[논문 리뷰] Distributed Architecture Reconstruction of Polyglot and Multi-Repository Microservice Projects

Oscar Manglaras, Alex Farkas외 3명|arXiv (Cornell University)|2026. 02. 08.

Software System Performance and Reliability인용 수 0

한 줄 요약

이 논문은 ModARO를 제안하는데, 이는 extractors를 사용하여 다중 저장소 환경에서 마이크로서비스 아키텍처를 재구성하고 결과를 통합된 분산 모델로 집계하는 모듈식 정적 분석 프레임워크이다.

ABSTRACT

Microservice architectures encourage the use of small, independently developed services; however, this can lead to increased architectural complexity. Accurate documentation is crucial, but is challenging to maintain due to the rapid, independent evolution of services. While static architecture reconstruction provides a way to maintain up-to-date documentation, existing approaches suffer from technology limitations, mono-repo constraints, or high implementation barriers. This paper presents a novel framework for static architecture reconstruction that supports technology-specific analysis modules, called \emph{extractors}, and supports \emph{distributed architecture reconstruction} in multi-repo environments. We describe the core design concepts and algorithms that govern how extractors are executed, how data is passed between them, and how their outputs are unified. Furthermore, the framework is interoperable with existing static analysis tools and algorithms, allowing them to be invoked from or embedded within extractors.

연구 동기 및 목표

• 빠르게 진화하는 마이크로서비스 생태계에서 최신의 아키텍처 문서화의 필요성을 동기 부여한다.
• 다양한 스택에 대한 기술별 extractors를 지원하는 모듈식 정적 분석 프레임워크를 도입한다.
• 사후 집계를 통해 독립적인 저장소 분석을 가능하게 하여 다중 저장소 재구성을 다룬다.
• 기존 정적 분석 도구 및 워크플로우와의 통합을 가능하게 하는 API와 데이터 모델을 제공한다.
• 분산 재구성이 느슨한 결합을 보존하면서 집계된 아키텍처 뷰를 가능하게 하는 방법을 보여준다.

제안 방법

• 추출기가 공유 JSON 기반 모델을 수정하는 작고 무상태(stateless) 함수인 모듈식 프레임워크를 정의한다.
• 추출기가 작동하는 모델 엔터티를 설명하는 스키마와 함께 추출기를 등록한다.
• 엔터티에서 추출기를 실행하고, 출력을 병합하며, 하위 엔터티에 재귀적으로 반복하는 재귀적 재구성 알고리즘을 구현한다.
• 다수의 모델을 하나의 통합 모델로 결합하고 충돌 탐지를 제공하는 집계(병합) 알고리즘을 사용한다.
• 모델 집계 후 저장소 간 관계를 해결하기 위한 회고적 연결(retroactive linking)을 도입한다.
• 파일 스캔, 데이터 추출, 모델 주입과 같은 일반 작업을 간소화하는 API를 제공한다.

Figure 2 : Initialisation process of the reconstruction approach.

실험 결과

연구 질문

• RQ1 모듈식 추출기를 사용하여 이종 기술 전반에서 아키텍처 재구성을 일반화할 수 있는 방법은?
• RQ2 사적 독립 저장소 분석을 긴밀한 결합 없이 일관된 글로벌 아키텍처를 생성하도록 집계할 수 있는가?
• RQ3 마이크로서비스 아키텍처의 분산 재구성을 가장 잘 지원하는 데이터 모델과 집계 전략은 무엇인가?

주요 결과

• JSON 기반의 모듈식 모델과 무상태 추출기가 기술별 정적 분석을 지원한다.
• 추출기는 모델 엔터티에 대해 실행되며, 추출 후 집계와 결합하여 통합 아키텍처 뷰를 구축할 수 있다.
• 분산 재구성은 각 저장소가 로컬 모델을 생성하고 이를 전역 아키텍처로 집계할 수 있도록 하며 중앙 집중식 전체 코드 분석 없이도 가능하다.
• 집계 알고리즘은 기본형(primitives), 객체, 배열을 충돌 탐지와 함께 처리하여 병합 중 데이터 무결성을 보존한다.
• 회고적 링크는 모델 집계 후 서비스 간 관계를 해결하여 느슨한 결합을 유지하게 한다.
• 프레임워크는 추출기 API를 통해 기존 정적 분석 도구와의 상호 운용성을 염두에 두고 설계되었다.

Figure 3 : The createModelEntity function.