[논문 리뷰] The Distribution of Program Sizes and Its Implications: An Eclipse Case Study

Hongyu Zhang, Hee Beng Kuan Tan외 1명|ArXiv.org|2009. 05. 14.

Software Engineering Research참고 문헌 18인용 수 5

한 줄 요약

이 연구는 이클립스 오픈소스 생태계를 분석하여 프로그램 크기가 로그노멀 분포를 따른다는 것을 밝혀내며, 크기 순으로 정렬된 프로그램들에서 결함 수는 웨이부ll 분포를 따른다는 것을 발견했다. 이 결과들은 대규모 자바 시스템의 크기 추정을 향상시키고, 소수의 큰 프로그램이 결함의 비율을 지배적으로 차지함을 드러내어, 소프트웨어 품질 예측에서 크기 분포가 핵심 요소임을 시사한다.

ABSTRACT

A large software system is often composed of many inter-related programs of different sizes. Using the public Eclipse dataset, we replicate our previous study on the distribution of program sizes. Our results confirm that the program sizes follow the lognormal distribution. We also investigate the implications of the program size distribution on size estimation and quality predication. We find that the nature of size distribution can be used to estimate the size of a large Java system. We also find that a small percentage of largest programs account for a large percentage of defects, and the number of defects across programs follows the Weibull distribution when the programs are ranked by their sizes. Our results show that the distribution of program sizes is an important property for understanding large and complex software systems.

연구 동기 및 목표

• 대규모 소프트웨어 시스템에서 프로그램 크기의 통계적 분포를 조사하고, 이클립스 플랫폼을 사례 연구로 활용한다.
• 프로그램 크기 분포가 소프트웨어 품질 예측 및 결함 분포에 미치는 영향을 검토한다.
• 로그노멀 및 웨이부ll 분포가 실제 소프트웨어 시스템에 적용 가능한지 검증한다.
• 크기 분포가 노력 추정 및 결함 예측과 같은 소프트웨어 공학 관행에 미치는 영향을 탐색한다.
• 대규모 소프트웨어 개발에서 크기 기반 모델의 사용을 뒷받침하는 경험적 증거를 제공한다.

제안 방법

• 저자들은 공개된 이클립스 소프트웨어 데이터셋을 분석하여 개별 프로그램의 크기(예: 코드 줄 수)를 추출한다.
• 통계적 피팅 기법을 적용하여 프로그램 크기가 로그노멀 분포를 따르는지 테스트한다.
• 프로그램들을 크기 순으로 정렬하고, 결함 수를 분석하여 분포 패턴을 평가하며, 웨이부ll 분포를 검증한다.
• 이 연구는 이클립스 릴리스에서 얻은 경험적 데이터를 사용하여 크기 추정 및 결함 예측 모델을 검증한다.
• 통계적 가설 검정 및 적합도 측정 기준(예: 쿠모고로프-스미르노프 검정)을 사용하여 분포 가정을 확인한다.
• 확률도의 시각적 검토 및 분포 피팅의 정량적 비교를 포함한 분석을 수행한다.

실험 결과

연구 질문

• RQ1 대규모 소프트웨어 시스템인 이클립스에서 프로그램 크기가 로그노멀 분포를 따르는가?
• RQ2 프로그램들을 크기 순으로 정렬했을 때, 결함 분포는 프로그램 크기와 어떻게 관련이 있는가?
• RQ3 로그노멀 분포를 활용하여 대규모 자바 시스템의 크기를 추정할 수 있는가?
• RQ4 소수의 큰 프로그램이 결함의 비례적으로 높은 비중을 차지하는 정도는 어느 정도인가?
• RQ5 크기 순으로 정렬된 프로그램들에 대해 결함 수에 대한 웨이부ll 분포가 적합한 모델인가?

주요 결과

• 이클립스 생태계의 프로그램 크기는 로그노멀 분포를 따르며, 더 큰 규모와 다양성의 데이터셋을 통해 이전의 발견을 확인한다.
• 가장 큰 프로그램의 소수의 비율이 결함의 다수를 차지하며, 이는 큰 컴포넌트에서 결함 집중 현상이 뚜렷하다는 것을 시사한다.
• 크기 순으로 정렬된 프로그램들에 대한 결함 수는 웨이부ll 분포를 따르며, 이는 크기 증가에 따라 비선형적인 결함 증가 패턴이 있음을 시사한다.
• 로그노멀 크기 분포를 활용하면 대규모 자바 시스템의 크기 추정이 보다 정확해지며, 소프트웨어 공학에서 예측 모델링을 지원한다.
• 이 연구는 크기 분포가 결함 역학과 시스템 복잡성 이해에 있어 핵심 요소임을 입증한다.
• 결과는 큰 프로그램에 초점을 맞추는 것이 소프트웨어 유지보수에서 결함 예측 및 자원 배분을 크게 향상시킬 수 있음을 시사한다.