譯者 | 李睿

審校 | 重樓

將遺留代碼和應(yīng)用程序遷移到現(xiàn)代系統(tǒng)面臨風(fēng)險并且耗時費力，然而這一過程通常是不可避免的。本文將闡述利用生成式人工智能工具簡化應(yīng)用程序遷移的一些有效策略。

一項研究表明，在財富5000強(qiáng)公司使用的軟件中，多達(dá)70%的軟件都是在20年前開發(fā)的。雖然升級遺留應(yīng)用程序具有充分商業(yè)理由，但這種遷移通常面臨風(fēng)險。遷移軟件成本高昂，遺留技術(shù)知識的缺乏，以及測試?yán)吓f軟件的復(fù)雜性，這些挑戰(zhàn)減緩了遷移進(jìn)度，并增加了技術(shù)債務(wù)。

應(yīng)用現(xiàn)代化的方法可以用所謂的“云遷移的7R法則”來概括：退役(Retire)、替換(Replace)、遷移（Relocating）、重新平臺化（Re-platforming）、重用（Reusing）、重構(gòu)（Refactoring）和重建(Rebuilding)。好在生成式人工智能（GenAI）可以簡化并加速這些過程。

本文將應(yīng)用程序遷移定義為需要在新平臺上編碼的任何方法；例如，在語言和開發(fā)平臺（如Java、.Net、Python、JavaScript和PHP）之間遷移全部或部分的應(yīng)用程序或服務(wù)。

應(yīng)用程序遷移也許是明確之舉

需要大量重新編碼的應(yīng)用程序遷移通常被視為最后的手段。但有時，遷移是實現(xiàn)系統(tǒng)現(xiàn)代化最謹(jǐn)慎的方式。以下是一些例子：

• 需要對數(shù)據(jù)模型、業(yè)務(wù)邏輯或用戶體驗進(jìn)行重大重新設(shè)計的應(yīng)用程序在重新利用現(xiàn)有代碼方面可能沒有什么價值。
• 通過庫和第三方服務(wù)的新功能可能會使許多現(xiàn)有代碼變得過時，重寫代碼可以大幅減少技術(shù)債務(wù)。
• 具有重大可擴(kuò)展性挑戰(zhàn)或新安全要求的API、服務(wù)和應(yīng)用程序可能需要重新設(shè)計自下而上的架構(gòu)。
• 對于在過時的平臺上運行遺留應(yīng)用程序并且文檔很少，以及管理應(yīng)用程序的工作人員離職的組織來說，可能別無選擇，只能遷移應(yīng)用程序。
• 收購小型企業(yè)的組織可能會選擇將應(yīng)用程序遷移到標(biāo)準(zhǔn)平臺，以降低成本并簡化維護(hù)。

生成式人工智能如何提供幫助

對于組織來說，應(yīng)用程序遷移的成本高昂。如果組織希望在不改變架構(gòu)或用戶體驗的情況下重新編碼，代碼翻譯器可以幫助加快這一過程。但是在需要進(jìn)行重大更改的情況下，應(yīng)用程序遷移可能需要完全重寫代碼。在某些情況下，生成式人工智能可以加速流程、降低成本或提高質(zhì)量。

Descope公司的聯(lián)合創(chuàng)始人Gilad Shriki說：“生成式人工智能正在通過簡化開發(fā)工作流來改變應(yīng)用程序遷移，包括生成啟動器模板和轉(zhuǎn)換腳本，幫助開發(fā)人員在適應(yīng)新范式的同時保持邏輯一致性。”

根據(jù)麥肯錫公司發(fā)布的研究報告，生成式人工智能可以消除應(yīng)用程序現(xiàn)代化過程中的大部分人工工作，從而使進(jìn)度加快40%至50%，并將成本降低40%。接下來，將探討在使用生成式人工智能功能規(guī)劃應(yīng)用程序遷移時的關(guān)鍵考慮因素。

了解工作流和變更需求

審查現(xiàn)有文檔和采訪主題專家通常是為應(yīng)用程序遷移做準(zhǔn)備的最佳起點。在尋求改進(jìn)的機(jī)會時，了解現(xiàn)有系統(tǒng)的業(yè)務(wù)目的、工作流和數(shù)據(jù)需求至關(guān)重要。

這種由外而內(nèi)的審查有助于組織的開發(fā)團(tuán)隊制定一份清單，列出對遷移至關(guān)重要的需求，需要更改的內(nèi)容，以及需要進(jìn)一步發(fā)現(xiàn)的未知因素。此外，開發(fā)團(tuán)隊?wèi)?yīng)該期望并計劃變更管理程序，以便在遷移過程中為最終用戶提供支持。即使只需要很少的應(yīng)用程序更改，與最終用戶的溝通也有助于緩解他們的擔(dān)憂，并開辟反饋渠道來報告意外問題。

產(chǎn)品所有者和業(yè)務(wù)分析師應(yīng)該審查新興的生成式人工智能工具，以幫助編寫需求和敏捷用戶故事。Jira平臺的示例包括Jira的人工智能測試用例和用戶故事問題自動生成器，以及Jira的敏捷用戶故事圖、投資組合路線圖和人物角色。

