[논문 리뷰] Open Source Software: How Can Design Metrics Facilitate Architecture Recovery?

Eleni Constantinou, George Kakarontzas외 1명|arXiv (Cornell University)|2011. 10. 10.

Software Engineering Research참고 문헌 5인용 수 6

한 줄 요약

이 논문은 디자인 메트릭과 기계 학습을 활용하여 개방형 자바 시스템의 아키텍처 계층을 복원하는 방법론을 제안한다. 이는 DAG를 통한 종속성 구조 분석과 DIT, CBO, WMC 등의 메트릭을 계층 할당과 상관관계 분석함으로써 이루어진다. 결과적으로 DIT, CBO, RFC와 같은 메트릭이 아키텍처 계층과 유의미하게 상관관계가 있음을 확인하였으며, 이는 부분적이나마 의미 있는 계층 예측을 가능하게 하지만, 정확도는 계층과 시스템 간에 다양하게 나타남을 보여준다.

ABSTRACT

Modern software development methodologies include reuse of open source code. Reuse can be facilitated by architectural knowledge of the software, not necessarily provided in the documentation of open source software. The effort required to comprehend the system's source code and discover its architecture can be considered a major drawback in reuse. In a recent study we examined the correlations between design metrics and classes' architecture layer. In this paper, we apply our methodology in more open source projects to verify the applicability of our method. Keywords: system understanding; program comprehension; object-oriented; reuse; architecture layer; design metrics;

연구 동기 및 목표

• 문서화가 자주 부족한 개방형 소프트웨어에서 디자인 메트릭이 아키텍처 복원을 어떻게 지원할 수 있는지 조사하기 위해.
• 정적 분석과 기계 학습을 기반으로 코드 메트릭에서 아키텍처 계층을 예측하는 방법론을 개발하기 위해.
• 네 개의 대규모 개방형 자바 시스템인 JabRef, Jbpm, RapidMiner, SweetHome3D에서 접근법을 검증하기 위해.
• Chidamber와 Kemerer 메트릭이 UI, 컨트롤러, 비즈니스 로직, 인프라스트럭처와 같은 기능 계층을 식별하는 데 얼마나 유용한지 평가하기 위해.
• 완전한 문서가 없이도 개발자가 시스템 아키텍처를 유추할 수 있도록 소프트웨어 재사용을 향상시키기 위해.

제안 방법

• 정적 분석을 통해 방향성 없는 사이클 그래프(DAG)를 구축하여, 시스템 내 종속성 계층을 나타내는 D-계층을 도출한다.
• ckjm 도구를 사용하여 각 클래스에 대해 여덟 개의 Chidamber 및 Kemerer(C&K) 디자인 메트릭을 계산한다: WMC, DIT, NOC, CBO, RFC, LCOM, Ca, NPM.
• 메트릭 값과 아키텍처 계층 간의 관계를 맺는 분류 규칙을 생성하기 위해 JRip, 즉 규칙 기반 기계 학습 분류기를 적용한다.
• 연속된 D-계층을 그룹화하여 일시적인 아키텍처 계층을 구성하고, 정밀도와 재현율 메트릭을 사용하여 예측 성능을 평가한다.
• 디자인 메트릭과 D-계층 간의 상관관계 행렬을 분석하여 아키텍처 역할을 가장 잘 예측하는 메트릭을 식별한다.
• 술어 통계, 상관관계 분석, 분류 정확도를 활용하여 네 개의 개방형 시스템에서 결과를 검증한다.

실험 결과

연구 질문

• RQ1 DIT, CBO, WMC와 같은 디자인 메트릭이 개방형 시스템에서 아키텍처 계층을 효과적으로 예측할 수 있는가?
• RQ2 디자인 메트릭에 기반한 기계 학습 모델이 알려진 아키텍처 계층 구조를 얼마나 잘 복원하는가?
• RQ3 어느 디자인 메트릭이 아키텍처 계층 할당과 가장 강한 통계적 상관관계를 보이는가?
• RQ4 종속성 분석을 통해 유도된 D-계층이 아키텍처 계층화의 대체 지표로 얼마나 유용한가?
• RQ5 왜 일부 아키텍처 계층(예: D-계층 4)은 메트릭 상관관계가 있음에도 불구하고 분류 성능이 열악한가?

주요 결과

• DIT, CBO, RFC, LCOM, Ca는 네 개의 시스템 전반에서 아키텍처 계층과 유의미한 상관관계를 보였으며, 이는 아키텍처 복원에 있어 그들의 관련성을 시사한다.
• 사용자 인터페이스 클래스(D-계층 4)의 경우, 규칙가 낮은 LCOM과 낮거나 중간 수준의 DIT를 나타내었으며, 이는 사용자 상호작용 기능과 일치한다.
• 컨트롤러 클래스(D-계층 3)는 낮은 CBO와 Ca를 선호하는 규칙에 의해 예측되었으며, 이는 UI와 비즈니스 로직 간의 중개 역할과 부합한다.
• 비즈니스 로직 클래스(D-계층 2)는 높은 CBO와 WMC와 관련이 있었으며, 이는 복잡한 상호작용과 책임을 지닌다는 가설을 뒷받침한다.
• 인프라스트럭처 클래스(D-계층 1)는 낮은 CBO와 RFC로 예측되었으며, 이는 데이터 저장 및 최소한의 공개 인터페이스 기능을 반영한다.
• 분류 정확도는 다양하게 나타났다: JabRef는 D-계층 2에서 정밀도 0.727, 재현율 0.5를 기록했고, SweetHome3D는 D-계층 2에서 정밀도 1.0이지만 재현율은 0.009에 그쳐 시스템 간 성능의 일관성 부족을 보여준다.