Newshot

使用 Amazon Bedrock 和 AWS Transform 将大型机 Assembler 现代化迁移至 Java

AI summary

许多银行、保险和航空客户的关键业务仍由 Assembler 程序支撑,但能读懂这些代码的人逐年减少,手工重写耗时数年且风险高。本文介绍一套基于 Amazon Bedrock、Kiro IDE 和 AWS Transform 的多阶段转换方法,可系统性地从 Assembler 代码中提取业务规则,经中间 COBOL 阶段完成转换,并通过验证检查点保持业务逻辑完整性。

Translation(model translation, not the source's own text)

使用 Amazon Bedrock 和 AWS Transform 将大型机 Assembler 现代化为 Java

想象一个批处理作业已经连续运行了几十年、从未失败,而唯一能看懂它代码的人即将退休。在与银行、保险和航空公司客户合作时,我们一次又一次地看到这种情况。他们的 Assembler 程序仍在运行关键业务操作,但每年能读懂它们的人越来越少。手工重写这些程序需要数年时间,存在破坏无人记得曾编写过的业务规则的风险,而且仍然依赖于那些正在离开的同一批专家。Amazon Bedrock 和 AWS Transform 改变了这一局面。

本文介绍一套使用 Amazon Bedrock、Kiro IDE(一款 AI 驱动的集成开发环境)和 AWS Transform 的多阶段转换方法论,与手动方法相比,它可以帮助缩短现代化时间,同时通过验证检查点保持业务逻辑的完整性。你将学习如何系统地从 Assembler 代码中提取业务规则,通过中间 COBOL 阶段进行转换,并将现代化后的应用程序作为 Java Spring Boot 服务部署到 AWS 上。

先决条件

在开始现代化流程之前,请确保你具备:

  • 有效的 AWS 账户,并拥有针对 Amazon Bedrock、AWS Transform 和 Amazon Simple Storage Service(Amazon S3)的最小权限 AWS Identity and Access Management(IAM)权限。
  • 对 Amazon Q Developer 或 Kiro 的访问权限,用于 AI 辅助代码分析。
  • 对 AWS Transform for COBOL to Java 转换的访问权限。
  • 对 Amazon Bedrock 及相应基础模型(FM)的访问权限。
  • 一个配置用于源代码和构件存储的 Amazon S3 存储桶,并启用加密和阻止公共访问。
  • 目标业务领域和应用程序功能方面的知识。
  • 可参加验证会议的业务和技术主题专家(SME)。
  • 包含可用文档的源 Assembler 代码清单。
  • 具有预期输出的测试数据集,用于功能等价性测试。

解决方案概述

你可以通过系统化的五阶段方法,将与 COBOL 紧密绑定的传统大型机 Assembler 应用程序转换为为 AWS 云构建的 Java Spring Boot 应用程序。这种多阶段方法论先将 Assembler 转换为 COBOL 作为中间步骤,然后再进行 Java 转换,相比直接从 Assembler 到 Java 的转换,它能降低风险并更可靠地保留业务逻辑。中间 COBOL 阶段提供了一种结构化、人类可读的格式,主题专家(SME)可以在最终转换之前对其进行验证。这确保了业务规则在整个现代化过程中保持完整。以下各节将分别描述当前的大型机架构和以云为目标的目标状态。

当前状态

你当前的架构代表一个传统大型机环境,其中 Assembler 程序执行批处理过程,与 COBOL 相连,与数据库交互并处理文件。其核心是,JCL(Job Control Language)作业按计划间隔触发 Assembler 程序执行。这些程序从 VSAM(Virtual Storage Access Method)和顺序文件中读取输入,并针对 IBM Db2 for z/OS 执行操作。你的业务逻辑使用低级寄存器操作(直接 CPU 寄存器操作)和内存管理来执行。输出被写回文件或数据库表,作业完成状态通过 JCL 返回码报告。所有这些都运行在 IBM z/OS 大型机基础设施上。

由 JCL 触发、访问 VSAM 文件和 IBM Db2 for z/OS 的大型机 Assembler 批处理程序架构
由 JCL 触发、访问 VSAM 文件和 IBM Db2 for z/OS 的大型机 Assembler 批处理程序架构

图 1:大型机 Assembler 架构

目标状态

文章标题:使用 Amazon Bedrock 和 AWS Transform 将大型机 Assembler 现代化为 Java

正文: 该现代化解决方案通过多阶段、AI 驱动的工作流,帮助你将以大型机 Assembler 编写的遗留应用转换为面向 AWS 云构建的 Java 应用。架构使用 Amazon Bedrock 和 Kiro IDE 进行 AI 辅助的代码分析与业务规则提取,并使用 AWS Transform 实现自动化的 COBOL 到 Java 转换。