分析架構(gòu)中的依賴項

技術(shù)人員還需要進(jìn)行由內(nèi)而外的分析，包括代碼審查、繪制運行時基礎(chǔ)設(shè)施圖、進(jìn)行數(shù)據(jù)發(fā)現(xiàn)，并分析日志文件或其他可觀察性數(shù)據(jù)。更重要的是捕獲依賴項，包括依賴的API、第三方數(shù)據(jù)源和數(shù)據(jù)管道。

這種架構(gòu)審查可能非常耗時，并且通常需要豐富的技術(shù)專業(yè)知識。使用生成式人工智能可以簡化和加速該過程。Chronospher公司首席技術(shù)官兼聯(lián)合創(chuàng)始人Rob Skillington表示：“生成式人工智能正以多種方式影響應(yīng)用程序的遷移，包括幫助開發(fā)人員和系統(tǒng)架構(gòu)師快速回答有關(guān)目標(biāo)遷移應(yīng)用程序的架構(gòu)和部署選項的問題。此外，生成式人工智能通過幫助概述可以在新擬議架構(gòu)中使用的外部依賴項（如數(shù)據(jù)庫、負(fù)載均衡器和第三方服務(wù)）來加速應(yīng)用程序的遷移，從而創(chuàng)建一種與遷移的風(fēng)險和可用性約束相匹配的遷移方法。”

利用生成式人工智能的創(chuàng)建架構(gòu)和流程圖的方法包括使用ChatGPT生成PlantUML圖，以及使用Eraser的DiamondGPT對代碼庫進(jìn)行診斷。

冷靜理智地解讀代碼

審查他人的代碼是軟件開發(fā)人員最厭煩的工作之一。然而，代碼審查對于發(fā)現(xiàn)缺陷、識別安全漏洞、為拉取請求生成文檔以及遵守編碼標(biāo)準(zhǔn)是至關(guān)重要。

在準(zhǔn)備遷移時，分析遺留代碼甚至更為重要。像OpenAI Codex（現(xiàn)在是ChatGPT的一部分）和GitHub Copilot這樣的生成式人工智能工具可以加速將代碼轉(zhuǎn)換為描述、提取業(yè)務(wù)規(guī)則、繪制函數(shù)調(diào)用序列圖、識別數(shù)據(jù)驗證以及分離測試功能等任務(wù)。

SADA公司人工智能主管Chad Johnson表示，“應(yīng)用程序遷移的一個常見挑戰(zhàn)是理解遺留代碼和應(yīng)用程序邏輯，特別是由于時間流逝或人員流失而丟失的知識。生成式人工智能可以幫助破譯和解釋遺留代碼，而無需工程師了解老舊語言和細(xì)微差別。深度研究代理可以廣泛掃描網(wǎng)絡(luò)存檔文檔、用戶論壇和博客，以制定解決復(fù)雜漏洞和遷移問題的方案。”

開發(fā)人員可以用代碼段提示生成式人工智能工具，并收到自然語言的響應(yīng)，解釋其目的并描述其功能。

將實用程序代碼翻譯成其他語言

在審查應(yīng)用程序的遷移時，需要重寫某些代碼區(qū)域，特別是在用戶體驗或業(yè)務(wù)邏輯需要更改的情況下。其他實用程序代碼區(qū)域可能只需要從一種語言翻譯成另一種語言，同時提高性能并避免缺陷。代碼翻譯器是自動化部分轉(zhuǎn)換的一種選擇。

Yugabyte公司副總裁Shreyas Agnihotri說，“生成式人工智能通過自動化代碼翻譯、優(yōu)化性能和識別遷移過程中的錯誤來簡化應(yīng)用程序移植。例如，當(dāng)將應(yīng)用程序轉(zhuǎn)換為利用更新的技術(shù)時，生成式人工智能可以重構(gòu)遺留代碼以獲得兼容性，生成測試用例，簡化依賴項映射，從而顯著減少人工工作量和風(fēng)險。”

開發(fā)人員可以使用Java語言轉(zhuǎn)換助手（JLCA）之類的工具將Java轉(zhuǎn)換為.Net，或者使用CodeConvert將C#轉(zhuǎn)換為Java或Python。解釋和翻譯來自遺留語言（如COBOL）的代碼具有額外的挑戰(zhàn)，因為很難找到熟練的專家。生成式人工智能和其他用于遷移Cobol項目的工具使得沒有Cobol專業(yè)知識的開發(fā)人員更容易為這些項目做出貢獻(xiàn)。

Postman公司高級開發(fā)人員倡導(dǎo)者Sterling Chin說，“在大型機(jī)到現(xiàn)代平臺的遷移過程中，生成式人工智能分析COBOL和其他遺留代碼庫的能力變得特別有價值。它可以解析嵌入在幾十年前的代碼中的復(fù)雜業(yè)務(wù)規(guī)則，在現(xiàn)代測試框架中自動生成等效的測試場景，并驗證關(guān)鍵業(yè)務(wù)邏輯在遷移過程中保持不變。”

