Casos de uso para replicar dados de mainframe para o Nuvem AWS

Esta seção analisa vários casos de uso comuns que surgiram como principais candidatos à replicação de dados de mainframe para o. Nuvem AWS Esses casos de uso abrangem vários setores e requisitos operacionais, e cada um apresenta desafios e oportunidades exclusivos. Nesses cenários, a replicação de dados pode desempenhar um papel fundamental na promoção da inovação, agilidade e resiliência nos negócios.

Caso de uso 1: alterar a captura de dados

A captura de dados de alteração (CDC) é ideal para cenários em que a replicação de dados quase em tempo real é necessária. Ele captura e replica somente os dados alterados do mainframe para o. Nuvem AWS Isso minimiza a sobrecarga e a latência da replicação.

Critérios de seleção

• Requisitos de replicação de dados em tempo real ou quase em tempo real

• Atualizações de dados de alta frequência com baixa tolerância à latência

• Necessidade de utilização eficiente da largura de banda e dos recursos da rede

Vantagens

• Redução da sobrecarga de replicação e da utilização da largura de banda da rede

• A latência minimizada torna os dados atualizados disponíveis mais cedo

• Utilização eficiente dos recursos devido à replicação seletiva dos dados alterados

Desvantagens

• Complexidade na implementação e gerenciamento de mecanismos do CDC

• Potencial para maior utilização de recursos em sistemas de mainframe devido à captura de mudanças

• Dependência da confiabilidade e do desempenho das ferramentas e processos do CDC

Strategy

• Selecione uma ferramenta CDC que seja compatível com bancos de dados de mainframe e Serviços da AWS

• Configure a ferramenta CDC para capturar e replicar somente as alterações de dados relevantes

• Implemente mecanismos de monitoramento e validação para manter a consistência e a confiabilidade dos dados

• Considere a implementação de mecanismos de failover que promovam a disponibilidade contínua e a integridade dos dados

Caso de uso 2: relatórios e painéis em tempo real

Para visualização e análise imediatas, relatórios e painéis em tempo real exigem a replicação contínua de dados dos sistemas de mainframe para o. Nuvem AWS Esse caso de uso é comum em setores em que insights em tempo real são essenciais para a tomada de decisões, como bancos, seguros, varejo, saúde e manufatura.

Critérios de seleção

• Necessidade de acesso imediato a dados atualizados para análise e visualização

• Requisito de monitoramento em tempo real de métricas de negócios e indicadores-chave de desempenho (KPIs)

• Alta demanda por agilidade e capacidade de resposta nos processos de tomada de decisão

Vantagens

• Fornece acesso imediato a dados atualizados para análise e tomada de decisões em tempo real

• Permite o monitoramento proativo do desempenho dos negócios e intervenções oportunas

• Facilita a visualização dinâmica e interativa dos dados para as partes interessadas

Desvantagens

• Maior complexidade na replicação e processamento de dados para obter atualizações em tempo real

• Maior consumo de recursos e custos de infraestrutura devido à replicação contínua

• Dependência de mecanismos robustos de monitoramento e alerta para validar a atualização e a confiabilidade dos dados

Strategy

• Implemente protocolos CDC ou de mensagens para replicação de dados em tempo real

• Use Serviços da AWS, como o Amazon Kinesis Data Streams, para streaming e processamento de dados em tempo real

• Projete e implante soluções de relatórios e painéis em tempo real no Nuvem AWS para que você possa acessar imediatamente os dados atualizados

• Implemente mecanismos de monitoramento e alerta para detectar e resolver prontamente os problemas de replicação de dados

Caso de uso 3: protocolos de mensagens

Protocolos e sistemas de mensagens, como Apache Kafka or IBM MQ, facilitam a comunicação assíncrona e a transferência de dados entre o mainframe e o. Nuvem AWS Eles são adequados para cenários que exigem integração de dados desacoplada e escalável.

Critérios de seleção

• Requisitos de transferência assíncrona de dados

• Necessidade de uma arquitetura de integração de dados escalável e desacoplada

• Support para replicação de dados em tempo real ou quase em tempo real com baixa latência

Vantagens

• Arquitetura desacoplada e escalável que permite a integração flexível de dados

• Support para replicação de dados em tempo real ou quase em tempo real com baixa latência

• Recursos integrados para confiabilidade, enfileiramento de mensagens e tolerância a falhas

Desvantagens

• Complexidade na configuração e no gerenciamento da infraestrutura de mensagens

• Potencial para maior consumo de recursos e sobrecarga operacional

• Dependência da confiabilidade e do desempenho da plataforma de mensagens

Strategy

• Escolha um sistema de mensagens, como Apache Kafka or IBM MQ, que é compatível tanto com o mainframe quanto com o Nuvem AWS

• Crie tópicos de mensagens ou filas que facilitem a transferência e a replicação de dados

• Implemente produtores e consumidores de mensagens no mainframe e na nuvem para trocar dados

• Configure mecanismos de monitoramento e alerta para validar a confiabilidade do processamento e da replicação de mensagens

Caso de uso 4: novos canais e interfaces

Um canal de mainframe é uma conexão que move dados para dentro e para fora de um computador mainframe. Os canais fazem parte do subsistema de canais. Para exposição e consumo imediatos, novos canais e interfaces exigem a replicação contínua de dados dos sistemas de mainframe para a nuvem.

