第一步——拍X-光

　　呈现一幅遗留应用的精确图片是我发现自己花费无数时间试图解决的问题。通过使用一门以社交网络分析（Social Network Analysis）的科学，这是十年来用以研究社会关系，并利用人类思维的能力来识别模式和色彩的学科，我发明了一套工具叫做HP可视化智能工具。对我来说，可视化元素能以一种激发人兴趣的方式呈报问题的关键所在。

　　使用HP可视化工具，我们能在几分钟内分析上百万行的代码，然后用像Miner3D和GUESS这样的图形化工具呈报出来数据模型，GUESS最初是由HP实验室创造的图表探索工具。 这个对遗留源代码的可视化分析结果令人茅塞顿开，这些源代码显现了相似的模式，揭露了30多年来通过拷贝粘贴来重用的非计划设计。

　　你可以认为这些图形化表述是X-光或红外线。它们给了医生或科学家隐藏模式下的一个不同影像。在大型案例中，不透明的和整体的遗留应用系统，这些模式提供一种利用相似性来设计转换方式的方法，避免重复的工作，达到节约尺寸和范围的目的。当轻易地用手写代码对提供这种功能的框架进行工程再造时，这些模式也能识别关系不大的横截代码（安全，日志，监视）。

 
　　图1- 一个遗留系统的X-光：这个随机安排的节点图表代表由7500遗留COBOL模块组成的1000万行代码。每个点都是个节点，它们之间的连线代表模块之间共享复制代码的数量。

　　乍一看，上面的图像没显露什么价值。它看起来更像现代艺术，而不是遗留代码。社交网络分析家用好多布局演算法让这些隐藏图案暴露了出来。

 
　　图2- 遗留系统的DNA: 使用叫做GEM(Generalized Expectation-Maximization广义的期望最大化)的布局模式，上图2中的一部分揭露了最终模式，暴露几百大小范围从二到三十个以上的集群。

　　模式一旦被遗留系统方面的专家披露，审议就转移到模式的含义上来。关于非计划的设计，这些相似性的簇告诉我们什么？能看到这些簇所构成的任务么？ 这些任务能建立转化策略的基础么？

 　　图3-颜色和模式: GEM布局的颜色和模式对遗留代码间复杂关系提供了深刻的洞察。
这些工具分离码支持关键业务功能，而标识码可能被现代框架和工具取代。表面看上去难以应对的转换任务在视图上更加一目了然。