MORCoRA: Multi-Objective Refactoring Recommendation Considering Review Availability

이 논문은 코드 품질 향상과 함께 적절한 리뷰어의 전문성과 업무 부하를 고려하여 즉각적인 검토가 가능한 리팩토링 시퀀스와 리뷰어를 추천하는 다목적 검색 기반 기법인 MORCoRA 를 제안하고 그 유효성을 검증합니다.

핵심

🍕 비유: "맛있는 피자를 만들되, 바쁜 셰프가 아닌 여유로운 셰프에게 맡겨라"

소프트웨어 개발은 거대한 피자를 만드는 과정과 비슷합니다.

• 코드 리팩토링: 피자의 재료를 더 신선하게 바꾸거나, 조각을 더 잘게 나누어 먹기 쉽게 만드는 작업입니다. (코드의 품질을 높이는 것)
• 검토 (Review): 이 변경된 피자가 맛있게 변했는지, 다른 사람이 먹어도 안전한지 확인하는 과정입니다.

🚨 기존 문제: "최고의 셰프는 너무 바빠서 못 봐줘!"

기존의 자동화 도구들은 "어떻게 하면 피자를 더 맛있게 만들까?" (코드 품질 향상) 만 고민했습니다. 그래서 최고의 맛을 내는 레시피를 찾아냈습니다. 하지만 문제는 이 레시피를 검토할 사람이었습니다.

1. 전문성 부족: 피자를 만든 사람만 아는 비법을 다른 사람이 검토할 수 없습니다. (전문성 필요)
2. 시간 부족: 최고의 피자를 만드는 셰프는 이미 다른 10 개의 주문을 처리하고 바쁩니다. "내일 검토해 줄게"라고 말하지만, 결국 시간이 없어 검토를 미루거나 잊어버립니다. (부하/Workload 문제)

결과적으로, 가장 맛있는 피자를 만들려고 했지만, 검토할 사람이 없어서 그 피자는 결국 버려지고 맙니다. 소프트웨어 품질이 그대로인 채로 남게 되는 것이죠.

✨ MORCoRA 의 해결책: "맛도 좋고, 검토할 사람도 여유로운 조합 찾기"

이 논문에서 제안한 MORCoRA는 다음과 같은 세 가지 목표를 동시에 달성하는 '최고의 조합'을 찾아냅니다.

1. 맛있는 피자 (코드 품질 향상): 코드가 더 깔끔하고 유지보수가 쉬워져야 합니다.
2. 의미 있는 변화 (의미 보존): 피자의 맛은 변했지만, 여전히 '피자'여야 합니다. (예: 피자를 갑자기 '초콜릿'으로 바꾸면 안 됨. 코드도 원래의 기능을 해치지 않아야 함)
3. 검토 가능한 상태 (Review Availability): 이게 핵심입니다! 이 작업을 검토해 줄 수 있는 사람이 ① 해당 피자를 잘 알고 있고 (전문성), ② 지금 당장 시간이 있을 때 (부하 없음) 찾아내야 합니다.

🔍 MORCoRA 가 어떻게 작동할까요?

MORCoRA 는 마치 수만 가지 레시피와 셰프 조합을 시뮬레이션하는 AI처럼 작동합니다.

• 검색 엔진 역할: 수천 가지의 코드 변경 방법 (리팩토링) 과 그걸 검토할 사람 (개발자) 을 조합해 봅니다.
• 3 가지 점수 매기기:
  • "이 변경으로 피자가 더 맛있어졌나?" (품질 점수)
  • "이게 여전히 피자 맞나?" (의미 점수)
  • "이걸 검토할 셰프가 지금 바쁘지 않고 잘 알고 있나?" (검토 가능성 점수)
• 최고의 조합 선정: 세 가지 점수가 모두 높은 조합을 찾아 개발자에게 추천합니다.

📊 실제 실험 결과 (맛있는 이야기)

연구팀은 오픈소스 프로젝트 6 개를 대상으로 실험했습니다.

• 기존 도구 (이전 방식): 코드를 더 맛있게 만드는 데는 훌륭했지만, 검토할 사람이 바빠서 실제로 적용되지 않는 경우가 많았습니다.
• MORCoRA (새로운 방식): 코드의 맛을 조금만 덜 챙겨도 (약간 덜 완벽해도), 검토할 사람이 바로바로 확인해 줄 수 있는 조합을 찾아냈습니다.
  • 결과적으로, 검토가 가능한 리팩토링 제안이 기존 방식보다 약 433%나 늘었습니다.
  • 즉, "이거 바꿀까?"라고 제안했을 때, "좋아, 내가 지금 시간 나니까 바로 확인해 줄게!"라는 답변을 받을 확률이 훨씬 높아진 것입니다.

