中嵌入AI:使用AI驱动的推理来自动解释复杂的大型机结构(如SMF、RACF或COBOL复制本),并生成现代平台使用该数据所需的元数据或解析器。
我们的长期愿景是从使数据可用发展到使其可理解——减少生成式AI、大语言模型和智能体在数据发现、准备和集成方面的人力工作。
补充说明
Blu Age软件将用COBOL、PL/I、NATURAL、RPG/400和COBOL/400等语言编写的应用程序转换为Java服务和Web框架。
Q&A
Q1:VirtualZ是什么?它能做什么?
A:VirtualZ是一家提供大型机数据访问解决方案的公司,其核心产品Lozen软件能够实现大型机与公有云之间的无代码、开箱即用连接,使公有云应用程序能够实时访问IBM Z大型机数据。
Q2:AWS Transform for Mainframe如何帮助企业迁移大型机应用?
A:AWS Transform for Mainframe可以扫描大型机的COBOL、PL/I、JCL代码,自动将其转换为Java、C#等现代语言,并将数据库迁移到AWS服务中,将传统的数年迁移过程缩短到数月。
Q3:VirtualZ如何应对生成式AI和大语言模型的需求?
A:VirtualZ计划从两个方面响应:一是与生成式AI生态系统集成,使AI系统能够实时访问大型机数据;二是在软件中嵌入AI功能,自动解释复杂的大型机数据结构,减少人工数据处理工作。
好文章,需要你的鼓励
瑞典央行与金融机构及国家安全部门深化合作,共同应对网络威胁。今年5月,瑞典遭遇大规模分布式拒绝服务攻击,政府和金融机构受到严重冲击。总理克里斯特松承诺增加资金支持,建立更强大的公私合作伙伴关系。央行将举办第二届在线网络安全挑战峰会,鼓励金融机构提升网络安全能力。瑞典金融协会敦促建立危机管理机制,与国家网络安全中心等机构协调配合。
圣母大学研究团队发布了迄今最全面的大语言模型跨学科应用调研报告,系统梳理了AI在人文、商业、科学工程等13个领域的应用现状。研究发现,大语言模型在文本处理和模式识别方面表现优异,但在创造性思维和价值判断上仍有局限。报告强调人机协作是未来发展方向,并为不同需求用户提供了具体的模型选择建议。
工作压力源于大脑储存混乱而非系统。本文介绍5个ChatGPT提示词,帮你将工作压力转化为结构化行动:优先级排序任务清单、快速撰写专业邮件回复、从冗长文档中提取关键信息、生成问题解决方案、高效准备会议内容。通过系统化处理工作事务,将分散的精力转为专注执行,让大脑专注于决策而非重复劳动。
复旦大学团队开发的SIM-CoT方法突破了AI推理效率瓶颈,让机器学会在"脑海"中思考而非必须表达每个推理步骤。该方法通过巧妙的监督机制解决了隐式推理训练不稳定问题,在保持高效率的同时显著提升准确性,在GPT-2和LLaMA系列模型上均表现出色,为AI推理技术开辟新路径。