如果 COBOL 源代码已可用,你可以采用常规方法,直接将其提供给 AWS Transform 转换为 Java Spring Boot 应用。

借助该解决方案,你可以实现:

  • 与手动方式相比缩短转换时间。
  • 通过验证检查点系统性地保留业务逻辑。
  • 在关键阶段进行人工介入验证。
  • 通过功能等价性测试实现自动化代码转换。
通过五个阶段将 Assembler 转换为 Java 的端到端 AWS 工作流,从业务规则提取到 COBOL 到 Java
通过五个阶段将 Assembler 转换为 Java 的端到端 AWS 工作流,从业务规则提取到 COBOL 到 Java

图 2:AWS 上的端到端 Assembler 到 Java 转换架构,展示五个主要阶段:业务规则提取、规格驱动的数据流、Assembler 到 COBOL 转换、验证,以及 COBOL 到 Java 转换

你从分析 Assembler 代码以生成业务规则提取(BRE)文档开始转换工作流。随后你创建详细的功能规格说明,并进行人工介入的完善。经过验证的规格说明将指导 Assembler 到 COBOL 的转换,生成中间 COBOL 代码,从而在底层硬件指令与面向业务的构造之间架起桥梁。此 COBOL 代码在由 AWS Transform 转换为 Java 之前会先经过功能等价性测试,每个阶段都设有验证检查点,以降低风险并验证业务连续性。

使用 AI 提取业务规则

业务规则提取(BRE)的质量直接影响转换准确性,因此请仔细关注这一阶段。使用 Amazon Bedrock(通过 Kiro IDE 或 Amazon Bedrock 控制台)以及面向大型机的 AWS Transform,从你的 Assembler 源代码中提取并记录业务规则。

你可以在 Amazon Bedrock 中通过 Chat Playground 直接使用本文中的提示词,也可以在 Kiro IDE 中通过其内置的 AI 聊天和 Spec 面板使用。在运行之前,请将占位符值替换为实际的 Assembler 代码和上下文。

Amazon Bedrock 是前四个阶段背后的推理平台:业务规则提取、规格说明创建、Assembler 到 COBOL 转换以及验证。请选择具备强代码推理能力和大上下文窗口的基础模型,因为 Assembler 程序冗长且密集。将 temperature 设置为 0,以便在多次运行中获得一致的输出。要处理大量程序,请通过 Amazon Bedrock Converse API 调用相同的提示词,并将每次输出存储到你的 Amazon S3 存储桶中,以便为下一阶段提供输入。Amazon Bedrock 不会使用你的提示词或模型输出训练 AWS 模型,也不会与第三方共享。详情请参阅 Amazon Bedrock 中的数据保护。请使用脱敏的测试数据,而不是生产数据或个人可识别信息(PII)。

你向 AI 提供的上下文越多,它就越能理解代码背后的业务意图。在提示时,请将相关文档、数据字典和可用的业务上下文与 Assembler 代码一并提供。

注意:请随时保存每个提示词的输出。你将在下一阶段将它们用作输入。

上下文感知分析的示例提示词:


        从此汇编代码中提取业务规则和数据映射。
[在此粘贴你的汇编代码]

## 提取

1.业务规则:识别每一条规则,包括条件逻辑、计算、验证、转换、错误处理和循环。

文章标题:使用 Amazon Bedrock 和 AWS Transform 将大型机 Assembler 现代化为 Java

正文:
对每条规则提供:
- 唯一 ID(BR001、BR002 等)
- 名称和描述
- 业务目的
- 输入字段/寄存器
- 输出字段/寄存器
- 用通俗英语表述的逻辑
- 触发该规则的条件

2.数据映射:识别数据转换,包含:
- 源字段(寄存器或内存位置)
- 目标字段(COBOL 变量名)
- 转换逻辑
- 校验规则

## 返回 JSON
{
"program_name": "string",
  "business_rules": [
    {
      "id": "BR001",
      "name": "string",
      "description": "string",
      "purpose": "string",
      "inputs": ["array"],
      "outputs": ["array"],
      "logic": "string",
      "conditions": ["array"]
    }
  ],
  "data_mappings": [
    {
      "source_field": "string",
      "target_field": "string",
      "transformation": "string",
      "validation_rules": ["array"]
    }
  ],
  "summary": "string"
}
      

你可以通过添加来自业务上下文的领域特定术语来自定义此提示词。运行此提示词时,你将看到结构化的 JSON 输出,可用于自动化校验以及与下游转换工具直接集成。数据映射的准确性直接影响转换质量。不完整的映射可能导致业务逻辑丢失或损坏。

