[논문 리뷰] Type Safety with JSON Subschema

Andrew Habib, Avraham Shinnar외 2명|arXiv (Cornell University)|2019. 11. 28.

Software Engineering Research참고 문헌 21인용 수 4

한 줄 요약

이 논문은 JSON 스키마에서 한 스키마가 다른 스키마의 하위 스키마인지 여부를 결정함으로써 정적 타입 안전성을 보장하는 공식적이고 구현된 하위 스키마 검사기인 jsonsubschema를 제시한다. 스키마를 표준화하고 단순화한 후, 유형별로 분해함으로써 정규 표현식, multipleOf 제약 조건, 스키마 조합과 같은 복잡한 기능을 효과적이고 정확하게 검사한다. 이는 실제 8,548개의 스키마 쌍에 대해 효과를 입증한다.

ABSTRACT

JSON is a popular data format used pervasively in web APIs, cloud computing, NoSQL databases, and increasingly also machine learning. JSON Schema is a language for declaring the structure of valid JSON data. There are validators that can decide whether a JSON document is valid with respect to a schema. Unfortunately, like all instance-based testing, these validators can only show the presence and never the absence of a bug. This paper presents a complementary technique: JSON subschema checking, which can be used for static type checking with JSON Schema. Deciding whether one schema is a subschema of another is non-trivial because of the richness of the JSON Schema specification language. Given a pair of schemas, our approach first canonicalizes and simplifies both schemas, then decides the subschema question on the canonical forms, dispatching simpler subschema queries to type-specific checkers. We apply an implementation of our subschema checking algorithm to 8,548 pairs of real-world JSON schemas from different domains, demonstrating that it can decide the subschema question for most schema pairs and is always correct for schema pairs that it can decide. We hope that our work will bring more static guarantees to hard-to-debug domains, such as cloud computing and artificial intelligence.

연구 동기 및 목표

• 런타임 검증이 오류가 많고 비용이 많이 드는 JSON 기반 시스템에서 정적 보장을 제공하지 못하는 문제를 해결하기 위해.
• 진화하는 웹 API와 머신러닝 파이프라인에서의 파괴적 변경 사항을 조기에 탐지하기 위해.
• JSON 스키마의 표현적 복잡성에도 불구하고 한 스키마가 다른 스키마의 하위 스키마인지 여부를 정확하고 확장 가능한 방식으로 판단할 수 있는 해결책을 제공하기 위해.
• 데이터 구조 불일치로 디버깅이 어려운 실패가 발생하기 쉬운 도메인인 클라우드 컴퓨팅과 AI에서 더 안전하고 신뢰할 수 있는 소프트웨어 개발을 지원하기 위해.

제안 방법

• 구문적 및 구조적 중복을 제거하면서 의미를 유지하는 방식으로 두 입력 스키마를 표준화하고 단순화한다.
• 기본 데이터 유형(예: 문자열, 숫자, 배열, 객체)에 따라 스키마를 유형 동질성 있는 조각으로 분해한다.
• 각 조각을 해당 유형 전용 검사기로 전달하여 해당 유형에 대한 하위 스키마 관계를 평가한다.
• 개별 조각 검사 결과를 조합하는 구성적 접근 방식을 사용하여 복잡한 스키마 구조 전반에서 정확성을 보장한다.
• 모든 결정 가능 사례에 대해 타당성과 완전성을 보장하기 위해 JSON 스키마의 공식적 의미를 활용한다.
• 웹 API, 클라우드 서비스, ML 파이프라인 등 다양한 도메인에서 온 실제 8,548개의 스키마 쌍에 이 알고리즘을 적용한다.

실험 결과

연구 질문

• RQ1 JSON 스키마의 풍부하고 복잡한 유형 체계에도 불구하고 공식적이고 효율적인 하위 스키마 검사기를 구축할 수 있는가?
• RQ2 정규 표현식, multipleOf 제약 조건, 부정 및 유니언을 포함한 스키마 조합과 같은 도전적인 기능을 다루는 데 이 방법이 얼마나 효과적인가?
• RQ3 정확성과 성능을 유지하면서도 실제 스키마 세트에 대해 확장 가능한가?
• RQ4 정적 검증을 가능하게 함으로써 하위 스키마 검사가 클라우드 및 AI 시스템에서 런타임 실패를 얼마나 효과적으로 방지할 수 있는가?

주요 결과

• jsonsubschema 도구는 평가한 8,548개의 실제 스키마 쌍 중 대부분에 대해 하위 스키마 관계를 성공적으로 결정한다.
• 도구가 결정할 수 있는 스키마 쌍에 대해서는 항상 정확하며, 모든 경우에서 타당성을 보장한다.
• 표준화 및 조각 기반 분해 전략이 정규 표현식, multipleOf, 스키마 조합과 같은 복잡한 스키마 기능을 효과적으로 처리한다.
• 이 방법은 배포 이전에 웹 API와 ML 파이프라인에서의 파괴적 변경 사항을 정적 방식으로 탐지할 수 있게 하여 런타임 실패와 디버깅 오버헤드를 줄인다.
• JSON 스키마의 표현력으로 인해 구조적 또는 어휘적 비교만으로는 부족한 나태한 구현 방식에 비해 이 방법이 뛰어난 성능을 보인다.
• 평가 결과, 하위 스키마 검사는 클라우드 컴퓨팅 및 AI 분야의 생산 환경 시스템에 대해 실현 가능하고 실용적임을 확인한다.