Tuning & Verfügbarkeit

Verfügbarkeit, Betriebskosten und Leistung bilden das Dreieck der Anforderungen für den Betrieb der immer größer werdenden Mainframe-Datenbanksysteme von heute. Warum also nicht die Maschinen für sich selbst sorgen lassen? Finden Sie ein leistungsfähiges Toolset, das die E/A-Leistung analysiert und auf der Grundlage seines integrierten Expertensystems Tuningmaßnahmen entwickelt. 

Zugehörige Produkte

Unsere Lösungen unterstützen Sie in den folgenden Bereichen:

Agile Entwicklungsmethoden fordern passende Testfalldaten häufiger und früher im Entwicklungszyklus. Testdaten sollten daher auf einfache Weise bestellbar sein, am besten über einen Intranetshop.

Die Agile Programmierung integriert mehr und mehr Funktionsentwicklung und Test, schon im Sprint wird getestet. Daher werden Testdaten häufiger und früher im Entwicklungszyklus benötigt. Testdatenbesteller, die in der Regel keine Detailkenntnis über Tabellen und deren Beziehungen haben, können fein-granulare Testfalldaten über ein auf ihr Arbeitsgebiet abgestimmtes Webportal, anfordern. Pro App oder Sparte ist dort das Sortiment der bestellbaren Geschäftsobjekte aufgelistet und dokumentiert. Der Besteller wählt nur aus, bestimmt Menge, macht vielleicht noch weitere Angaben zu gewünschten Eigenschaften und erhält die Daten umgehend im bezeichneten Testsystem. Der Besteller benötigt keine Kenntnisse wie Tabellenstruktur, relationale Abhängigkeiten, etc. So wird wertvolle Entwicklerzeit auf die zentrale Aufgabe konzentriert.

 

Tester sollen keine Zeit mit der Beschaffung, Vorbereitung und Einbettung der Testdaten verschwenden. Die bestellten und gelieferten Testdaten müssen automatisch in den Bestand des Testbetts integriert werden.

Entwickler brauchen Testfalldaten, kurzfristig, oder zu einem bestimmten Zeitpunkt;in der Regel einige Hundert ausgewählte, relational-intakte, DSGVO-konforme Zeilen, Verträge, Kunden, oder allgemeiner, komplette Geschäftsobjekte. Man möchte die erforderlichen Testdaten einfach bestellen können, am besten über ein auf die Bedürfnisse der jeweiligen Applikation zugeschnittenes Webportal. Die Testdatenbelieferung soll in der Lage sein die gelieferten Daten sachgerecht in den Bestand des Testbetts nach Vorgaben einzubetten. Weitere Daten sollen im Verlauf der Entwicklung einfach hinzugefügt werden können.

Zurücksetzen:
Man möchte nach erfolgtem Test wieder leicht auf Anfang zurücksetzten können, oder die Daten auf einfache Weise austauschen; heute wird ein Problem der aktuellen Version bearbeitet, morgen geht es mit dem neuen Release weiter.
Einbetten:
Anfänglich generierte Daten sollen passgenau mit produktiven Daten ergänzt werden.

 

Modellierer pflegen und warten das Testdatenangebot.

Das Angebot im Testdatenshop wird von einem oder wenigen Modellierern gepflegt. Der Modellierer kennt die Entitäten der Domain und alle Details wie Kardinalität und die Verbindungen zu anderen Geschäftsbereichen oder Sparten. Er kann, falls sinnvoll oder notwendig die Konfigurationen anderer Sparten einbinden, z. B. die von gemeinsamen Stammdaten. Die Modellierung und damit die Definition neuer Beschaffungsvorgänge setzt in der Regel Kenntnisse voraus, die der Entwickler/Tester nicht zu haben braucht. Alle Besteller damit zu belasten wäre nicht effizient. Stattdessen wird die Mehrheit der Nutzer von unnötigem Ballast befreit und kann sich ganz auf Entwicklung und Test konzentrieren.

 

DSGVO und andere Vorgaben verlangen die De-Identifikation personenbezogener Testdaten. Es ist sinnvoll, die Anonymisierung in den Prozess der automatisierten Testdatenlieferung zu integrieren.d gelieferten Testdaten müssen automatisch in den Bestand des Testbetts integriert werden.