与 SME 一起验证

将 AI 生成的 BRE 文档视为草稿,而非最终输出。在继续推进之前,让主题专家审查并验证提取出的规则。在验证日志中记录差异,并根据 SME 反馈更新 BRE,然后再进入规格创建阶段。

为帮助 SME 验证规则,可用流程图和数据流图等可视化辅助材料补充文本形式的 BRE 文档。维护一份验证清单,涵盖业务规则准确性、数据映射正确性、边界情况处理和错误条件完整性。

提取规格驱动的数据流

在与 SME 一起验证业务规则后,将其转化为详细的功能规格,用以指导代码转换。这种规格驱动的方法确认业务需求在代码转换开始前已被清晰记录并达成一致,从而减少后期代价高昂的返工。

使用提取出的 BRE 文档创建完整的功能规格,以指导 COBOL 代码生成。这些规格应包含程序概述、COBOL 数据结构、流程设计和业务规则覆盖映射。

用于生成功能规格的示例提示词:


        Generate a complete functional specification for COBOL code generation based on the following Business Rules Extraction (BRE).

[PASTE THE BRE JSON HERE]

Create a comprehensive specification including:

## 1. PROGRAM OVERVIEW
- Program purpose and key functionality
- Business rules coverage summary

## 2. COBOL DATA STRUCTURES
Design data structures with:
- COBOL naming: UPPERCASE-WITH-HYPHENS
- Appropriate PIC clauses:
  * PIC 9(n) / S9(n) for integers (S for signed)
  * PIC 9(n)V9(m) / S9(n)V9(m) for decimals
  * PIC X(n) for alphanumeric, PIC A(n) for alphabetic
  * COMP-3 for packed decimal (efficient storage)
- Hierarchical levels (01, 05, 10, 15)
- 88-level condition names for flags

Include:
- The fields from business rules (inputs/outputs)
- The fields from data mappings (source/target)
- Additional fields for calculations, flags, error handling

## 3. PROCESS FLOW DESIGN
Create step-by-step process flow with:
- Sequential procedure steps (initialization → processing → output)
- Decision points and validation steps
- Calculation sequences and error handling

For each step specify:
- Step number and name
- Description
- Business rules implemented (BR IDs)
- Input/output data

## 4. BUSINESS RULES COVERAGE MAP
Map each business rule to:
- Implementation location (procedure/paragraph name)
- Data structures used
- Dependencies on other rules

文章标题:使用 Amazon Bedrock 和 AWS Transform 将大型机 Assembler 现代化为 Java

正文:
以 JSON 返回:
{
  "program_name": "string",
  "overview": "string",
  "data_structures": [
    {
      "name": "WORKING-STORAGE-SECTION",
      "fields": [
        {
          "level": "01",
          "name": "FIELD-NAME",
          "type": "PIC X(10)",
          "description": "string"
        }
      ]
    }
  ],
  "process_flows": [
    {
      "step": 1,
      "name": "PROCEDURE-NAME",
      "description": "string",
      "business_rules": ["BR001"],
      "inputs": ["array"],
      "outputs": ["array"]
    }
  ],
  "business_rules_coverage": {
    "BR001": "Implementation details"
  }
}
      

你可以根据你的 COBOL 标准调整数据结构规范。运行此提示词后,你将获得一份完整的功能规格说明,其中包含从业务规则到 COBOL 结构的完整可追溯性,可直接供 SME 审核,并可直接与 Kiro 集成以生成代码。

将遗留 Assembler 转换为 COBOL

在获得经过验证的功能规格说明后,下一阶段将使用这些结构化输出指导 Assembler 到 COBOL 的转换。中间的 COBOL 步骤有助于弥合底层硬件指令与面向业务的构造之间的差距,从而帮助你在最终的 Java 转换之前验证业务逻辑是否得到保留。

用于指导转换的示例提示词:


        Generate production-ready COBOL code from these specifications.

