객체지향 시스템 버그 분포 분석

초록

본 논문은 자바 프로젝트를 컴파일 단위(CU) 기반 그래프로 모델링하고, 각 CU에 부여된 CK 메트릭과 버그 발생 데이터를 연계한다. 그래프의 입·출 차수와 메트릭 분포, 그리고 CU당 버그 수가 모두 꼬리 부분에서 파워‑러프(pareto) 형태를 보임을 실증한다. 또한 특정 버그가 영향을 미치는 CU 수 역시 파워‑러프를 따르며, 릴리즈 간 메트릭 변화와 버그 연관성의 진화를 분석한다.

상세 분석

이 연구는 기존의 소스 파일 수준 분석을 넘어, 컴파일 단위(CU)를 정점으로 하는 그래프 모델을 도입함으로써 객체지향 시스템의 구조적 특성을 정량화한다. 정점 간 연결은 import, 상속, 구현, 메서드 호출 등 다양한 관계를 포함하며, 이를 통해 시스템 전체의 복잡도와 결합도를 네트워크 이론의 도구로 측정한다. 특히, 각 CU에 대해 Chidamber‑Kemerer(CK) 메트릭(예: WMC, DIT, NOC, CBO, RFC, LCOM)을 계산하고, 버그 추적 시스템에서 수집한 버그‑CU 매핑 정보를 결합한다.

실험 대상은 여러 버전의 대형 오픈소스 자바 프로젝트이며, 각 릴리즈마다 그래프와 메트릭을 재구성한다. 분석 결과, 정점의 입·출 차수 분포와 CK 메트릭 값이 모두 로그‑로그 플롯에서 직선 형태를 보이며, 이는 파워‑러프(지수적 꼬리) 분포를 의미한다. 특히, 버그가 발생한 CU의 수가 전체 CU 대비 소수에 집중되는 ‘불균형 현상’이 뚜렷하게 나타난다. 버그당 영향을 받는 CU 수 역시 파워‑러프를 따르며, 일부 버그가 수십 개 이상의 CU에 파급 효과를 미치는 것을 확인한다.

시간적 관점에서 보면, 릴리즈 간 메트릭 변화가 버그 발생률과 강하게 상관한다. 예를 들어, CBO(클래스 간 결합도)가 급격히 증가한 CU는 이후 버그 발생 확률이 현저히 높아진다. 반면, LCOM(응집도) 감소는 버그와의 양의 상관관계를 보여, 응집도가 낮을수록 결함이 발생하기 쉬운 구조임을 시사한다. 또한, 메트릭의 변동 폭이 큰 CU는 버그‑CU 매핑에서 ‘핫스팟’으로 식별되며, 이는 유지보수 시 우선 순위 지정에 활용될 수 있다.

이러한 결과는 소프트웨어 공학에서 흔히 언급되는 ‘80/20 법칙’이 객체지향 시스템에도 적용됨을 실증한다. 즉, 전체 버그의 대부분이 소수의 고복잡도 CU에 집중되고, 이들 CU는 네트워크 중심성(예: 베트위니스, 클러스터링 계수)에서도 높은 값을 가진다. 따라서, 개발자는 초기 설계 단계에서 결합도와 응집도를 관리하고, 릴리즈 후 메트릭 변화를 지속적으로 모니터링함으로써 결함 위험을 사전에 차단할 수 있다.

본 논문의 주요 기여는 (1) CU‑레벨 그래프 모델을 제시하고, (2) CK 메트릭과 버그 데이터의 통합 분석을 통해 파워‑러프 특성을 발견했으며, (3) 릴리즈 간 메트릭 변동이 버그 발생과 어떻게 연계되는지를 정량적으로 규명했다는 점이다. 이러한 접근은 대규모 시스템의 품질 예측 및 유지보수 비용 절감에 실용적인 인사이트를 제공한다.