Wir bieten automatisierte Verfahren zur Bearbeitung der Testdaten hinsichtlich De-Identifikation. Sie sind sowohl nachträglich anwendbar, als sogenannte In-Place-Verfahren, als solche, die Verarbeitung von Massendaten erlauben, als auch in den Bereitstellungsprozess der Testfalldaten direkt integriert werden können.

Der PII Finder (personal info identifier) unterstützt den Prozessmodellierer bei der Erkennung relevanter Spalten/Felder. Die Software bietet standardisierte Methoden zur Anonymisierung/­Pseudonymisierung/Maskierung an: Vor- und Nachnamen, Adressen, Bankdaten, Sozialver­sicherungsnummern, etc. Der Anwender kann die Methoden modifizieren oder eigene einbringen. Das gleiche gilt für die zu verwendenden Wertebereiche, nationale/­internationale Adressbestände, usw.

Methoden und Regeln werden in Anwendungsmodellen für Unternehmensbereiche oder Sparten so integriert, dass je nach zu versorgendem Testbett die definierte Anonymisierung automatisch vorgenommen wird.

Mit unseren Verfahren anonymisieren oder pseudonymisieren Sie unternehmensweit einheitlich, ob Oracle, Db2, IMS, VSAM, LUW, MS SQL Server, PostgreSQL, SAP, applikationsübergreifend, einheitlich.

Anonymisierung nimmt eine wichtige Rolle in jedem Testdatenmanagement-Konzept ein. Produktive Daten dürfen meist nicht ohne weiteres für Testzwecke genutzt werden. Sei es der Schutz vor Mitbewerbern, das Outsourcing von Testabteilungen oder die Einhaltung des Datenschutzgesetzes, all diese Gründe erfordern eine Anonymisierung der Testdaten.

anonymisierungEin professionelles Konzept zur Testdaten-Anonymisierung gliedert sich meist in unterschiedliche Phasen. Es sind wichtige Vorarbeiten sind zu leisten, bevor die eigentliche Anonymisierung stattfinden kann.

Identifizierung
Das Datenmodell muss auf sensible Felder untersucht werden und Spalten, bzw. Attribute die Namen, Anschriften, Bankdaten, etc. enthalten, müssen identifiziert werden. Ohne Unterstützung einer effizienten Software kann diese Phase bereits eine der größten Hürden bei der Umsetzung einer Anonymisierungs-Strategie sein.

Implementierung
Anhand der identifizierten Felder müssen Regeln hinterlegt werden, die die Daten nach den Unternehmensvorgaben anonymisieren. Verfahren zum Umverteilen der bisherigen Daten stellen sicher, dass Randfälle, die in den produktiven Daten enthalten und entsprechend wertvoll für einen Test sind, weiterhin bestehen. Das konsistente Anonymisieren über Tabellen oder auch Systemgrenzen hinweg muss ebenfalls berücksichtigt werden.

Durchführung
Nachdem die relevanten Felder identifiziert und entsprechende Methoden zur Veränderung der Felder festgelegt wurden, müssen die Testdaten bei jedem Auffrischen anonymisiert werden. Dies sollte auf direktem Wege, während des Kopiervorgangs von Produktion nach Test, geschehen.

Die Testdatenmanagement-Suite bietet Ihnen folgende Vorteile:

Unterstützt Sie beim Identifizieren sensibler Daten. Komplexe Heuristiken finden sprichwörtlich “die Nadel im Heuhafen”. Dies reduziert den zeitlichen Aufwand erheblich.
Automatische Anonymisierung sensibler Daten direkt während der Testdaten-Bereitstellung. Es sind keine zeitaufwendigen Nacharbeiten notwendig.
Zentrale Pflege der Anonymisierungsstrategie in einem eigenen Repository. Die Anonymisierung findet ohne manuelles Zutun bei der Bereitstellung von Testdaten statt.
Geringerer Pflegeaufwand bei strukturellen Änderungen des Datenmodells.

 

DSGVO und andere Vorgaben verlangen die De-Identifikation personenbezogener Testdaten. Es ist sinnvoll, die Anonymisierung in den Prozess der automatisierten Testdatenlieferung zu integrieren.d gelieferten Testdaten müssen automatisch in den Bestand des Testbetts integriert werden.

Wir bieten automatisierte Verfahren zur Bearbeitung der Testdaten hinsichtlich De-Identifikation. Sie sind sowohl nachträglich anwendbar, als sogenannte In-Place-Verfahren, als solche, die Verarbeitung von Massendaten erlauben, als auch in den Bereitstellungsprozess der Testfalldaten direkt integriert werden können.