Program Name: [PROGRAM_NAME]
Assembly Code: [PASTE HERE]
Business Rules (BRE): [PASTE HERE]
Functional Specification: [PASTE HERE]

## REQUIREMENTS
- Implement the business rules from BRE with traceability comments (BR IDs)
- Use exact data structures from specification
- Follow process flow sequence with error handling

## COBOL STRUCTURE
Include: IDENTIFICATION DIVISION (PROGRAM-ID, AUTHOR, DATE-WRITTEN), ENVIRONMENT DIVISION (if needed), DATA DIVISION (WORKING-STORAGE SECTION, FILE/LINKAGE sections if needed), PROCEDURE DIVISION (main paragraph, sub-paragraphs, STOP RUN/GOBACK)

## FORMATTING (STRICT)
Columns 1-6: Sequence numbers (000100, 000200, +100)
Column 7: Indicator (* comment, - continuation, space normal)
Columns 8-11: Area A (Division/Section headers, Paragraphs, Level 01/77)
Columns 12-72: Area B (Level 05-88, statements)

Alignment:
- Level 01/77: Column 8 | Level 05-88: Column 12
- PIC clauses: Column 40 | VALUE clauses: Column 56
- Indent subordinate levels by 4 spaces
- Paragraph names: Column 8 | Statements: Column 12
- Use explicit scope terminators (END-IF, END-PERFORM)

## DATA TYPES
Numeric: PIC 9(n)/S9(n) (integer), PIC 9(n)V9(m)/S9(n)V9(m) (decimal), COMP/BINARY (indexes), COMP-3 (financial)
Alphanumeric: PIC X(n), PIC A(n)
Condition Names: 88-level for flags

## COMMENTS
1.Header(MANDATORY):
000100*****************************************************************
000200* Program: [NAME]                                               *
000300* Purpose: [Description]                                        *
000400* Generated from Assembly using BRE transformation              *
000500* Business Rules: [COUNT] | Data Mappings: [COUNT]              *
000600*****************************************************************

2.Section comments before major sections.
3.Business rule comments reference BR IDs:
002000* Implements BR001: Validate Input Numbers
002100 VALIDATE-INPUTS.

## IMPLEMENTATION
- Create dedicated paragraph per business rule with BR ID comment
- Implement exact logic from BRE, handle the conditions
- Follow process flow order using PERFORM statements
- Use IF/EVALUATE for decisions, PERFORM UNTIL/VARYING for loops
- Include error handling: validate inputs, check division by zero, verify bounds, set error flags

## OUTPUT FORMAT
CRITICAL: Return ONLY COBOL code. NO explanatory text, NO markdown blocks, NO commentary.
START with sequence-numbered header comment. END with STOP RUN/GOBACK.
      

你可以修改格式要求,使其与你所在组织的 COBOL 标准保持一致。当你运行此提示词时,将生成符合以下目标的 COBOL 代码:语法正确、逻辑上与原始 Assembler 等价,并且完全可追溯——通过注释将每个代码段链接回 BRE 文档中的具体业务规则。生成之后,在进入最终的 Java 转换之前,务必严格验证 COBOL 代码。

验证转换结果

你应当把测试视为贯穿整个转换过程的持续性活动,而不仅仅是最后一个阶段。对 Assembler 与 COBOL 代码之间的功能等价性验证,应采用一套全面的测试框架,系统地评估语法正确性、结构一致性、逻辑等价性、数据流完整性、业务规则覆盖情况以及规范符合度。

用于指导测试的示例提示词:


        Perform comprehensive validation and analysis of ASM-to-COBOL translation.

Assembly Code: [PASTE HERE]
COBOL Code: [PASTE HERE]
BRE JSON: [PASTE HERE]
Spec JSON: [PASTE HERE]

## PART 1: VALIDATION

Perform 6 validation checks:

1.Syntax Check: Verify COBOL syntax (divisions, PIC clauses, statements, keywords, column alignment)
   Return: valid (true/false), errors array, warnings array
2.Structure Check: Compare program structure (sections, flow, procedures, control flow, data organization)
   Return: equivalent (true/false), score (0.0-1.0), issues array
3.Logic Check: Verify logic equivalence (conditionals, calculations, loops, error handling, edge cases)
   Return: equivalent (true/false), score (0.0-1.0), differences array
4.Data Flow Check: Verify data transformations (mappings, conversions, I/O, calculations, precision)
   Return: equivalent (true/false), score (0.0-1.0), issues array
5.BRE Coverage Check: Verify the business rules implemented (location, inputs/outputs, conditions)
   Return: coverage_score (0.0-1.0), implemented_rules array, missing_rules array, details object
6.Spec Compliance Check: Verify specification adherence (data structures, process flow, functions, data types)
   Return: compliant (true/false), score (0.0-1.0), issues array

Overall Equivalence Score: Weighted average (Syntax 20%, Structure 20%, Logic 30%, Data Flow 30%, BRE Coverage +10%, Spec Compliance +10%). Status "passed" if ≥0.7.

