[논문 리뷰] Complex Networks Analysis for Software Architecture: an Hibernate Call Graph Study

Daniel Henrique Mourão Falci, Orlando Gomes외 1명|arXiv (Cornell University)|2017. 06. 29.

Complex Network Analysis Techniques참고 문헌 7인용 수 3

한 줄 요약

이 논문은 하이버네이트 5.1.3의 정적 콜 그래프에 복잡한 네트워크 분석을 적용하여, 소형 세계 및 스케일프리 위상 구조를 보이며 높은 모듈성과 강한 커뮤니티 구조를 나타냄을 밝혀냄. 연구는 중심성 측정을 통해 핵심 컴포넌트를 규명하여, 네트워크 이론 지표가 전통적인 소프트웨어 메트릭을 넘어서 아키텍처적 통찰을 드러낼 수 있음을 입증함.

ABSTRACT

Recent advancements in complex network analysis are encouraging and may provide useful insights when applied in software engineering domain, revealing properties and structures that cannot be captured by traditional metrics. In this paper, we analyzed the topological properties of Hibernate library, a well-known Java-based software through the extraction of its static call graph. The results reveal a complex network with small-world and scale-free characteristics while displaying a strong propensity on forming communities.

연구 동기 및 목표

• 복잡한 네트워크 분석이 소프트웨어 시스템에서 아키텍처적으로 중요한 성질을 드러낼 수 있는지 조사하기.
• 네트워크 이론 지표를 사용하여 하이버네이트의 정적 콜 그래프의 위상적 특성을 평가하기.
• 중심성 및 모듈성 분석을 통해 소프트웨어 컴포넌트를 식별하고 아키텍처적 통찰을 확보하기.
• 소프트웨어 아키텍처의 맥락에서 전통적인 소프트웨어 메트릭과 복잡한 네트워크 측정치를 비교하기.
• 자바 기반 소프트웨어에서 정적 콜 그래프 추출을 위한 접근 가능한 도구 개발하기.

제안 방법

• 하이버네이트 core.jar(버전 5.1.3)에서 커스터마이징된 콜 그래프 추출기를 사용하여 정적 콜 그래프를 추출함.
• 소프트웨어 요소를 노드로, 메서드 호출을 간선으로 하여 콜 그래프를 복잡한 네트워크로 표현함.
• 소형 세계 특성을 테스트하기 위해 연결 확률 p ≈ 0.0001525를 사용한 에르되시-레니 랜덤 네트워크 모델을 적용함.
• 하이버네이트 네트워크의 평균 클러스터링 계수(C = 0.194)와 평균 최단 경로(d = 19.664)를 계산하고, 랜덤 네트워크(C ≈ 0, d ≈ 3.479)와 비교함.
• 커뮤니티 탐지에 루반 알고리즘을 사용하여 모듈성 최적화를 수행하여 M = 0.838를 달성함.
• 중심성 측정치(도수, 중간성, 고유벡터, 페이지랭크)를 적용하여 상위 소프트웨어 컴포넌트를 순위 매김함.

실험 결과

연구 질문

• RQ1 하이버네이트와 같은 대규모 자바 라이브러리의 정적 콜 그래프가 소형 세계 특성을 보이는가?
• RQ2 하이버네이트 콜 그래프는 스케일프리인가? 즉, 힘의 법칙에 따른 도수 분포를 보이는가?
• RQ3 콜 그래프는 어느 정도 커뮤니티 구조를 보이며, 몇 개인가요?
• RQ4 복잡한 네트워크 측정치에 따르면 어떤 소프트웨어 컴포넌트가 가장 중심적이거나 영향력이 있는가?
• RQ5 복잡한 네트워크 메트릭이 전통적인 소프트웨어 메트릭이 포착하지 못하는 아키텍처적 통찰을 드러낼 수 있는가?

주요 결과

• 하이버네이트 콜 그래프는 소형 세계 특성을 보이며, 높은 클러스터링 계수(C = 0.194)와 상대적으로 짧은 평균 경로 길이(d = 19.664)를 가지며, 이는 랜덤 네트워크의 d ≈ 3.479보다 크게 높음.
• 네트워크는 스케일프리 위상 구조를 보이며, 도수 분포의 힘의 법칙 지수 α ≈ 2.6을 보여, 소수의 매우 연결이 많은 컴포넌트와 다수의 흩어진 연결 컴포넌트가 있음을 시사함.
• 모듈성 분석을 통해 M = 0.838로 매우 강한 커뮤니티 구조를 확인하였으며, 이는 이론적 최대값에 가까움. 총 446개의 별개의 커뮤니티가 형성되었고, 상위 10개 커뮤니티는 전체 노드의 47.45%를 차지함.
• 도수 중심성 기준 상위 10개 컴포넌트로는 org.hibernate.type.BasicType, org.hibernate.dialect.Dialect, org.hibernate.boot.MetadataBuilderImpl 등이 포함되어 있어 높은 연결성을 가짐.
• org.hibernate.type.BasicType 및 org.hibernate.dialect.Dialect 등의 컴포넌트는 여러 중심성 측정치에서 높은 순위를 차지하여 아키텍처적 중요성을 시사함.
• 본 연구는 복잡한 네트워크 분석이 전통적인 소프트웨어 메트릭으로 쉽게 파악하기 어려운 구조적 성질—예를 들어 모듈성과 스케일프리 행동—을 드러낼 수 있음을 확인함.