Der PII Finder (personal info identifier) unterstützt den Prozessmodellierer bei der Erkennung relevanter Spalten/Felder. Die Software bietet standardisierte Methoden zur Anonymisierung/­Pseudonymisierung/Maskierung an: Vor- und Nachnamen, Adressen, Bankdaten, Sozialver­sicherungsnummern, etc. Der Anwender kann die Methoden modifizieren oder eigene einbringen. Das gleiche gilt für die zu verwendenden Wertebereiche, nationale/­internationale Adressbestände, usw.

Methoden und Regeln werden in Anwendungsmodellen für Unternehmensbereiche oder Sparten so integriert, dass je nach zu versorgendem Testbett die definierte Anonymisierung automatisch vorgenommen wird.

Mit unseren Verfahren anonymisieren oder pseudonymisieren Sie unternehmensweit einheitlich, ob Oracle, Db2, IMS, VSAM, LUW, MS SQL Server, PostgreSQL, SAP, applikationsübergreifend, einheitlich.

Anonymisierung nimmt eine wichtige Rolle in jedem Testdatenmanagement-Konzept ein. Produktive Daten dürfen meist nicht ohne weiteres für Testzwecke genutzt werden. Sei es der Schutz vor Mitbewerbern, das Outsourcing von Testabteilungen oder die Einhaltung des Datenschutzgesetzes, all diese Gründe erfordern eine Anonymisierung der Testdaten.

anonymisierungEin professionelles Konzept zur Testdaten-Anonymisierung gliedert sich meist in unterschiedliche Phasen. Es sind wichtige Vorarbeiten sind zu leisten, bevor die eigentliche Anonymisierung stattfinden kann.

Identifizierung
Das Datenmodell muss auf sensible Felder untersucht werden und Spalten, bzw. Attribute die Namen, Anschriften, Bankdaten, etc. enthalten, müssen identifiziert werden. Ohne Unterstützung einer effizienten Software kann diese Phase bereits eine der größten Hürden bei der Umsetzung einer Anonymisierungs-Strategie sein.

Implementierung
Anhand der identifizierten Felder müssen Regeln hinterlegt werden, die die Daten nach den Unternehmensvorgaben anonymisieren. Verfahren zum Umverteilen der bisherigen Daten stellen sicher, dass Randfälle, die in den produktiven Daten enthalten und entsprechend wertvoll für einen Test sind, weiterhin bestehen. Das konsistente Anonymisieren über Tabellen oder auch Systemgrenzen hinweg muss ebenfalls berücksichtigt werden.

Durchführung
Nachdem die relevanten Felder identifiziert und entsprechende Methoden zur Veränderung der Felder festgelegt wurden, müssen die Testdaten bei jedem Auffrischen anonymisiert werden. Dies sollte auf direktem Wege, während des Kopiervorgangs von Produktion nach Test, geschehen.

Die Testdatenmanagement-Suite bietet Ihnen folgende Vorteile:

Unterstützt Sie beim Identifizieren sensibler Daten. Komplexe Heuristiken finden sprichwörtlich “die Nadel im Heuhafen”. Dies reduziert den zeitlichen Aufwand erheblich.
Automatische Anonymisierung sensibler Daten direkt während der Testdaten-Bereitstellung. Es sind keine zeitaufwendigen Nacharbeiten notwendig.
Zentrale Pflege der Anonymisierungsstrategie in einem eigenen Repository. Die Anonymisierung findet ohne manuelles Zutun bei der Bereitstellung von Testdaten statt.
Geringerer Pflegeaufwand bei strukturellen Änderungen des Datenmodells.

 

DSGVO und andere Vorgaben verlangen die De-Identifikation personenbezogener Testdaten. Es ist sinnvoll, die Anonymisierung in den Prozess der automatisierten Testdatenlieferung zu integrieren.d gelieferten Testdaten müssen automatisch in den Bestand des Testbetts integriert werden.

Wir bieten automatisierte Verfahren zur Bearbeitung der Testdaten hinsichtlich De-Identifikation. Sie sind sowohl nachträglich anwendbar, als sogenannte In-Place-Verfahren, als solche, die Verarbeitung von Massendaten erlauben, als auch in den Bereitstellungsprozess der Testfalldaten direkt integriert werden können.