## PART 2: ANALYSIS

1.Quality Assessment: Classify quality (Excellent ≥0.9, Good ≥0.7, Fair ≥0.5, Poor <0.5) with description and validation status
2.Quality Metrics: Detailed scores for the 6 validation dimensions
3.Improvement Areas: Prioritized list with area name, severity (high/medium/low), issues array, priority (1-5)
4.Recommendations: Actionable suggestions per area (syntax fixes, structure alignment, logic verification, data flow corrections, missing BR implementation, spec compliance)
5.BRE Analysis: Per-rule analysis (rule_id, implemented, location, quality 1-5, deviations, notes) with overall_implementation_quality and summary
6.Code Suggestions: Specific improvements with category (Structure/Naming/Error Handling/Performance/Best Practices), suggestion, location, priority, optional example
7.Executive Summary: Quality level, equivalence score, validation status, improvement areas count, top 3 issues, key recommendations

## OUTPUT FORMAT

Return single JSON with validation and analysis objects. Include the fields: status, equivalence_score, validation_results (the 6 checks), findings, recommendations, quality_assessment, quality_metrics, improvement_areas, bre_analysis, code_suggestions, summary.
CRITICAL: Be thorough, specific (line numbers/paragraphs), actionable, honest (accurate scores), comprehensive (the rules/dimensions). Return JSON only, no explanatory text.
Generate complete validation and analysis report now.
      

你可以根据质量要求自定义验证阈值。运行此提示后,你将收到一份全面的验证报告,其中包含可操作的建议,用于解决程序结构、条件逻辑、数据转换以及原始 Assembler 指令与现代化 COBOL 实现之间可追溯性方面的差距。

COBOL 到 Java 的转换

在最后阶段,你使用 AWS Transform 将经验证的 COBOL 代码自动转换为 Java Spring Boot 应用程序。通过 AWS Transform 中的智能重构生成生产就绪的 Java 代码。该重构保留了前几个阶段验证的业务逻辑,同时引入现代设计模式,包括依赖注入、仓储模式和服务层。

你可以将生成的 Java 应用程序部署在 AWS 基础设施上,以实现云端的可扩展性和弹性,同时保持与传统大型机系统相同的业务功能。这种以云为中心的方法用可独立部署、监控和增强的模块化、可维护代码取代了单体大型机架构。

有关详细的分步说明,请参阅 AWS Transform Refactor Workshop。

经验教训

当你在实践中应用此方法时,以下关键经验可以塑造你的方法:

  • 人在回路中的验证对转换质量至关重要。Amazon Bedrock 和 Kiro IDE 可以帮助改进业务规则识别,但 AI 生成的文档应始终被视为草稿。SME 审查在每个关键阶段都必不可少,而不仅仅是在提取阶段,以捕捉 AI 工具可能忽略的领域特定逻辑、边缘情况和业务上下文。与没有结构化检查点的自动化转换相比,这种人工监督有助于减少部署后的缺陷。
  • 中间的 COBOL 步骤可降低风险。你会发现,在每个阶段都设有验证检查点的多阶段方法(Assembler 到 COBOL 再到 Java)比尝试直接转换更可靠。中间步骤有助于你在进行最终的 Java 转换之前验证业务逻辑是否得到保留。
  • 规范驱动的方法有助于防止返工。在代码转换之前创建详细的功能规范可以及早发现误解。借助结构化 JSON 规范,你还可以自动化验证并与转换工具直接集成。
  • 增量验证有助于加速整体时间线。在每个转换阶段之后进行测试,而不是等到最后,有助于及早发现问题并减少整体返工。每个阶段的质量门有助于确认输出已准备好进入下一阶段。

结论和后续步骤

在这篇文章中,我们介绍了一种系统化、由 AI 驱动的方法,用于将传统大型机 Assembler 应用程序转换为在 AWS 上为云构建的 Java 应用程序。该方法结合了 Amazon Bedrock 和 Kiro IDE 进行智能业务逻辑提取,以及 AWS Transform 进行自动化 COBOL 到 Java 转换。通过遵循在每个阶段都设有验证检查点的多阶段方法,你可以帮助加速现代化时间线,同时保持关键业务逻辑的完整性。

要评估完整的服务全景并了解各组件如何协同工作,请从 AWS Mainframe Modernization 文档开始。当你准备好查看流水线的实际运行时,AWS Transform Refactor Workshop 将使用你可以在自己的环境中运行的示例工作负载,引导你完成端到端流程。如果你想讨论此方法如何应用于你的特定环境,请联系 AWS 代表。

告诉我们你的现代化之旅,并在评论中分享你的想法。

关于作者

The translation is machine-generated and individual terms may be off. Nothing is rewritten or cut; the original is authoritative.

Published by AWS Machine Learning
This site only summarises and aggregates; copyright stays with the original author. Headlines and summaries follow the source — where they differ, the original wins.
Read the original ↗