Connecting the Models: A Global Mega-model of MDE Projects on GitHub

문제 정의
모델 주도 공학(Model-Driven Engineering, MDE)은 EMF, ATL, Epsilon, Xtext와 같은 도구들을 체이닝하여 구축된 도메인 특화 모델링 환경을 통해 생산성 향상을 약속합니다. 그러나 이러한 도구들이 실제 현장에서 어떻게 사용되고, 결합되며, 유지보수되는지에 대한 실증적 근거는 매우 부족한 실정입니다. 기존 연구들은 특정 파일 유형(예: Ecore 메타 모델 또는 Xtext 문법)이나 좁은 도메인에 집중해 왔으며, MDE 프로젝트를 구성하는 다양한 아티팩트 간의 관계를 이해하기 위해 실제 환경(in the wild)에서 완전한 MDE 프로젝트를 분석한 선행 연구는 없습니다. 결과적으로 다음과 같은 근본적인 질문들이 해결되지 않은 채 남아 있습니다: MDE 도구들은 어떻게 결합되는가? 그 결과로 만들어진 환경들은 어떻게 유지보수되는가? 개발자들은 아티팩트를 어떻게 재사용하는가?

방법론
저자들은 GitHub에서 마이닝한 MDE 프로젝트의 "글로벌 메가 모델(global mega-model)"을 구축하기 위한 엔드 투 엔드 방법론을 제안합니다. 이 과정은 두 가지 주요 단계로 나뉩니다:

1. 원시 데이터셋 구축:

   • 마이닝: 팀은 MDE 아티팩트를 포함하는 7,436개의 프로젝트를 식별하기 위해 GitHub을 크롤링했습니다. 이들은 GitHub API와 파일 크기 및 특정 콘텐츠 마커(예: .ecore 파일 내의 "EPackage" 검색)를 기반으로 한 슬라이딩 윈도우 검색 전략을 활용하여 관련 파일을 필터링했습니다.
   • 범위: 데이터셋은 12가지 특정 MDE 아티팩트 유형(Ecore, ATL, Epsilon, QVTo, Xtext, Sirius 등 포함)과 2가지 설정 유형(Eclipse 런처, Ant 빌드)을 다룹니다.
   • 수집: 레포지토리들을 로컬로 클론하여 완전한 파일 목록, Git 히스토리, 그리고 레포지토리 수준의 통계(스타, 포크, 커밋 히스토리)를 추출했습니다. 이를 통해 327,762개의 아티팩트로 구성된 원시 데이터셋을 확보했습니다.

2. 메가 모델 구축:

   • 아티팩트 의존성 복구: 각 아티팩트에 대해, 시스템은 의존성을 분석하여 "아티팩트 그래프"를 구축합니다. 여기에는 다음이 포함됩니다:
     • 정적 분석: 파일(예: ATL의 AST 분석, GMF의 XPath)을 파싱하여 명시적 참조를 찾습니다.
     • 설정 검사: Epsilon 및 ATL에서 흔히 발생하는 동적 의존성을 해결하기 위해 런처 및 빌드 파일을 분석합니다.
     • 휴리스틱: 메타 모델이 명시적으로 선언되지 않은 "동적 타입" 아티팩트의 경우, 시스템은 변환의 "풋프린트"(참조된 메타 클래스)를 가용한 메타 모델과 비교하여 적절한 것을 추론합니다.
     • 누락/생성된 파일 처리: 시스템은 존재하는 파일, 생성된 파일, 휴리스틱으로 추론된 파일, 또는 누락된 파일(깨진 링크)을 구분합니다.
   • 프로젝트별 병합: 단일 레포지토리 내의 아티팩트 그래프는 동일한 파일 경로를 가진 노드들을 식별함으로써 하나의 "프로젝트 그래프"로 병합됩니다.
   • 글로벌 병합 (중복 제거): 서로 다른 프로젝트들을 연결하기 위해, 저자들은 모든 아티팩트에 대해 "유사 중복(near-duplicates)"을 계산합니다. 이들은 텍스트 기반 언어를 토큰화하고 XMI 기반 아티팩트에서 식별자를 추출하기 위해 알고리즘(예: Allamanis et al.)을 적용합니다. 토크나이저를 사용할 수 없는 형식의 경우 MD5 합계를 사용했습니다.
   • 그래프 통합: 레포지토리 간의 중복 아티팩트는 단일 "아티팩트 그룹" 노드로 축소됩니다. 엣지(edge)는 이 그룹들로 재연결되어, 암시적인 재사용 관계를 명시적으로 만드는 글로벌 메가 모델을 생성합니다.
   • 프로젝트 간 그래프: 공유된 아티팩트들 사이의 프로젝트 간 의존성을 보여주는 보조 그래프가 유도됩니다. 생성 타임스탬프를 기반으로 한 휴리스틱(더 오래된 아티팩트가 "원본"이라고 가정)을 사용하여 중복된 아티팩트를 공유하는 프로젝트 간의 엣지 방향을 결정합니다.