為遺留代碼生成測試用例

翻譯、重構(gòu)和改進(jìn)代碼可能是應(yīng)用程序遷移中比較容易的方面。測試通常是更困難的挑戰(zhàn)，特別是因為許多遺留應(yīng)用程序缺乏單元測試和自動化回歸測試。

Chin說，“生成式人工智能全面分析現(xiàn)有應(yīng)用程序的能力使測試驅(qū)動的遷移方法成為可能。可以預(yù)先生成自動化的測試套件，以驗證整個遷移過程中的功能一致性，確保每個遷移的組件在支持增量現(xiàn)代化的同時保持原始系統(tǒng)的行為。”

在可能的情況下，最佳實踐是在遷移遺留應(yīng)用程序之前生成測試用例和測試框架。然后，可以使用新的應(yīng)用程序上的等效測試用例對兩個應(yīng)用程序版本的結(jié)果進(jìn)行基準(zhǔn)測試。

Shriki補(bǔ)充說：“人工智能測試框架通過自動生成測試用例，在軟件開發(fā)生命周期的早期集成安全檢查，以及優(yōu)化新平臺的性能基準(zhǔn)，進(jìn)一步加速了這一過程。這些進(jìn)步不僅減少了技術(shù)債務(wù)，而且使開發(fā)團(tuán)隊能夠更快地實現(xiàn)應(yīng)用程序的現(xiàn)代化，而不會影響質(zhì)量、安全性或開發(fā)人員的效率。”

規(guī)劃數(shù)據(jù)遷移

即使在測試了應(yīng)用程序及其依賴項之后，也可能需要進(jìn)行數(shù)據(jù)遷移。如果數(shù)據(jù)庫技術(shù)和模式不需要更改，那么應(yīng)用程序的遷移可能很簡單；例如，將小型的本地SQL數(shù)據(jù)庫轉(zhuǎn)換為云數(shù)據(jù)庫服務(wù)。但是，如果模式發(fā)生了重大變化，或者需要修復(fù)數(shù)據(jù)質(zhì)量問題，那么遷移本身就是一個項目。

SS&C Blue Prism公司美洲首席技術(shù)官Lou Bachenheimer表示：“生成式人工智能可以解決與應(yīng)用程序遷移相關(guān)的兩個主要痛點：考慮各種依賴項的廣泛計劃，以及通過繁瑣的檢查來防止數(shù)據(jù)丟失或損壞的重復(fù)數(shù)據(jù)遷移。人工智能可以理解必要的步驟，并觸發(fā)預(yù)先構(gòu)建的受控自動化來執(zhí)行數(shù)據(jù)遷移，利用傳統(tǒng)的自動化技術(shù)來減輕與生成式人工智能接觸潛在敏感數(shù)據(jù)相關(guān)的風(fēng)險，從而顯著加速并簡化遷移過程。”

如果應(yīng)用程序具有高吞吐量事務(wù)，或者業(yè)務(wù)無法在長時間停機(jī)后從遺留應(yīng)用程序切換到遷移的應(yīng)用程序，那么對于大型數(shù)據(jù)庫來說，迭代遷移數(shù)據(jù)段的增量遷移可能是必要的。

管理人工智能生成代碼的風(fēng)險

雖然許多工具都可以幫助應(yīng)用程序遷移和生成代碼，但專家警告說，開發(fā)團(tuán)隊?wèi)?yīng)該將詳細(xì)的代碼和安全審查作為測試的一部分，即使應(yīng)用程序正在經(jīng)歷最小的功能更改。開發(fā)團(tuán)隊?wèi)?yīng)該與利益相關(guān)者溝通，應(yīng)用程序遷移仍然需要測試和安全審查。

Apiiro公司首席產(chǎn)品官Moti Gindi表示：“在軟件開發(fā)中采用生成式人工智能工具極大地提升了開發(fā)人員的工作效率，但代碼量的快速增長已經(jīng)超越了關(guān)鍵的人工應(yīng)用程序安全控制措施的步伐，例如安全審查或威脅建模，這凸顯了這些過程實現(xiàn)自動化的必要性。雖然采用生成式人工智能生成的代碼高效，但通常缺乏對公司特定政策和合規(guī)要求的認(rèn)識，因此可能會引入新的業(yè)務(wù)風(fēng)險。此外，將生成式人工智能集成到每個業(yè)務(wù)的應(yīng)用程序堆棧中會引入新的潛在攻擊面（例如提示注入），需要針對這種新出現(xiàn)的威脅實施和執(zhí)行新的代碼安全控制。”

成功遷移的關(guān)鍵是理解需求、與最終用戶溝通、選擇適當(dāng)?shù)墓ぞ邅韼椭鷳?yīng)用程序的遷移，以及制定全面的測試計劃。企業(yè)有大量需要現(xiàn)代化的應(yīng)用程序，開發(fā)遷移實踐的IT組織可以加速遷移、降低成本，并最大限度地降低風(fēng)險。

原文標(biāo)題：How to simplify app migration with generative AI tools，作者：Isaac Sacolick