Critérios de seleção

• Necessidade de acesso imediato a dados atualizados para novos canais

• Acesso aos dados do mainframe com novas interfaces

• Alta demanda por novos canais

• Integração com diversos sistemas, plataformas ou ambientes de nuvem

Vantagens

• Desbloqueando o acesso aos dados do mainframe ao permitir que novos canais consumam dados do mainframe

• Facilitando a integração com diversos sistemas, plataformas ou ambientes de nuvem

• Permitindo uma movimentação de dados mais flexível e eficiente em diferentes infraestruturas

Desvantagens

• A introdução de novas interfaces ou canais para replicação de dados pode exigir medidas de segurança adicionais para ajudar a proteger os dados e cumprir as regulamentações

• Integrar novas interfaces com sistemas e fluxos de trabalho existentes pode ser um desafio, especialmente em ambientes complexos ou legados

Strategy

• Implemente protocolos CDC ou de mensagens para replicação de dados em tempo real

• Use Serviços da AWS, como o Kinesis Data Streams, para streaming e processamento de dados em tempo real

• Implemente mecanismos de monitoramento e alerta para detectar e resolver prontamente os problemas de replicação de dados

Caso de uso 5: Conformidade regulatória e arquivamento de dados

A conformidade regulatória e o arquivamento de dados envolvem a replicação dos dados do mainframe na nuvem para retenção a longo prazo. É fundamental estar em conformidade com as políticas e regulamentações de retenção de dados. Esse caso de uso é predominante em setores regulamentados, como bancos, saúde e produtos farmacêuticos.

Critérios de seleção

• Necessidade de retenção a longo prazo de dados históricos para fins de conformidade normativa ou requisitos legais

• Exigência de soluções de armazenamento seguras e escaláveis para dados arquivados

• Conformidade com normas de privacidade de dados e exigências específicas do setor para retenção e arquivamento de dados

Vantagens

• Conformidade com requisitos normativos e exigências específicas do setor para retenção de dados

• Soluções de armazenamento escaláveis e econômicas para arquivamento a longo prazo de dados históricos

• Recuperação e acesso eficientes aos dados arquivados para fins legais ou de auditoria

Desvantagens

• Complexidade no gerenciamento e organização de dados arquivados para recuperação e acesso eficientes

• Potencial de aumento dos custos de armazenamento associados à retenção de longo prazo de grandes volumes de dados

• Dependência de criptografia de dados e controles de acesso robustos para proteger os dados arquivados contra acesso não autorizado

Strategy

• Implemente políticas de ciclo de vida de dados para automatizar o arquivamento e a retenção de dados históricos

• Use ofertas AWS de armazenamento, como as classes de armazenamento Amazon S3 Glacier ou Amazon S3 Glacier, para um armazenamento econômico de longo prazo

• Criptografe dados arquivados em repouso e implemente controles de acesso que ajudem a impedir o acesso não autorizado

• Estabeleça trilhas de auditoria e mecanismos de registro que rastreiem o acesso aos dados arquivados e cumpram os requisitos normativos

Caso de uso 6: processamento de descarga e replicação em lote

O processamento de descarga e a replicação em lote envolvem o agendamento de trabalhos em lotes periódicos que extraem dados do mainframe e os carregam no. Nuvem AWSÉ adequado para cenários em que a replicação em tempo real não é necessária e o processamento em lote é aceitável.

Critérios de seleção

• A replicação de dados em tempo real não é necessária

• O processamento em lote é aceitável para atualizações de dados

• Menor frequência de atualizações de dados com tolerância moderada à latência

Vantagens

• A transferência de operações com uso intensivo de computação, como transformação, compactação ou criptografia de dados, do sistema principal de mainframe pode melhorar o desempenho geral do sistema e reduzir gargalos

• Utilização previsível de recursos e menor impacto nos sistemas de mainframe

• Flexibilidade no agendamento de trabalhos de replicação com base nas necessidades dos negócios

Desvantagens

• Maior latência na disponibilidade de dados em comparação com a replicação em tempo real ou quase em tempo real

• Potencial de inconsistência de dados entre o mainframe e a nuvem devido a atualizações periódicas

• Adequação limitada para cenários que exigem acesso oportuno a dados atualizados

Strategy

• Desenvolva trabalhos de replicação em lote que extraiam e carreguem dados do mainframe para o Nuvem AWS

• Agende trabalhos de replicação com base nas necessidades de seus negócios e nas frequências de atualização de dados

• Implemente verificações para validar a consistência e a integridade dos dados

• Considere a otimização dos processos de replicação em lote para reduzir a latência e o consumo de recursos