💡 결론: 왜 이 연구가 중요할까요?

이 논문의 핵심 메시지는 **"코드를 고치는 것만 중요하지 않다. 그걸 고칠 수 있는 '사람'의 상황도 고려해야 한다"**는 것입니다.

개발자들은 이미 바쁩니다. AI 가 아무리 훌륭한 코드 개선을 제안해도, 검토할 사람이 바쁘거나 그 코드를 몰라서 거절하면 그 개선은 무의미해집니다. MORCoRA 는 기술적인 완벽함과 **인간의 현실적인 상황 (시간과 능력)**을 모두 고려하여, 실제로 실행 가능한 '현실적인 해결책'을 제시합니다.

한 줄 요약:

"가장 맛있는 피자를 만들려고 바쁜 셰프에게 맡기는 대신, 맛도 좋고 지금 당장 검토할 수 있는 여유로운 셰프를 찾아주는 똑똑한 비서를 만든 것입니다."

기술 요약

1. 문제 정의 (Problem Statement)

기존의 검색 기반 리팩토링 (Search-based Refactoring) 연구는 주로 코드 품질 향상, 시맨틱 보존, 코드 냄새 제거 등 기술적 목표에 집중해 왔습니다. 그러나 실제 소프트웨어 개발 환경에서는 추천된 리팩토링 시퀀스가 적용되기 전에 반드시 코드 리뷰 (Code Review) 를 거쳐야 합니다.

이 과정에서 다음과 같은 현실적인 문제가 발생합니다:

• 리뷰어 부재 및 과부하: 추천된 리팩토링을 검토할 수 있는 적절한 전문가 (Expertise) 가 없거나, 해당 개발자가 현재 업무 과부하 (Workload) 로 인해 리뷰를 지연하거나 포기하는 경우가 빈번합니다.
• 리뷰 지연으로 인한 품질 저하: 리뷰가 지연되면 리팩토링이 적용되지 않아 소프트웨어의 품질 저하가 심화됩니다.
• 기존 도구의 한계: 기존 리팩토링 추천 도구들은 리팩토링의 기술적 타당성만 고려할 뿐, 실제 적용을 가능하게 하는 '리뷰 가능성 (Review Availability)'을 고려하지 않습니다.

따라서 본 연구는 코드 품질 향상, 시맨틱 보존, 그리고 높은 리뷰 가능성을 동시에 만족하는 리팩토링 시퀀스와 적절한 리뷰어를 추천하는 새로운 접근법이 필요하다고 주장합니다.

2. 방법론 (Methodology: MORCoRA)

저자들은 MORCoRA (Multi-Objective Refactoring Recommendation Considering Review Availability) 라는 새로운 다목적 검색 기반 기법을 제안했습니다. 이는 NSGA-II (Non-dominated Sorting Genetic Algorithm II) 알고리즘을 기반으로 합니다.

2.1. 주요 구성 요소 및 입력

• 입력 데이터: 타겟 소스 코드 스냅샷, Git 커밋 히스토리, GitHub 의 Pull Request 및 이슈 히스토리.
• 정적 분석 (Static Analysis): JxPlatform2 도구를 사용하여 소스 코드의 추상적 표현 (Abstract Representation) 과 호출 그래프 (Call Graph) 를 추출합니다.

2.2. 세 가지 목적 함수 (Objectives)

MORCoRA 는 다음 세 가지 목적을 동시에 최적화하는 해를 탐색합니다:

1. 코드 품질 향상 (Improving Code Quality):

   • QMOOD (Quality Model for Object-Oriented Design) 모델을 사용하여 재사용성, 유연성, 이해성 등 6 가지 품질 속성을 측정합니다.
   • 리팩토링 전후의 품질 점수 차이 (Qual) 를 최대화합니다.

2. 시맨틱 일관성 보존 (Preserving Semantic Coherence):

   • 리팩토링이 적용되는 소스 클래스와 타겟 클래스 간의 의미적 유사성을 평가합니다.
   • 어휘 기반 유사성 (VS) 과 의존성 기반 유사성 (DS) 을 결합하여 시맨틱 일관성 점수 (Sem) 를 계산합니다.

