객체지향 인텐션 프로그래밍: 자바와 루시드의 통합

초록

본 논문은 최신 Lucid 계열 언어의 인텐션 개념과 Java의 객체지향 특성을 결합한 새로운 하이브리드 언어인 객체지향 인텐션 프로그래밍(OO‑IP)을 제안한다. OO‑IP는 “객체 스트림”이라는 개념을 도입해 Lucid 스트림의 각 요소를 인텐션 속성을 가진 객체로 만들고, Java 객체가 실행 컨텍스트를 명시적으로 다루도록 확장한다. 이를 통해 컨텍스트 의존적 평가를 수행하는 ‘인텐션 객체’를 정의하고, 이러한 객체를 기존 Java 객체로 변환 가능한 형태로 표현한다. 논문은 언어 설계, 형식 의미론, 그리고 구현 사례를 통해 제안 방식의 타당성을 입증한다.

상세 분석

본 논문은 인텐션 프로그래밍(Lucid)과 객체지향 프로그래밍(Java)의 장점을 융합하는 새로운 패러다임을 제시한다. 핵심 아이디어는 ‘객체 스트림(object stream)’이다. 전통적인 Lucid에서는 시계열 데이터 흐름을 표현하기 위해 스트림을 사용하지만, 각 스트림 원소는 순수한 값에 불과했다. 여기서 저자들은 각 원소를 완전한 객체로 확장함으로써, 객체가 자체적인 상태와 메서드를 보유하면서도 인텐션(맥락) 정보를 포함하도록 설계하였다. 이는 두 가지 중요한 기술적 파급 효과를 만든다. 첫째, 객체 자체가 ‘컨텍스트 의존적(evaluation‑dependent)’이 되므로, 같은 객체라도 다른 실행 컨텍스트(시간, 위치, 사용자 등)에서 서로 다른 결과를 산출한다. 둘째, Java의 클래스와 메서드 메커니즘을 그대로 활용하면서도, Lucid이 제공하는 ‘차원(dimensions)’과 ‘가능 세계(possible worlds)’ 개념을 객체 레벨에 매핑할 수 있다.

논문은 이러한 객체 스트림을 구현하기 위해 ‘인텐션 클래스(intensional class)’라는 새로운 선언 구문을 도입한다. 인텐션 클래스는 일반 Java 클래스와 동일한 문법을 사용하지만, 클래스 정의 안에 ‘dimension’ 선언과 ‘context expression’이 삽입된다. 예를 들어, dimension time;와 같은 선언은 해당 클래스가 시간 차원을 갖는다는 의미이며, 메서드 내부에서 current(time)과 같은 표현을 통해 현재 시간 컨텍스트를 조회할 수 있다. 또한, ‘contextual method’는 매개변수로 컨텍스트를 명시적으로 받거나, 암묵적으로 현재 컨텍스트를 바인딩한다. 이러한 설계는 기존 Java 컴파일러와 런타임에 최소한의 확장만으로 구현 가능하도록 설계되었으며, 인텐션 연산자는 Lucid 인터프리터가 제공하는 스트림 연산자(first, next, fby 등)와 동일하게 동작한다.

형식 의미론 측면에서 저자는 두 단계 변환을 제시한다. 첫 번째 단계는 OO‑IP 프로그램을 ‘인텐션 객체 모델(intensional object model)’로 변환하는 과정이다. 여기서는 각 인텐션 클래스가 ‘컨텍스트 매핑 함수(context‑mapping function)’와 ‘스트림 생성 함수(stream generation function)’를 자동으로 생성한다. 두 번째 단계는 이 모델을 순수 Java 객체와 Lucid 스트림 연산으로 구성된 ‘표준 객체 프로그램(standard object program)’으로 컴파일한다. 이때 컨텍스트는 런타임에 ‘Context 객체’로 캡슐화되어 메서드 호출 시 전달되며, 스트림 연산은 Java의 iterator 패턴으로 구현된다. 이러한 두 단계 변환은 언어의 정형성을 보장하고, 기존 Java 코드와의 상호 운용성을 유지한다는 장점을 제공한다.

성능 평가에서는 인텐션 객체를 이용한 데이터 흐름 처리와 전통적인 Lucid 구현을 비교한다. 실험 결과, 객체 스트림 기반 구현이 메모리 사용량을 30 % 정도 절감하고, 컨텍스트 전파 비용이 낮아 실시간 스트리밍 애플리케이션에 유리함을 보였다. 또한, 기존 Java 라이브러리를 그대로 재사용할 수 있어 개발 생산성이 크게 향상된다.

종합적으로, 이 논문은 인텐션 개념을 객체 수준으로 끌어올림으로써, 컨텍스트 의존적 계산을 보다 직관적이고 재사용 가능한 형태로 제공한다. 이는 사물인터넷, 시계열 데이터 분석, 멀티에이전트 시뮬레이션 등 다양한 도메인에서 ‘시간·위치·사용자’와 같은 다차원 컨텍스트를 자연스럽게 모델링할 수 있는 새로운 설계 패러다임을 제시한다.