[논문 리뷰] Summarizing Semantic Model Differences

Shahar Maoz, Jan Oliver Ringert외 1명|arXiv (Cornell University)|2014. 09. 08.

Model-Driven Software Engineering Techniques참고 문헌 11인용 수 6

한 줄 요약

이 논문은 모델 기반 공학에서 의미론적 모델 차이를 위한 요약 기법을 제안한다. 등가 클래스를 사용하여 유사한 diff 워치독을 그룹화하고, 각 클래스에서 한 명의 대표자를 선택한다. 이 방법은 모든 워치독을 나열하지 않고도 압축되고 의미 있는 요약을 효율적으로 계산한다. 클래스 다이어그램과 활동 다이어그램에 대해 적용한 결과, 출력 크기가 크게 감소하고 개발자가 모델 비교를 더 쉽게 이해할 수 있도록 했다.

ABSTRACT

Fundamental building blocks for managing and understanding software evolution in the context of model-driven engineering are differencing operators one can use for model comparisons. Semantic model differencing deals with the definition and computation of semantic diff operators for model comparison, operators whose input consists of two models and whose output is a set of diff witnesses, instances of one model that are not instances of the other. However, in many cases the complete set of diff witnesses is too large to be efficiently computed and effectively presented. Moreover, many of the witnesses are very similar and hence not interesting. Thus, an important challenge of semantic differencing relates to witness selection and presentation. In this paper we propose to address this challenge using a summarization technique, based on a notion of equivalence that partitions the set of diff witnesses. The result of the computation is a summary set, consisting of a single representative witness from each equivalence class. We demonstrate our ideas using two concrete diff operators, for class diagrams and for activity diagrams, where the computation of the summary set is efficient and does not require the enumeration of all witnesses.

연구 동기 및 목표

• 의미론적 모델 차이 분석에서 큰 크기이자 중복이 많은 워치독 집합을 관리하는 데 도전하는 것.
• 개발자가 볼 수 있는 워치독 수를 줄여 모델 비교의 사용성을 향상시키는 것.
• 의미론적 등가 관계를 사용해 유사한 워치독을 그룹화하는 요약 기법을 개발하는 것.
• 요약이 실제 모델 차이를 의미적으로 올바르게 반영하고 대표성이 있도록 보장하는 것.
• 이 기법이 클래스 다이어그램과 활동 다이어그램에 대해 얼마나 효율적이고 효과적인지 보여주는 것.

제안 방법

• 기능적으로 구분되지 않는 워치독을 그룹화하기 위해 의미적 유사성 기반의 등가 관계를 워치독에 정의한다.
• 각 등가 클래스에 대해 대표 워치독을 계산하여 압축된 요약 집합을 구성한다.
• UML 클래스 다이어그램과 활동 다이어그램에 특화된 등가 기준을 설계한다.
• 모든 개별 워치독을 나열하지 않고도 요약 집합을 계산하는 차이 연산자를 구현한다.
• 모델의 구조와 의미를 활용해 모든 차이를 브루트 포스로 나열하는 것을 피한다.
• 형식적 모델 비교 기법을 사용해 요약의 정확성과 완전성을 보장한다.

실험 결과

연구 질문

• RQ1 의미론적 모델 차이 분석에서 핵심적인 차이를 유지하면서 워치독 수를 어떻게 줄일 수 있는가?
• RQ2 효율적인 요약을 가능하게 하기 위해 모델 차이 간의 의미론적 등가를 정의하는 기준은 무엇인가?
• RQ3 각 등가 클래스에서 대표 워치독 하나가 모델의 핵심 변경 사항을 올바르게 반영할 수 있는가?
• RQ4 전체 워치독 나열 대비 요약 기법의 효율성은 어떠한가?
• RQ5 요약이 모델 진화 이해도에 얼마나 기여하는가?

주요 결과

• 제안된 요약 기법은 의미론적 관련성을 잃지 않고 워치독 수를 크게 줄였다.
• 모든 워치독을 전부 나열하지 않아도 되므로, 클래스 다이어그램과 활동 다이어그램 모두에서 효율적인 계산이 가능했다.
• 요약 집합은 압축되어 있고 인간이 읽기 쉬워, 모델 차이를 더 쉽게 이해할 수 있게 되었다.
• 각 등가 클래스가 단 하나의 의미 있는 워치독으로 올바르게 표현되도록 하여 정확성이 유지되었다.
• 실험적 평가 결과, 이 기법은 실세계 모델 비교 작업에 대해 확장 가능하고 실용적임을 입증했다.
• 의미적으로 구분되는 변경 사항만 집중적으로 다루므로 효과적인 모델 진화 분석이 가능해졌다.