[論文レビュー] Distributed Architecture Reconstruction of Polyglot and Multi-Repository Microservice Projects

Oscar Manglaras, Alex Farkas+3 more|arXiv (Cornell University)|Feb 8, 2026

Software System Performance and Reliability被引用数 0

ひとこと要約

論文は ModARO というモジュラー静的解析フレームワークを提案します。これにより extractors を用いてマイクロサービスアーキテクチャを複数リポジトリ環境で再構築し、結果を統一された分散モデルに集約します。

ABSTRACT

Microservice architectures encourage the use of small, independently developed services; however, this can lead to increased architectural complexity. Accurate documentation is crucial, but is challenging to maintain due to the rapid, independent evolution of services. While static architecture reconstruction provides a way to maintain up-to-date documentation, existing approaches suffer from technology limitations, mono-repo constraints, or high implementation barriers. This paper presents a novel framework for static architecture reconstruction that supports technology-specific analysis modules, called \emph{extractors}, and supports \emph{distributed architecture reconstruction} in multi-repo environments. We describe the core design concepts and algorithms that govern how extractors are executed, how data is passed between them, and how their outputs are unified. Furthermore, the framework is interoperable with existing static analysis tools and algorithms, allowing them to be invoked from or embedded within extractors.

研究の動機と目的

• rapidly evolving microservice ecosystems での最新のアーキテクチャ文書化の必要性を動機づける。
• diverse stacks に対応する技術特有の抽出器をサポートするモジュラー静的解析フレームワークを紹介する。
• ポストホック集約を伴う独立リポジトリ分析を可能にし、マルチリポ reconstruction に対応する。
• 既存の静的解析ツールとワークフローへの統合を可能にする API とデータモデルを提供する。
• 分散再構築が緩い結合を保持しつつ集約アーキテクチャビューを可能にすることを示す。

提案手法

• 抽出器が共有 JSON ベースのモデルを変更する小さくてステートレスな関数である、というモジュラー設計を定義する。
• 抽出器を、彼らが操作するモデルエンティティを記述するスキーマとともに登録する。
• エンティティ上で抽出器を実行し、出力をマージしてサブエンティティを再帰的に処理する再帰的再構築アルゴリズムを実装する。
• 複数のモデルを単一の統一モデルに結合する集約（マージ）アルゴリズムを使用し、衝突検出を行う。
• モデル集約後にリポジトリ間の関係を解決するための retroactive linking を導入する。
• ファイルスキャン、データ抽出、モデル注入などの一般的なタスクを簡素化する API を提供する。

Figure 2 : Initialisation process of the reconstruction approach.

実験結果

リサーチクエスチョン

• RQ1 モジュラー抽出器を用いて異種技術間でアーキテクチャ再構築を一般化するにはどうすればよいか。
• RQ2 独立リポジトリ分析を集約して、厳密な結合なしに一貫したグローバルアーキテクチャを生み出せるか。
• RQ3 分散再構築をサポートするデータモデルと集約戦略はどのようなものが最適か。

主な発見

• JSON ベースのモジュラーなモデルとステートレス抽出器は技術特有の静的解析をサポートする。
• 抽出器はモデルエンティティに対して実行され、抽出後の集約と組み合わせて統一されたアーキテクチャビューを構築できる。
• 分散再構築により各リポジトリはローカルモデルを生成し、それをグローバルアーキテクチャへ集約することができる（中央集権的な全コード分析を必要としない）。
• 集約アルゴリズムはプリミティブ、オブジェクト、配列を扱い、データ整合性を保つための衝突検出を行う。
• retroactive links によりモデル集約後にサービス間のリレーションを解決でき、緩い結合を維持する。
• このフレームワークは抽出器 API を通じて既存の静的解析ツールと相互運用するよう設計されている。

Figure 3 : The createModelEntity function.