Technische Samenvatting: ModARO - Een modulaire aanpak voor de architectuurreconstructie van gedistribueerde microservice-codebases

1. Probleemstelling

Microservice-architecturen bieden voordelen op het gebied van schaalbaarheid en onafhankelijke ontwikkeling, maar introduceren tegelijkertijd aanzienlijke architecturale complexiteit. Ontwikkelaars worstelen vaak met het behouden van zicht op hoe wijzigingen aan individuele services het totale systeem beïnvloeden. Deze uitdaging wordt verergerd door "architecturale drift", waarbij snelle ontwikkeling de documentatie inhaalt, en door de prevalentie van multi-repository opstellingen waarbij services zijn opgesplitst in afzonderlijke codebases.

Bestaande methoden voor automatische architectuurreconstructie kampen met twee primaire beperkingen:

1. Gebrek aan herbruikbaarheid: Reconstructiecode is vaak nauw gekoppeld aan specifieke technologie-stacks (talen, bibliotheken, deployment-tools) en projectconventies, waardoor het moeilijk is om dit over verschillende projecten heen te hergebruiken.
2. Onvermogen om gedistribueerde systemen aan te pakken: De meeste benaderingen gaan uit van toegang tot een monolithische codebase. Wanneer microservices zijn opgesplitst in aparte repositories, kunnen reconstructietools die op een enkele repository draaien de volledige architectuur niet zien, en het centraal aggregeren van resultaten heft de voordelen van gedistribueerde CI/CD-pipelines op.

2. Methodologie: De ModARO-aanpak

De auteurs stellen ModARO (MODular Architecture Reconstruction Orchestrator) voor, een framework voor statische analyse dat is ontworpen om architectuur te reconstrueren vanuit artefacten (broncode, configuratiebestanden) met behulp van een modulaire, technologie-onafhankelijke workflow.

Kerncomponenten

• Gedeeld Architectuurmodel: ModARO gebruikt een recursief, op JSON gebaseerd model om het systeem te representeren. Alle geëxtraheerde informatie wordt opgeslagen als "model entiteiten" (bijv. microservices, HTTP-verzoeken) binnen deze gedeelde structuur. Extractors communiceren niet direct met elkaar; ze lezen van en schrijven naar dit model. Dit ontkoppelt de extractors, waardoor ze kunnen worden vervangen of bijgewerkt zonder de anderen te beïnvloeden, mits zij zich aan het afgesproken schema houden.
• Extractors: Dit zijn modulaire code-eenheden (geïmplementeerd als JavaScript-functies in de studie) die een model entiteit als input accepteren, specifieke artefacten analyseren en de entiteit aanpassen om geëxtraheerde data op te slaan.
  • Stateloos Ontwerp: Extractors hebben geen globale staat; hun gedrag wordt volledig bepaald door de input-entiteit en de te analyseren code-repository.
  • Schema Registratie: Elke extractor registreert een JSON Schema dat de structuur definieert van de model entiteiten die hij accepteert (bijv. het vereisen van een $path veld). Dit zorgt ervoor dat data wordt ingevuld voordat een extractor wordt uitgevoerd.
• Reconstructie Algoritme: Een recursieve orchestrator die de executie-flow beheert:
  1. Het maakt een top-level model entiteit aan.
  2. Het geeft deze entiteit door aan extractors waarvan de schema's overeenkomen.
  3. Extractors kunnen nieuwe sub-entiteiten aanmaken (bijv. een microservice identificeren en een nieuwe entiteit voor deze maken).
  4. Het algoritme triggert recursief extractors voor deze nieuwe entiteiten.
  5. Het voert meerdere passes uit om afhankelijkheden af te handelen waarbij de output van de ene extractor de input van een andere mogelijk maakt.
  6. Het detecteert en werpt fouten bij conflicterende wijzigingen om de integriteit van de data te waarborgen.

Gedistribueerde Architectuurreconstructie

ModARO pakt de uitdagingen van multi-repository aan via twee mechanismen:

1. Onafhankelijke Executie: Elke microservice-repository kan individueel worden gereconstrueerd. De output is een gedeeltelijk model dat specifiek is voor die service.
2. Model Aggregatie: Een apart algoritme voegt de gedeeltelijke modellen van verschillende repositories samen tot één architecturaal overzicht. Het voert een recursieve unie van velden uit, waarbij unieke informatie wordt samengevoegd en conflicten (bijv. verschillende waarden voor hetzelfde veld) als fouten worden gemeld.
3. Retroactieve Koppeling: Om relaties te definiëren (bijv. Service A roept Service B aan) zonder de volledige details van het doel op het moment van extractie te kennen, gebruikt ModARO "links". Een link definieert een schema (bijv. "een microservice met naam 'X'") voor het doel. Na aggregatie lost het systeem deze links op door de gecombineerde model te doorzoeken naar entiteiten die aan het schema voldoen.