3. 높은 리뷰 가능성 확보 (Possessing High Review Availability):

   • 전문성 (Expertise): 개발자가 특정 파일에 대한 기여 빈도 (Commit Frequency) 와 최근성 (Recency) 을 기반으로 전문성을 산정합니다.
   • 부하 (Workload): 개발자가 현재 참여 중인 Pull Request 와 이슈의 수를 기반으로 업무 부하를 측정합니다.
   • 리뷰 가능성 점수 (RA): 특정 리팩토링 시퀀스에 대해, 충분한 전문성을 가지고 있고 현재 업무 부하가 적어 리뷰가 가능한 개발자 그룹을 찾아 그 점수를 최대화합니다. (최대 리뷰어 수는 2 명으로 제한하여 소통 비용을 고려함)

2.3. 탐색 알고리즘

• NSGA-II: 다목적 진화 알고리즘을 사용하여 3 가지 목적 함수 간의 최적의 트레이드오프 (Pareto Front) 를 가진 리팩토링 시퀀스 집합을 생성합니다.
• 솔루션 표현: 리팩토링 시퀀스를 벡터로 표현하며, 각 요소는 Move Method, Extract Class 등의 리팩토링 연산 또는 Null(무작위 길이 조정을 위한) 로 구성됩니다.

3. 주요 기여 (Key Contributions)

1. MORCoRA 제안: 리뷰 가능성을 고려한 최초의 다목적 리팩토링 추천 기법 개발.
2. 새로운 지표 (Review Availability): 리팩토링의 실행 가능성을 결정하는 '리뷰 가능성'을 정량화하는 지표 설계.
3. 광범위한 실험 평가: 6 개의 오픈소스 자바 저장소 (auto, lottie-android, disruptor, mockito, retrofit, glide) 를 대상으로 정량적 및 정성적 평가를 수행.
4. 알고리즘 비교: NSGA-II, SPEA2, IBEA, MOCell, Random Search 등 다양한 탐색 알고리즘 비교를 통해 NSGA-II 의 우수성 입증.
5. 기존 기법과의 비교: 리뷰 가능성 고려 유무 (RA+ vs RA-) 를 비교하여 MORCoRA 가 리뷰 가능한 솔루션을 433.8% 더 많이 추천함을 증명.

4. 실험 결과 (Results)

4.1. 정량적 분석

• 알고리즘 성능: NSGA-II 가 6 개 저장소 전반에서 코드 품질 (Qual) 과 리뷰 가능성 (RA) 측면에서 가장 우수한 성능을 보였습니다.
• 기존 기법 대비 성능: 기존 기법 (Ouni et al. [5]) 과 비교했을 때, MORCoRA 는 코드 품질과 시맨틱 점수가 약간 낮아질 수 있으나 (Qual -24.8%, Sem -33.0%), 리뷰 가능성 점수 (RA) 는 433.8% 향상되었습니다.
• 리뷰 가능 솔루션 비율: MORCoRA 는 기존 기법보다 평균 3.27 배 더 많은 '리뷰 가능한' 솔루션을 찾았습니다. (retrofit 제외 평균)

4.2. 정성적 분석

• 코드 냄새 제거: 60 개의 무작위 샘플 중 58.3% 가 코드 냄새를 제거하면서 의미 있고 리뷰 가능한 시퀀스였습니다.
• 사례 연구:
  • Glide 프로젝트: Feature Envy 및 God Class 냄새를 제거하는 리팩토링을 추천했으며, 해당 파일에 전문성을 가진 개발자 중 업무 부하가 적은 개발자를 리뷰어로 매칭했습니다.
  • Auto 프로젝트: 기존 기법은 전문성이 있는 개발자가 업무 과부하로 인해 리뷰가 불가능한 리팩토링을 추천했으나, MORCoRA 는 이러한 시나리오를 피하고 실제 실행 가능한 리팩토링을 추천했습니다.

5. 의의 및 결론 (Significance & Conclusion)

• 실용성 증대: 리팩토링 추천 도구가 단순히 "좋은 코드"를 찾는 것을 넘어, 실제 개발 프로세스에서 "적용 가능한 코드"를 찾는 데 초점을 맞추었습니다.
• 개발자 자원 고려: 리팩토링의 성공은 기술적 완성도뿐만 아니라, 이를 검토할 개발자의 가용성에 달려 있음을 강조합니다.
• 향후 작업: 개발자의 프로젝트 간 다중 기여 활동 및 비프로그래밍 업무 부하를 고려한 더 정교한 부하 측정 모델 개발, 그리고 실제 개발자를 대상으로 한 인간 평가 (Human Study) 수행을 계획하고 있습니다.

결론적으로, MORCoRA 는 검색 기반 리팩토링 연구에 '리뷰 가능성'이라는 새로운 차원을 도입하여, 추천된 리팩토링이 실제 프로젝트에 성공적으로 통합될 확률을 높이는 중요한 기여를 했습니다.