Auf dieser Seite erhalten Sie einen Überblick darüber, wie Mainframe Connector Ihre Datenmigration unterstützt, und welche Vorteile die einzelnen Ansätze bieten.
Je nach Ihren Anforderungen können Sie Mainframe Connector in den folgenden Konfigurationen ausführen:
- Mainframe-Daten lokal auf dem Mainframe transcodieren und dann zu Google Cloud migrieren
- Mainframe-Daten mit Cloud Run in Google Cloud transcodieren
- Mit Cloud Run Mainframe-Daten in Google Cloud im eigenständigen Modus transcodieren
- Mainframe-Daten mithilfe einer Virtual Tape Library (VTL) in Cloud Storage übertragen und die Daten dann in Google Cloud transcodieren
In den folgenden Abschnitten werden diese Konfigurationen ausführlich erläutert.
Lokal transcodierte Mainframe-Daten zu Google Cloud verschieben
Sie können Mainframe-Daten lokal im Mainframe in den Optimiertes ORC-Format (Row Columnar), das die von BigQuery unterstützt werden. In dieser Konfiguration ist der Mainframe-Connector hilft Ihnen, eine vollständige ETL-Pipeline (Extrahieren, Transformieren und Laden) zu verwalten, die vollständig aus IBM z/OS stammt. wie in der folgenden Abbildung dargestellt.
Weitere Informationen finden Sie unter Lokal auf dem Mainframe transkodierte Daten zu Google Cloud verschieben.
Mainframe-Daten mit Cloud Run aus der Ferne in Google Cloud transkodieren
Das lokale Transcodieren von Daten auf einem Mainframe ist ein CPU-intensiver Prozess, bei dem mit einem hohen Verbrauch von Millionen Anweisungen pro Sekunde (MIPS). Um dies zu vermeiden, kann die Transcodierung von Mainframe-Daten an einen Cloud Run-Dienst delegieren. in Google Cloud, wie in der folgenden Abbildung dargestellt. So wird Ihr Mainframe für geschäftskritische Aufgaben freigegeben und der MIPS-Verbrauch wird reduziert.
Weitere Informationen finden Sie unter Mainframe-Daten remote in Google Cloud transcodieren.
Mainframe Connector im Standalone-Modus ausführen
Mainframe Connector Version 5.13.0 und höher unterstützt die Ausführung von Mainframe Connector als eigenständigen Job in Google Cloud. Mit dieser Funktion können Sie Mainframe Connector als containerisierten Batchjob ausführen, z. B. als Cloud Run-Job, Google Kubernetes Engine-Job oder in einem Docker-Container. So vermeiden Sie die Installation Mainframe-Connector lokal im Mainframe. Sie integrieren Ihre QSAM-Datei (Mainframe-Warteschlange mit sequenzieller Zugriffsmethode) Parsen von vorhandenen ETL-Workflows (Extrahieren, Transformieren und Laden)
Wenn Sie die eigenständige Version des Mainframe-Connectors verwenden, müssen Sie den ETL-Workflow, mit dem die QSAM-Datei in Google Cloud geladen wird, selbst einrichten. Weitere Informationen finden Sie unter Mainframe Connector im Standalone-Modus ausführen.
Mainframe-Daten, die mit einer virtuellen Bandbibliothek zu Google Cloud verschoben wurden, transkodieren
Wenn Sie sehr große Datenmengen (mehr als 500 GB täglich) auf Google Cloud arbeiten und dabei nicht Ihren Mainframe verwenden möchten, können Sie Hardwaregerät in Ihrem Rechenzentrum bereitstellen, um Daten direkt vom Mainframe-Speichersystem über VTL und 10G-Ethernet zu Cloud Storage. Als Das Hardwaregerät empfängt die Daten direkt aus dem Mainframe-Speichersystem mit einer VTL, dem Datenübertragungsprozess zwischen Mainframe und Cloud Storage verwendet den Mainframe überhaupt nicht, wodurch er für geschäftskritische Aufgaben. Die Datentranscodierung erfolgt in Google Cloud, wie in der folgenden Abbildung dargestellt.
Weitere Informationen finden Sie unter Mainframe-Daten, die zu Google Cloud mit der virtuellen Bandbibliothek verschoben wurden, transcodieren.