[논문 리뷰] Discovery of Layered Software Architecture from Source Code Using Ego Networks

Sanjay B. Thakare, Arvind W. Kiwelekar|arXiv (Cornell University)|2021. 06. 06.

Advanced Software Engineering Methodologies참고 문헌 2인용 수 9

한 줄 요약

이 논문은 개별 노드 중심의 사회적 네트워크 구조인 이고 네트워크로 의존성을 모델링하여 자바 소스 코드에서 계층적 소프트웨어 아키텍처를 완전히 자동으로 복원하는 새로운 방법을 제안한다. 이 방법은 정적 및 변화하는 시스템에서 표준 기법들보다 레이어 정확도와 위반 탐지 성능이 뛰어나며, 아키텍처 복원 및 유지보수 분야에서 큰 잠재력을 보여준다.

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.

연구 동기 및 목표

• 문서가 오래되었거나 누락된 경우에도 소스 코드에서 계층적 소프트웨어 아키텍처를 역설계하는 데 도전하는 것.
• 전문가의 입력에 의존하고 편향이나 비용을 유발하는 수동 및 반자동 방법의 한계를 극복하는 것.
• 네트워크 분석 원리를 활용하여 완전히 자동화되고 확장 가능한 방법으로 계층 아키텍처를 재구성하는 것.
• 정확한 클래스와 패키지 할당을 통해 소프트웨어 시스템의 해석 가능성과 유지보수성을 향상시키는 것.
• 다양한 소프트웨어 시스템, 특히 지속적으로 변화하는 시스템에서의 검증을 통해 방법의 강건성과 일반화 능력을 확보하는 것.

제안 방법

• 자바 시스템 내 클래스와 패키지 간의 의존성 관계를 추출하여 유도 그래프 형태의 네트워크 표현을 구성하는 것.
• 각 노드(클래스/패키지)를 에고로 간주하고, 그의 직접 이웃들로 이루어진 1차 이웃 구역을 형성함으로써 의존성 네트워크를 이고 네트워크로 모델링하는 것.
• 의존성 패tern과 연결성에 기반하여 각 이고 네트워크를 처리하고 국소적인 레이어 구조를 식별 및 최적화하는 것.
• 반복적인 병합과 정제를 통해 개별 이고 레이어를 통합하고 전역적인 계층 아키텍처를 도출하는 것.
• 레이어 형성의 안정성을 향상시키기 위해 빈도와 연결성에 기반한 노드 선택 전략을 적용하는 것.
• 소프트웨어 버전 간 변화의 影響, 안정성, 위반 수(역방향 호출 및 스킵 호출) 등의 메트릭을 사용하여 결과를 검증하는 것.

실험 결과

연구 질문

• RQ1 의존성 관계에서 소스 코드 기반으로 계층적 소프트웨어 아키텍처를 모델링하고 복원하는 데 있어 이고 네트워크가 효과적으로 적용될 수 있는가?
• RQ2 제안된 이고 네트워크 기반 방법은 표준 클러스터링 및 아키텍처 복원 기법과 비교해 정확도와 위반 탐지 성능에서 어떻게 다른가?
• RQ3 노드 선택 전략과 빈도는 복원된 아키텍처의 품질과 안정성에 어떤 영향을 미치는가?
• RQ4 이 방법은 정적 시스템과 지속적으로 변화하는 소프트웨어 시스템 양쪽 모두에서 얼마나 잘 작동하는가?
• RQ5 이 방법은 다양한 소프트웨어 유형과 객체 지향 프로그래밍 언어로 일반화될 수 있는 정도는 어느 정도인가?

주요 결과

• 제안된 방법은 레이어 복원 및 위반 탐지에서 네 가지 표준 기법과 비교해 여러 메트릭에서 뛰어난 성능을 보였다.
• JHotDraw 시스템에서 최신 버전(jhd7_6)의 안정성은 44.46%로 나타나 변화에 더 민감해졌으며, 이 중 55.54%의 위반은 새로운 의존성에 기인했다.
• jhd7_2에서는 72.18%의 위반을 탐지했고, jhd7_5_1에서는 56.24%를 탐지하여 아키텍처 이탈에 대한 높은 민감도를 보였다.
• 작은 시스템과 큰 시스템 모두에서 뛰어난 성능을 보였으며, 특히 복잡하고 변화가 지속되는 JHotDraw에서도 높은 정확도로 레이어 할당을 수행했다.
• 실험 분석을 통해 노드 선택 전략과 빈도가 레이어 품질과 안정성에 상당한 영향을 미치는 것으로 밝혀졌으며, 최적화된 전략은 위반 수를 감소시켰다.
• 일부 버전(예: jhd5_3, jhd6_0_b1)에서는 100%의 안정성을 달성하여 특정 조건 하에서 일관된 아키텍처 무결성을 유지함을 시사했다.