3. Belangrijkste Bijdragen

• Modulair Extractie Framework: Een ontwerp dat het mogelijk maakt om extractors voor elke technologie te schrijven en deze over projecten heen te hergebruiken, onafhankelijk van de omliggende stack.
• Gedistribueerde Reconstructie Workflow: Een nieuwe aanpak die reconstructie over meerdere repositories mogelijk maakt, waarbij outputs later worden geaggregeerd, wat het principe van "loose coupling" van microservices ondersteunt.
• Retroactieve Koppeling: Een mechanisme om interacties tussen services te definiëren op basis van schema-matching in plaats van hard-coded identifiers, wat asynchrone code-wijzigingen faciliteert.
• Empirische Validatie:
  • Casestudy: Toegepast op 10 open-source microservice projecten (variërend van 20k tot 1.1M LOC) met diverse talen (Java, Python, Go, etc.) en technologieën (Docker, Kubernetes, Spring, etc.).
  • Gebruikersstudie: Geëvalueerd met 8 professionals uit de industrie tegenover een state-of-the-art baseline (ReSSA).

4. Resultaten

Casestudy Bevindingen (RQ1-RQ3)

• Reconstructie Capaciteit: ModARO slaagde er succesvol in om een breed scala aan architecturale informatie (servicenamen, afhankelijkheden, talen, endpoints) te extraheren uit alle 10 de projecten. Mislukkingen bij het extraheren van specifieke data werden toegeschreven aan de inherente beperkingen van statische analyse (bijv. dynamische string-constructie) of onduidelijke documentatie, en niet aan gebreken in de ModARO-aanpak.
• Herbruikbaarheid: Van de 71 ontwikkelde extractors waren er 44 (62%) herbruikbaar over projecten heen. De 27 projectspecifieke extractors waren noodzakelijk vanwege unieke projectconventies, aangepaste mappenstructuren of de behoefte om projectspecifieke metadata te verzamelen. De auteurs merken op dat het vermogen om dergelijke aangepaste extractors eenvoudig te creëren een kracht is, geen zwakte.
• Gedistribueerde Ondersteuning: Extractors konden succesvol worden hergebruikt in zowel mono-repo als multi-repo contexten zonder modificatie. Het aggregatie-algoritme voegde modellen van afzonderlijke repositories succesvol samen, en de retroactieve links werden correct opgelost, hoewel de studie opmerkte dat link-schema's retroactief oplosbaar moeten zijn in complexe scenario's (bijv. domeinen die in omgevingsvariabelen in remote repositories zijn opgeslagen).

Gebruikersstudie Bevindingen (RQ4)

• Waargenomen Nuttigheid en Bruikbaarheid: Professionals beoordeelden ModARO als nuttiger en gemakkelijker in gebruik dan de ReSSA-baseline.
• Belangrijkste Voordelen: Deelnemers gaven de voorkeur aan de code-gebaseerde workflow (JavaScript) van ModARO boven de configuratie-zware aanpak (JSON met string callbacks) van ReSSA. Zij noemden betere tooling-ondersteuning (syntax highlighting, type hints) en de mogelijkheid om data in "echte code" te verwerken als belangrijke factoren voor de bruikbaarheid.
• Uitdagingen: Beide benaderingen werden vergelijkbaar uitdagend bevonden wat betreft datafiltering en extractie uit code. Deelnemers uitten een wens voor geavanceerdere parsing-mogelijkheden dan reguliere expressies, wat suggereert dat het integreren van gestructureerde parsers (zoals in ReSSA) in ModARO's modulaire framework zinvol zou zijn.
• Hybride Aanpak: Een hybride versie (waarbij ModARO de ReSSA-analysers orchestreert) kreeg de hoogste scores, wat suggereert dat het combineren van ModARO's modulariteit met geavanceerde parsing-capaciteiten een veelbelovende richting is.

5. Betekenis en Claims

Het artikel claimt dat ModARO succesvol heeft aangetoond dat er een levensvatbaar pad bestaat naar modulaire en gedistribueerde architectuurreconstructie. De betekenis ligt in:

• Ontkoppeling van Technologie en Logica: Door een gedeeld model en schema-gebaseerde registratie te gebruiken, stelt ModARO ontwikkelaars in staat om extractors samen te stellen die zijn afgestemd op hun specifieke technologie-stacks zonder de kernlogica te herschrijven.
• Ondersteuning van Moderne Workflows: Het maakt het mogelijk om architectuurreconstructie te integreren in de CI/CD-pipelines van individuele microservice-repositories, wat "continue documentatie" en conformiteitscontroles faciliteert zonder dat een monolithisch overzicht van het gehele systeem vereist is.
• Praktisch Nut: De gebruikersstudie geeft aan dat de aanpak niet alleen theoretisch solide is, maar ook praktisch bruikbaar is voor professionals uit de industrie, met een intuïtievere interface dan bestaande statische analyse-tools.

De auteurs erkennen bescheiden dat, hoewel de aanpak een breed scala aan technologieën ondersteunt, het specifieke schema dat voor het model werd gebruikt een prototype was voor testen en verdere ontwikkeling vereist voor brede industriële toepassing. Ze merken ook op dat de huidige afhankelijkheid van reguliere expressies voor code-parsing een beperking is die toekomstig werk kan adresseren door de integratie van meer geavanceerde parsing API's.