Der PII Finder (personal info identifier) unterstützt den Prozessmodellierer bei der Erkennung relevanter Spalten/Felder. Die Software bietet standardisierte Methoden zur Anonymisierung/­Pseudonymisierung/Maskierung an: Vor- und Nachnamen, Adressen, Bankdaten, Sozialver­sicherungsnummern, etc. Der Anwender kann die Methoden modifizieren oder eigene einbringen. Das gleiche gilt für die zu verwendenden Wertebereiche, nationale/­internationale Adressbestände, usw.

Methoden und Regeln werden in Anwendungsmodellen für Unternehmensbereiche oder Sparten so integriert, dass je nach zu versorgendem Testbett die definierte Anonymisierung automatisch vorgenommen wird.

Mit unseren Verfahren anonymisieren oder pseudonymisieren Sie unternehmensweit einheitlich, ob Oracle, Db2, IMS, VSAM, LUW, MS SQL Server, PostgreSQL, SAP, applikationsübergreifend, einheitlich.

Anonymisierung nimmt eine wichtige Rolle in jedem Testdatenmanagement-Konzept ein. Produktive Daten dürfen meist nicht ohne weiteres für Testzwecke genutzt werden. Sei es der Schutz vor Mitbewerbern, das Outsourcing von Testabteilungen oder die Einhaltung des Datenschutzgesetzes, all diese Gründe erfordern eine Anonymisierung der Testdaten.

anonymisierungEin professionelles Konzept zur Testdaten-Anonymisierung gliedert sich meist in unterschiedliche Phasen. Es sind wichtige Vorarbeiten sind zu leisten, bevor die eigentliche Anonymisierung stattfinden kann.

Identifizierung
Das Datenmodell muss auf sensible Felder untersucht werden und Spalten, bzw. Attribute die Namen, Anschriften, Bankdaten, etc. enthalten, müssen identifiziert werden. Ohne Unterstützung einer effizienten Software kann diese Phase bereits eine der größten Hürden bei der Umsetzung einer Anonymisierungs-Strategie sein.

Implementierung
Anhand der identifizierten Felder müssen Regeln hinterlegt werden, die die Daten nach den Unternehmensvorgaben anonymisieren. Verfahren zum Umverteilen der bisherigen Daten stellen sicher, dass Randfälle, die in den produktiven Daten enthalten und entsprechend wertvoll für einen Test sind, weiterhin bestehen. Das konsistente Anonymisieren über Tabellen oder auch Systemgrenzen hinweg muss ebenfalls berücksichtigt werden.

Durchführung
Nachdem die relevanten Felder identifiziert und entsprechende Methoden zur Veränderung der Felder festgelegt wurden, müssen die Testdaten bei jedem Auffrischen anonymisiert werden. Dies sollte auf direktem Wege, während des Kopiervorgangs von Produktion nach Test, geschehen.

Die Testdatenmanagement-Suite bietet Ihnen folgende Vorteile:

Unterstützt Sie beim Identifizieren sensibler Daten. Komplexe Heuristiken finden sprichwörtlich “die Nadel im Heuhafen”. Dies reduziert den zeitlichen Aufwand erheblich.
Automatische Anonymisierung sensibler Daten direkt während der Testdaten-Bereitstellung. Es sind keine zeitaufwendigen Nacharbeiten notwendig.
Zentrale Pflege der Anonymisierungsstrategie in einem eigenen Repository. Die Anonymisierung findet ohne manuelles Zutun bei der Bereitstellung von Testdaten statt.
Geringerer Pflegeaufwand bei strukturellen Änderungen des Datenmodells.

 

DSGVO und andere Vorgaben verlangen die De-Identifikation personenbezogener Testdaten. Es ist sinnvoll, die Anonymisierung in den Prozess der automatisierten Testdatenlieferung zu integrieren.d gelieferten Testdaten müssen automatisch in den Bestand des Testbetts integriert werden.

Wir bieten automatisierte Verfahren zur Bearbeitung der Testdaten hinsichtlich De-Identifikation. Sie sind sowohl nachträglich anwendbar, als sogenannte In-Place-Verfahren, als solche, die Verarbeitung von Massendaten erlauben, als auch in den Bereitstellungsprozess der Testfalldaten direkt integriert werden können.

Der PII Finder (personal info identifier) unterstützt den Prozessmodellierer bei der Erkennung relevanter Spalten/Felder. Die Software bietet standardisierte Methoden zur Anonymisierung/­Pseudonymisierung/Maskierung an: Vor- und Nachnamen, Adressen, Bankdaten, Sozialver­sicherungsnummern, etc. Der Anwender kann die Methoden modifizieren oder eigene einbringen. Das gleiche gilt für die zu verwendenden Wertebereiche, nationale/­internationale Adressbestände, usw.

