传统与云原生的融合：COBOL、K8s与机器学习的经验教训
💡
原文英文，约800词，阅读约需3分钟。
📝
内容提要
现代化不必重写旧系统，COBOL可通过容器化、结构化日志和机器学习提升。利用Kubernetes和SageMaker，企业能有效整合传统与现代技术，优化工作流程，保护投资，实现智能化。
🎯
关键要点
- 现代化不必重写旧系统，COBOL可以通过容器化、结构化日志和机器学习提升。
- 使用Kubernetes和SageMaker，企业能够有效整合传统与现代技术。
- COBOL在Kubernetes上运行，使用GnuCOBOL和持久共享存储。
- 结构化日志通过解析STDOUT/STDERR日志并保存为JSON文件，提升可追溯性和机器学习准备。
- 训练XGBoost模型预测作业失败，形成反馈循环，避免高风险文件执行。
- 不应重写有效的代码，而是通过容器化进行现代化。
- 结构化日志为分析提供了丰富的可能性，提升了管道的智能性。
- 机器学习适合遗留系统，能够在没有代码访问的情况下利用历史数据。
- Kubernetes能够有效处理遗留工作负载，支持批处理和有状态工作负载。
- 异步通信是关键，各组件独立运行，通过S3、EFS和事件驱动消息连接。
- 解析COBOL错误可能会很麻烦，需要编写复杂的正则表达式。
- Kubernetes和EFS的存储权限配置需要注意，使用AWS EFS CSI驱动程序。
- 模型漂移可能会影响准确性，需要定期重新训练和监控。
- Kubernetes作业如果不清理可能会留下过时的Pods，需配置TTL。
- 该项目证明了COBOL不是敌人，Kubernetes和机器学习可以与遗留系统结合。
- 不必选择重写或停滞不前，可以通过容器、编排、日志结构和机器学习提升COBOL。
- 这种混合方法是可重复的策略，任何产生结构化输入/输出的遗留系统都能受益。
➡️
