AWS正致力于帮助企业组织将基于大型机的工作负载迁移到云端,并有可能将其转变为现代云原生服务。
AWS在去年年底举行的Re:Invent大会上公布了Mainframe Modernization大型机现代化项目,当时AWS首席执行官Adam Selipsky称“客户正在试图尽快摆脱大型机”。
无论这是否基于现实情况,AWS称,向云端迁移将不可避免地需要客户经历一个漫长而复杂的过程,需要多个步骤来发现、评估、测试和操作新的工作负载环境。
为此,大型机现代化服务将提供一个完整的开发和运行时环境,让客户更轻松地在AWS上实现大型机工作负载的现代化和运行,或者客户也可以按原样维护现有应用,并将应用重新构建到AWS平台,只需要修改非常少量的代码。
该服务中内嵌的托管运行时环境旨在提供必要的计算、内存和存储,来运行重构和平台化的应用,此外还可以自动执行容量配置、安全性、负载平衡、扩展和应用运行状况监控。
这项功能显然是由Micro Focus Enterprise Server提供支持的,这是一个现有的应用部署环境,可用于在Linux或者Windows上运行IBM大型机应用。
Gartner副总裁Phil Dawson提醒说,几乎可以肯定的是,那些把大型机工作负载迁移到云端的企业,未来某个时候需要对这些工作负载进行重构或重新编码。
他说:“将COBOL应用迁移到云端,这看起来可能是很有吸引力的,但是后续你要做很多技术性工作。”
客户肯定不希望由自己来承担所有这些工作,因此AWS表示,系统集成商借助AWS提供的大型机现代化工具,可以发现大型机工作负载、评估和分析迁移准备情况,然后规划迁移和现代化项目。
作为集成商之一,Infosys公司表示,这项新服务使其能够帮助客户获得云计算的好处,同时保留在大型机系统方面积累了多年的业务知识。
“AWS Mainframe Modernization服务使我们能够为客户提供这些好处,增强了我们已经很广泛的大型机现代化能力,使我们能够以更低的成本和更低的风险更快地构建现代化的、可扩展的数字原生应用,”Infosys公司总裁、首席执行官Eric Paternoster在一份声明中这样表示。
至于重构,AWS提供了一些自动化功能,这是去年通过收购迁移专业公司Blu Age获得的。据AWS称,这种自动化功能可以把COBOL、PL/1、NATURAL、RPG/400和COBOL/400等语言编写的应用转换为Java服务和Web框架。
但是,把应用从大型机系统迁移到AWS,客户真的有这方面的需求吗?很多企业购买大型机是为了运行组织所依赖的关键任务服务,例如用于管理事务的CICS,而这些不太可能转移到公有云平台上。
Omdia首席分析师Roy Illsley表示认同,他认为,AWS的大型机现代化服务可能主要吸引那些已经把AWS用于其他工作负载、并且可能拥有一些他们可能想要现代化的大型机应用的客户。
他说:“云并不适合大多数的大型机工作负载,我们的数据显示,并没有从传统环境大规模迁移到云端的明显趋势,我认为,他们提供这项服务是为了实现完整性。”
Gartner管理副总裁Mike Chuba表示,他所见过的很多大型机迁移项目最终从未真正完成过,而那些完成了的往往是一些规模较小的大型机环境,或者是很容易实现的成果——也就是说,那些并不重要的应用。
他解释说:“几乎所有大型机用户都面临一项挑战,那就是很多工作负载通常是不能出故障的关键业务应用,因为一旦出现故障,业务将面临严重的风险。因此,他们需要100%确保迁移是成功的,同时还要确保满足SLA的要求。”
AWS此次推出的大型机现代化服务现已在覆盖美国、亚太地区(悉尼)、加拿大、欧洲和南美的AWS区域全面上市,未来几个月还将新增其他的区域。
好文章,需要你的鼓励
Rescuezilla 2.6.1发布,基于最新的Ubuntu 25.04"Plucky Puffin"版本,同时更新了基于旧版本的现有构建。新版本提供基于六个不同Ubuntu版本的构建,包括所有仍在标准支持中的LTS版本。该工具用于紧急备份、数据恢复和文件系统管理,支持硬盘、SSD和虚拟驱动器。新版本重新支持Firefox,并能处理多种虚拟硬盘格式。
哈佛大学研究团队开发出LangSplatV2系统,实现了超高速3D语言查询功能。该系统通过创新的稀疏编码技术和高效渲染算法,将3D场景语言理解速度提升了47倍,达到每秒384帧的实时处理能力。系统采用全局语义字典和稀疏系数表示,彻底解决了传统方法中解码器速度瓶颈问题,为AR/VR、智能机器人等应用提供了强大的技术基础。
AI代码编辑器Cursor的开发商Anysphere收购了AI客户关系管理初创公司Koala,旨在加强与微软GitHub Copilot的竞争。此次收购主要为获得Koala的顶尖工程师人才,组建企业就绪团队,而非整合其CRM产品。Cursor正通过这种人才收购策略快速构建企业业务能力,该公司年收入已达5亿美元,服务超过半数财富500强企业。
马里兰大学研究团队提出了CoLa(Chain-of-Layers)方法,让AI模型能够根据任务难度动态调整内部层的使用策略,实现"快思考"和"慢思考"的灵活切换。通过蒙特卡洛树搜索算法,该方法在推理任务上显著提升了模型的准确性和效率,为75%的正确答案找到了更短的处理路径,并纠正了60%的错误答案,为AI模型的架构优化开辟了新方向。