Methoden und Regeln werden in Anwendungsmodellen für Unternehmensbereiche oder Sparten so integriert, dass je nach zu versorgendem Testbett die definierte Anonymisierung automatisch vorgenommen wird.

Mit unseren Verfahren anonymisieren oder pseudonymisieren Sie unternehmensweit einheitlich, ob Oracle, Db2, IMS, VSAM, LUW, MS SQL Server, PostgreSQL, SAP, applikationsübergreifend, einheitlich.

Anonymisierung nimmt eine wichtige Rolle in jedem Testdatenmanagement-Konzept ein. Produktive Daten dürfen meist nicht ohne weiteres für Testzwecke genutzt werden. Sei es der Schutz vor Mitbewerbern, das Outsourcing von Testabteilungen oder die Einhaltung des Datenschutzgesetzes, all diese Gründe erfordern eine Anonymisierung der Testdaten.

anonymisierungEin professionelles Konzept zur Testdaten-Anonymisierung gliedert sich meist in unterschiedliche Phasen. Es sind wichtige Vorarbeiten sind zu leisten, bevor die eigentliche Anonymisierung stattfinden kann.

Identifizierung
Das Datenmodell muss auf sensible Felder untersucht werden und Spalten, bzw. Attribute die Namen, Anschriften, Bankdaten, etc. enthalten, müssen identifiziert werden. Ohne Unterstützung einer effizienten Software kann diese Phase bereits eine der größten Hürden bei der Umsetzung einer Anonymisierungs-Strategie sein.

Implementierung
Anhand der identifizierten Felder müssen Regeln hinterlegt werden, die die Daten nach den Unternehmensvorgaben anonymisieren. Verfahren zum Umverteilen der bisherigen Daten stellen sicher, dass Randfälle, die in den produktiven Daten enthalten und entsprechend wertvoll für einen Test sind, weiterhin bestehen. Das konsistente Anonymisieren über Tabellen oder auch Systemgrenzen hinweg muss ebenfalls berücksichtigt werden.

Durchführung
Nachdem die relevanten Felder identifiziert und entsprechende Methoden zur Veränderung der Felder festgelegt wurden, müssen die Testdaten bei jedem Auffrischen anonymisiert werden. Dies sollte auf direktem Wege, während des Kopiervorgangs von Produktion nach Test, geschehen.

Die Testdatenmanagement-Suite bietet Ihnen folgende Vorteile:

Unterstützt Sie beim Identifizieren sensibler Daten. Komplexe Heuristiken finden sprichwörtlich “die Nadel im Heuhafen”. Dies reduziert den zeitlichen Aufwand erheblich.
Automatische Anonymisierung sensibler Daten direkt während der Testdaten-Bereitstellung. Es sind keine zeitaufwendigen Nacharbeiten notwendig.
Zentrale Pflege der Anonymisierungsstrategie in einem eigenen Repository. Die Anonymisierung findet ohne manuelles Zutun bei der Bereitstellung von Testdaten statt.
Geringerer Pflegeaufwand bei strukturellen Änderungen des Datenmodells.

 

I/O Performance

The overall performance of Db2 z/OS depends highly on its I/O performance, which is in turn mainly influenced by the behavior of the buffer pools.

 

Erwartungen an BPA4Db2

A continuous search method for avoidable I/O and its prevention keeps systems healthy, saves machine resources and prevents unpleasant surprises.

Bufferpool Monitoring

A powerful buffer pool analysis tool not only shows suboptimal buffer pool behavior, but should also identify objects that are frequently accessed by inefficient SQL statements.

Essential DB2 Health Check

You have more and more growing databases and Db2 systems to manage, but no additional help to get your job done? There are ways to automate many of the tasks necessary to monitor and control your Db2 systems and databases.

Problem Management

Errors, problems, bottlenecks are inevitable in ever-changing, complex environments, budgets are always tight, data centers are short staffed and service level agreements are ambitious. The only way out is automation.

QA für dynamisches SQL

How can we allow dynamic SQL, benefit from dynamic SQL and ensure quality – guarantee performance?

DSC Analyse

DSCA detects, corrects and avoids the problems associated with executing growing volumes of dynamic SQL statements. What does this mean in detail?