Resumen Técnico: ModARO - Un enfoque modular para la reconstrucción de la arquitectura de bases de código de microservicios distribuidos

1. Declaración del Problema

Las arquitecturas de microservicios ofrecen beneficios en escalabilidad y desarrollo independiente, pero introducen una complejidad arquitectónica significativa. Los desarrolladores suelen tener dificultades para mantener la visibilidad de cómo los cambios en los servicios individuales afectan al sistema global. Este desafío se ve exacerbado por la "deriva arquitectónica" (architectural drift), donde el desarrollo rápido supera a la documentación, y por la prevalencia de configuraciones de múltiples repositorios donde los servicios están divididos en bases de código separadas.

Los métodos existentes de reconstrucción automática de la arquitectura enfrentan dos limitaciones primarias:

1. Falta de Reutilización: El código de reconstrucción suele estar estrechamente acoplado a pilas tecnológicas específicas (lenguajes, librerías, herramientas de despliegue) y convenciones de proyecto, lo que dificulta su reutilización en diferentes proyectos.
2. Incapacidad para Manejar Sistemas Distribuidos: La mayoría de los enfoques asumen el acceso a una base de código monolítica. Cuando los microservicios están divididos en repositorios separados, las herramientas de reconstrucción que se ejecutan en un solo repositorio no pueden ver el sistema completo, y la agregación centralizada de los resultados anula los beneficios de los flujos de CI/CD distribuidos.

2. Metodología: El Enfoque ModARO

Los autores proponen ModARO (MODular Architecture Reconstruction Orchestrator), un marco de análisis estático diseñado para reconstruir la arquitectura a partir de artefactos (código fuente, archivos de configuración) utilizando un flujo de trabajo modular y agnóstico a la tecnología.

Componentes Principales

• Modelo de Arquitectura Compartido: ModARO utiliza un modelo recursivo basado en JSON para representar el sistema. Toda la información extraída se almacena como "entidades del modelo" (por ejemplo, microservicios, peticiones HTTP) dentro de esta estructura compartida. Los extractores no se comunican directamente entre sí; leen de y escriben en este modelo. Esto desacopla los extractores, permitiendo que sean intercambiados o actualizados sin afectar a otros, siempre que cumplan con el esquema acordado.
• Extractores: Estos son unidades de código modulares (implementadas como funciones de JavaScript en el estudio) que aceptan una entidad del modelo como entrada, analizan artefactos específicos y modifican la entidad para almacenar los datos extraídos.
  • Diseño Sin Estado (Stateless): Los extractores no tienen estado global; su comportamiento está definido enteramente por la entidad de entrada y el repositorio de código que se está analizando.
  • Registro de Esquema: Cada extractor registra un Esquema JSON que define la estructura de las entidades del modelo que acepta (por ejemplo, requiriendo un campo $path). Esto asegura que los datos se pueblen antes de que se ejecute un extractor.
• Algoritmo de Reconstrucción: Un orquestador recursivo que gestiona el flujo de ejecución:
  1. Crea una entidad de modelo de nivel superior.
  2. Pasa esta entidad a los extractores cuyos esquemas coincidan.
  3. Los extractores pueden crear nuevas sub-entidades (por ejemplo, identificando un microservicio y creando una nueva entidad para él).
  4. El algoritmo dispara recursivamente los extractores para estas nuevas entidades.
  5. Realiza múltiples pasadas para manejar dependencias donde la salida de un extractor habilita la entrada de otro.
  6. Detecta y lanza errores ante modificaciones conflictivas para garantizar la integridad de los datos.

Reconstrucción de Arquitectura Distribuida

ModARO aborda los desafíos de los múltiples repositorios mediante dos mecanismos:

1. Ejecución Independiente: Cada repositorio de microservicio puede ser reconstruido individualmente. El resultado es un modelo parcial específico para ese servicio.
2. Agregación de Modelos: Un algoritmo separado fusiona los modelos parciales de diferentes repositorios en una única vista de la arquitectura. Realiza una unión recursiva de campos, fusionando la información única y señalando los conflictos (por ejemplo, valores diferentes para el mismo campo) como errores.
3. Vinculación Retroactiva (Retroactive Linking): Para definir relaciones (por ejemplo, el Servicio A llama al Servicio B) sin conocer los detalles completos del objetivo en el momento de la extracción, ModARO utiliza "enlaces" (links). Un enlace define un esquema (por ejemplo, "un microservicio con el nombre 'X'") para el objetivo. Tras la agregación, el sistema resuelve estos enlaces buscando en el modelo combinado las entidades que coincidan con el esquema.