주요 기여

1. 방법론: 정적 분석, 설정 검사 및 유사 중복 탐지를 통해 암시적 관계를 복구하는, MDE 아티팩트의 글로벌 메가 모델을 구축하기 위한 참신하고 확장 가능한 접근 방식을 제공합니다.
2. 데이터셋 (ModelGraph): 두 가지 포괄적인 데이터셋을 공개합니다:
   • 레포지토리 및 Git 수준의 통계와 함께 7,436개의 프로젝트 및 327,762개의 아티팩트를 포함하는 원시 데이터셋(Raw Dataset).
   • 프로젝트별 그래프와 프로젝트 간 의존성을 포함하는 관계의 글로벌 그래프를 나타내는 메가 모델 데이터셋(Mega-model Dataset).
3. 툴링: 연구자들이 메가 모델을 탐색하고, 아티팩트 유형별로 필터링하며, 연결된 컴포넌트를 분석할 수 있도록 하는 인터랙티브 웹 기반 도구와 Java API(JGraphT 사용)를 제공합니다.

결과 및 발견

• 규모: 최종 메가 모델은 70,645개의 노드와 77,933개의 엣지를 포함합니다.
• 중복: 상당 부분의 아티팩트가 중복됩니다. 예를 들어, 93.37%의 프로젝트가 Ecore 메타 모델을 포함하고 있지만, 이 중 고유한 파일은 15.27%에 불 불과합니다. 큰 중복 그룹은 테스트나 구문 정의를 위해 자주 복사되는 잘 알려진 메타 모델(예: ATL.ecore, XML.ecore)에 해당합니다.
• 연결성:
  • 아티팩트 수준에서 37%의 노드는 고립되어 있습니다. 대부분의 고립된 노드는 지원되지 않는 파일 유형(예: Java 코드 또는 XSLT)에서 참조되는 Ecore 메타 모델이거나 실험적 데이터셋에 속하는 것입니다.
  • 프로젝트 수준에서 60%의 프로젝트가 고립되어 있으며, 이는 높은 아티팩트 수준의 중복에도 불구하고 많은 MDE 프로젝트가 기존 프로젝트 구조를 재사용하지 않고 처음부터 구축됨을 시사합니다.
  • 글로벌 그래프는 거대한 연결 컴포넌트(29,239개 노드)를 특징으로 하며, Ecore 및 UML과 같은 중앙 기술을 중심으로 허브가 형성되어 있습니다.
• 기술 사용: Xtext는 약 40%의 프로젝트에서 사용되는 반면, Ecore는 도처에 존재합니다. Henshin 아티팩트는 몇몇 연구 프로젝트(종종 변이체/실험 데이터를 포함하는)에 집중되어 있습니다.

의의 및 주장
본 논문은 MDE의 실제 적용을 연구하기 위한 최초의 대규모 실증적 토대를 제공한다고 주장합니다. 개별 파일 분석을 넘어 "모델의 모델(model of models)"인 메가 모델로 나아감으로써, 저자들은 다음을 연구할 수 있게 합니다:

• 재사용 패턴: 아티팩트가 생태계 전반에서 어떻게 복사되고 적응되는지 식별하며, 이는 MDE의 공식적인 패키지 관리 부재를 강조합니다.
• 프로젝트 건전성: 커밋 히스토리와 의존성 분석을 통해 MDE 프로젝트의 성숙도와 유지보수 상태를 평가합니다.
• 구조적 모티프: 글로벌 그래프에서 일반적인 구조적 패턴(예: Xtext → Metamodel → ATL)을 발견합니다.
• 실증적 검증: 수천 개의 변환에 대해 메타 모델의 자동 복구를 가능하게 하는 데이터셋을 제공하여, 수동 주석 작업이 필요했던 대규모 정적 분석 및 오류 탐지 연구를 용이하게 합니다.

저자들은 이 연구를 MDE의 이론적 약속과 오픈 소스 레포지토리에서의 실제 구현 사이의 간극을 메우는 리소스로서의 역할을 수행하며, MDE의 실증적 분석을 촉진하기 위한 자원으로 포지셔닝합니다. 또한, EMF 생태계에 집중되어 있고 비활성 레포지토리가 누락될 가능성이 있다는 점을 명시하며, 이 데이터셋을 확정적인 센서스(census)라기보다는 추가 연구를 위한 시작점으로 규정합니다.