[論文レビュー] Discovery of Layered Software Architecture from Source Code Using Ego Networks

Sanjay B. Thakare, Arvind W. Kiwelekar|arXiv (Cornell University)|Jun 6, 2021

Advanced Software Engineering Methodologies参考文献 2被引用数 9

ひとこと要約

本論文は、依存関係をエゴネットワーク（個々のノードを中心とする社会的ネットワーク構造）としてモデル化することで、Javaのソースコードから階層型ソフトウェアアーキテクチャを完全に自動で回復する新規かつ包括的な手法を提案する。この手法は、静的および進化するシステムにおいて、標準的手法に比べて階層の正確性と違反検出の両面で優れた性能を示し、アーキテクチャの回復および保守における大きな潜在的価値を示している。

ABSTRACT

Software architecture refers to the high-level abstraction of a system including the configuration of the involved elements and the interactions and relationships that exist between them. Source codes can be easily built by referring to the software architectures. However, the reverse process i.e. derivation of the software architecture from the source code is a challenging task. Further, such an architecture consists of multiple layers, and distributing the existing elements into these layers should be done accurately and efficiently. In this paper, a novel approach is presented for the recovery of layered architectures from Java-based software systems using the concept of ego networks. Ego networks have traditionally been used for social network analysis, but in this paper, they are modified in a particular way and tuned to suit the mentioned task. Specifically, a dependency network is extracted from the source code to create an ego network. The ego network is processed to create and optimize ego layers in a particular structure. These ego layers when integrated and optimized together give the final layered architecture. The proposed approach is evaluated in two ways: on static versions of three open-source software, and a continuously evolving software system. The distribution of nodes amongst the proposed layers and the committed violations are observed on both class level and package level. The proposed method is seen to outperform the existing standard approaches over multiple performance metrics. We also carry out the analysis of variation in the results concerning the change in the node selection strategy and the frequency. The empirical observations show promising signs for recovering software architecture layers from source codes using this technique and also extending it further to other languages and software.

研究の動機と目的

• ドキュメントが古くなっている、あるいは存在しない状況下でも、ソースコードから階層型ソフトウェアアーキテクチャを逆方向に設計する課題に取り組む。
• 専門家の入力を必要とし、バイアスやコストを生じさせる可能性がある、手動および準自動的手法の限界を克服する。
• ネットワーク解析の原則に基づいて、完全に自動的かつスケーラブルな方法で階層型アーキテクチャを再構築する。
• クラスやパッケージを論理的レイヤーに正確に割り当てることで、ソフトウェアシステムの解釈可能性と保守性を向上させる。
• 多様なソフトウェアシステム、特に継続的に進化するシステムを対象に検証することで、堅牢性と一般化能力を確保する。

提案手法

• Javaシステム内のクラスおよびパッケージ間の依存関係を抽出し、有向ネットワーク表現を構築する。
• 依存関係ネットワークをエゴネットワークとしてモデル化し、各ノード（クラス／パッケージ）をエゴとし、その直接の隣接ノードが一次近傍を形成する。
• 各エゴネットワークを処理し、依存関係のパターンと接続性に基づいて局所的なレイヤー構造を同定および最適化する。
• 反復的な統合と精錬を経て、個々のエゴレイヤーを統合し、グローバルな階層型アーキテクチャを形成する。
• 頻度と接続性に基づくノード選択戦略を適用し、レイヤー形成をガイドすることで安定性を向上させる。
• 変更の影響、安定性、違反数（逆呼び出しおよびスキップ呼び出し）などのメトリクスを用いて結果を検証する。

実験結果

リサーチクエスチョン

• RQ1 エゴネットワークは、ソースコードの依存関係から階層型ソフトウェアアーキテクチャをモデル化し、回復するために効果的に適応可能であるか？
• RQ2 提案手法のエゴネットワークベースのアプローチは、標準的なクラスタリングおよびアーキテクチャ回復手法と比較して、正確性および違反検出の観点でどの程度優れているか？
• RQ3 ノード選択戦略および頻度の影響は、回復されたアーキテクチャの品質および安定性にどのように現れるか？
• RQ4 本手法は、静的および継続的に進化するソフトウェアシステムの両方で、どの程度の性能を示すか？
• RQ5 本手法は、異なる種類のソフトウェアおよびオブジェクト指向言語に一般化して適用可能か、その範囲はどの程度か？

主な発見

• 提案手法は、4つの標準的手法と比較して、レイヤー回復および違反検出の複数のメトリクスにおいて優れた性能を達成した。
• JHotDrawシステムでは、最新バージョン（jhd7_6）の安定性が44.46%であった。これは変更に対する感受性が高まっていることを示し、55.54%の違反が新しい依存関係に起因していた。
• jhd7_2では72.18%、jhd7_5_1では56.24%の違反が検出され、アーキテクチャのずれ（architectural drift）に対する高い感受性を示した。
• 本手法は、小規模および大規模なシステム、特に複雑で進化を続けるJHotDrawに対しても、高い正確性を示し、レイヤー割り当ての精度が優れていた。
• 実証的分析から、ノード選択戦略および頻度がレイヤー品質および安定性に顕著な影響を与えることが判明し、最適化された戦略により違反が減少した。
• いくつかのバージョン（例：jhd5_3、jhd6_0_b1）では100%の安定性を達成しており、特定の条件下で一貫したアーキテクチャ的整合性を保っていた。