3. Contribuciones Clave

• Marco de Extracción Modular: Un diseño que permite escribir extractores para cualquier tecnología y reutilizarlos en diferentes proyectos, independientemente de la pila circundante.
• Flujo de Trabajo de Reconstrucción Distribuida: Un enfoque novedoso que permite la reconstrucción a través de múltiples repositorios, con salidas que se agregan posteriormente, apoyando el principio de "acoplamiento débil" de los microservicios.
• Vinculación Retroactiva: Un mecanismo para definir relaciones entre servicios basados en la coincidencia de esquemas en lugar de identificadores codificados de forma rígida, acomodando cambios de código asíncronos.
• Validación Empírica:
  • Estudio de Caso: Aplicado a 10 proyectos de microservicios de código abierto (que oscilan entre 20k y 1.1M de LOC) utilizando diversos lenguajes (Java, Python, Go, etc.) y tecnologías (Docker, Kubernetes, Spring, etc.).
  • Estudio de Usuario: Evaluado con 8 profesionales de la industria frente a una línea base de vanguardia (ReSSA).

4. Resultados

Hallazgos del Estudio de Caso (RQ1-RQ3)

• Capacidad de Reconstrucción: ModARO extrajo con éxito una amplia gama de información arquitectónica (nombres de servicios, dependencias, lenguajes, endpoints) de los 10 proyectos. Los fallos en la extracción de datos específicos se atribuyeron a las limitaciones inherentes del análisis estático (por ejemplo, la construcción dinámica de cadenas) o a una documentación poco clara, no a fallos en el enfoque de ModARO.
• Reutilización: De 71 extractores desarrollados, 44 (62%) fueron reutilizables entre proyectos. Los 27 extractores específicos de cada proyecto fueron necesarios debido a convenciones de proyecto únicas, estructuras de directorios personalizadas o la necesidad de recolectar metadatos específicos del proyecto. Los autores señalan que la capacidad de crear fácilmente estos extractores personalizados es una fortaleza, no una debilidad.
• Soporte Distribuido: Los extractores se reutilizaron con éxito tanto en contextos de mono-repo como de multi-repo sin modificaciones. El algoritmo de agregación fusionó con éxito los modelos de repositorios separados, y los enlaces retroactivos se resolvieron correctamente, aunque el estudio señaló la necesidad de que los esquemas de enlace sean resolubles retroactivamente en escenarios complejos (por ejemplo, dominios almacenados en variables de entorno en repositorios remotos).

Hallazgos del Estudio de Usuario (RQ4)

• Utilidad y Usabilidad Percibida: Los profesionales calificaron a ModARO como más útil y fácil de usar que la línea base ReSSA.
• Ventajas Clave: Los participantes prefirieron el flujo de trabajo basado en código de ModARO (JavaScript) sobre el enfoque de ReSSA basado en la configuración (JSON con callbacks de cadena). Citaron el mejor soporte de herramientas (resaltado de sintaxis, pistas de tipo) y la capacidad de procesar datos en "código real" como factores de usabilidad importantes.
• Desafíos: Ambos enfoques fueron calificados de manera similar en cuanto a la dificultad de filtrado de datos y extracción de código. Los participantes expresaron el deseo de contar con capacidades de análisis más avanzadas que las expresiones regulares, sugiriendo que integrar analizadores estructurados (como los de ReSSA) en el marco modular de ModARO sería beneficioso.
• Enfoque Híbrido: Una versión híbrida (ModARO orquestando analizadores de ReSSA) recibió las calificaciones más altas, lo que sugiere que combinar la modularidad de ModARO con capacidades de análisis avanzado es una dirección prometedora.

5. Significación y Reivindicaciones

El artículo afirma que ModARO demuestra con éxito un camino viable hacia una reconstrucción de arquitectura modular y distribuida. Su significación radica en:

• Desacoplar la Tecnología de la Lógica: Al utilizar un modelo compartido y un registro basado en esquemas, ModARO permite a los desarrolladores ensamblar extractores adaptados a sus pilas tecnológicas específicas sin reescribir la lógica central.
• Apoyo a los Flujos de Trabajo Modernos: Permite la integración de la reconstrucción de la arquitectura en los flujos de CI/CD de los repositorios de microservicios individuales, facilitando la "documentación continua" y las comprobaciones de conformidad sin requerir una visión monolítica de todo el sistema.
• Utilidad Práctica: El estudio de usuario indica que el enfoque no solo es teóricamente sólido, sino también prácticamente utilizable por profesionales de la industria, ofreciendo una interfaz más intuitiva que las herramientas de análisis estático existentes.

Los autores reconocen modestamente que, si bien el enfoque soporta una amplia gama de tecnologías, el esquema específico utilizado para el modelo fue un prototipo para pruebas y requeriría mayor desarrollo para una aplicación industrial amplia. También señalan que la dependencia actual de las expresiones regulares para el análisis de código es una limitación que el trabajo futuro podría abordar mediante la integración de APIs de análisis más sofisticadas.