Mainframes… sus tan consabidas cualidades: escalabilidad, robustez, potencia… y la complejidad de sus lenguajes: CICS, IMS y DB2. ¿Cómo sacar provecho de sus cualidades sin caer en sus complejidades?
Una forma es tener un personal inteligente y experimentado que pueda monitorizar y gobernar esta plataforma y sus redes. Además, ha de ser un plantel debidamente actualizado en esta creciente evolución tecnológica. Además del alto coste de obtener ése activo está el coste por preservar y retener esas experiencias y habilidades. Y si, además se agrega el problema que una parte del personal con tal bagaje se está acercando a la edad de jubilación. ¿Cómo retener ése capital de experiencia y conocimientos?. Una alternativa puede ser investigar en algún tipo de inteligencia artificial (IA) para el mainframe:
IBM Watson Machine Learning para z/OS (WMLz).
WMLz no gobernará ni operará el mainframe pero puede hacer que algunas aplicaciones (por ejemplo, DB2) se ejecuten más eficientemente. Puede comportarse como un DBA y operador muy eficientes.
¿Qué es el Watson?
Watson llamó la atención del público por primera vez en 2011 al ganar un juego de Jeopardy!. El hardware utilizado fue noventa servidores IBM Power 750 con 16 terabytes de RAM. Utilizó el software DeepQA de IBM y la implementación del marco Apache Unstructured Information Management Architecture (UIMA). La información que Watson usó en el juego provino de enciclopedias, diccionarios, tesauros, artículos de noticias, obras literarias y otras listas de información. Desde 2011, Watson se ha mejorado y utilizado enormemente en una variedad de aplicaciones industriales. Se habla de que es un mejor diagnosticador que un médico (o psiquiatra, puedes hablar con él de tus problemas). Está destinado a poder trabajar en un centro de llamadas, donde tendría que ser capaz de atender con éxito una variedad de consultas de clientes y potenciales clientes.
Watson y DB2
Si nos centramos en DB2, Watson aplica la IA en resolver varios problemas. IBM DB2 AI para z/OS (DB2ZAI) puede optimizar un motor DB2 para z/OS para determinar las rutas de acceso de consulta con mejor rendimiento, en función de las características de la carga de trabajo. El optimizador consta de componentes de servicios de datos relacionales (RDS) que rigen la transformación de consultas, la selección de la ruta de acceso, el tiempo de ejecución y el paralelismo para cada instrucción SQL utilizada. La ruta de acceso para una instrucción SQL especifica cómo DB2 accede a los datos que especifica la consulta. Determina los índices y las tablas a las que se accede, los métodos de acceso que se utilizan y el orden en que se accede a los objetos. DB2ZAI recopila datos del optimizador y el historial de ejecución de consultas, encuentra patrones a partir de estos datos y aprende las rutas de acceso óptimas para las consultas que ingresan DB2 para z/OS. Eso significa que el acceso a los datos es lo más rápido posible. Y debido a que cada sitio tiene una carga de trabajo única, esta optimización es específica para ese sitio en particular. Si las cargas de trabajo cambian, la optimización también cambiará. Aprenderá a trabajar lo mejor que pueda. Una vez entrenado, el modelo está listo para implementarse en producción, proporcionando información sobre la selección de la ruta de acceso del optimizador. Estas ideas son adicionales a lo que el optimizador usa hoy en la selección de la mejor ruta de consulta. La información es exclusiva de cada entorno específico y actualmente es desconocida para el optimizador de consultas tradicional.
Aprender cómo funcionan las cosas en un entorno informático particular se llama aprendizaje automático, y el aprendizaje automático es un subconjunto de IA.
En 2017, IBM anunció que agregaría la tecnología de aprendizaje automático de Watson a z/OS para proporcionar un análisis más inteligente y rápido de los datos de las transacciones. La brecha que intentaba llenar era la existente entre mainframes y análisis de big data. El trabajo de Watson era ordenar y transformar los datos de mainframe para realizar análisis de datos complejos, algo que la mayoría de los sitios no estaban haciendo. Según IBM: "IBM Machine Learning para z/OS faculta a los clientes de sistemas IBM Z para crear, implementar y gestionar modelos de comportamiento de autoaprendizaje de alta calidad para extraer valor oculto de los datos empresariales de forma segura, en el lugar y en tiempo real".
Simplificando la implementación de producción de modelos de IA
En 2019, se dice que WMLz, actualmente en la Versión 2.1, simplifica la implementación de producción de modelos de IA. Los usuarios pueden desarrollar modelos donde quieran. Y, los usuarios pueden implementar fácilmente dentro de sus aplicaciones de transacción para obtener información en tiempo real.
Las características de WMLz incluyen: