복잡소프트웨어의 커뮤니티 구조: 클래스 의존성 네트워크 분석과 활용

초록

본 논문은 자바 기반 소프트웨어의 클래스 의존성 네트워크를 구축하고, 세 가지 커뮤니티 탐지 알고리즘(Edge Betweenness, Modularity Optimization, Label Propagation)을 적용해 네트워크의 모듈성(Q)과 패키지와의 일치도(NMI)를 평가한다. 대부분의 시스템에서 높은 모듈성이 관측되며, 커뮤니티 크기 분포가 멱법칙을 따르는 등 복잡 네트워크에서 흔히 보이는 특성을 보인다. 그러나 발견된 커뮤니티는 실제 패키지와 완전히 일치하지 않아, 패키지 재구성, 모듈성 향상, 결함 전파 분석 등 소프트웨어 공학에 새로운 적용 가능성을 제시한다.

상세 분석

이 연구는 복잡계 네트워크 이론을 소프트웨어 공학에 적용한 사례로, 특히 클래스 의존성 그래프를 ‘무방향 다중 그래프’ 형태로 모델링한다. 노드는 자바 클래스, 간선은 상속·필드·파라미터·리턴 등 네 가지 의존 관계를 반영한다. 이러한 네트워크는 소스 코드 수준에서 추출되므로, 개발자들의 설계 의도를 비교적 객관적으로 포착한다는 장점이 있다. 논문은 총 8개의 데이터셋(JUnit, JavaMail, Flamingo, JUNG, Colt, org, javax, java)을 사용했으며, 노드 수는 128에서 2581, 간선 수는 470에서 34 858에 이른다.

커뮤니티 탐지는 EB(Edge Betweenness), MO(Modularity Optimization, Louvain 계열), LP(Label Propagation) 세 알고리즘으로 수행하였다. 각 알고리즘은 서로 다른 탐지 메커니즘을 갖지만, 결과적으로 높은 모듈성(Q) 값을 산출한다. Q는 0.55~0.77 사이로, 무작위 그래프(동일 차수 분포) 대비 현저히 높은 값을 보이며, 이는 네트워크가 강한 내부 연결성을 가진 커뮤니티 구조를 가지고 있음을 의미한다. 특히 java 코어 라이브러리는 평균 차수가 매우 높아 네트워크가 과밀(dense)해 모듈성이 낮게 측정되었지만, 이는 설계상의 높은 결합도를 반영한다.

커뮤니티 크기 분포는 LP 알고리즘을 기준으로 멱법칙(P(s)∝s⁻ᵅ) 형태를 띠며, 지수 α≈2가 관측된다. 이는 복잡 네트워크 전반에서 보고되는 커뮤니티 규모의 스케일프리 특성과 일치한다. 반면, 실제 패키지 크기 분포는 로그정규 등 다른 형태를 보여, 네트워크 구조와 개발자가 정의한 패키지 경계가 다름을 시사한다.

패키지와 커뮤니티 간의 정량적 일치도는 정규화 상호정보(NMI)로 측정했으며, 대부분의 경우 NMI가 0.2~0.35 수준에 머물러 완전한 일치를 보이지 않는다. 이는 패키지가 설계상의 논리적 구획을 반영하지만, 클래스 간 의존성에 기반한 네트워크 커뮤니티는 보다 자연스러운 모듈성을 드러낸다는 의미다.

연구는 이러한 차이를 활용한 몇 가지 응용 방안을 제시한다. 첫째, 커뮤니티 탐지를 통해 기존 패키지 구조를 재조정하고, 높은 내부 결합·낮은 외부 결합을 갖는 ‘고도 모듈화’된 패키지를 자동 생성할 수 있다. 둘째, 커뮤니티 경계가 결함 전파 경로와 일치한다면, 테스트 범위 선정이나 리팩터링 우선순위 결정에 활용 가능하다. 셋째, 지속적인 의존성 네트워크 분석을 통해 소프트웨어 진화 과정에서 모듈성 변화를 모니터링하고, 설계 부패(significant modularity loss)를 조기에 감지할 수 있다.

이와 같이 본 논문은 소프트웨어 시스템을 복잡 네트워크로 바라보고, 커뮤니티 구조를 정량적으로 분석함으로써 기존 패키지 기반 설계와는 다른 새로운 관점을 제공한다. 특히 모듈성(Q)과 커뮤니티 규모 분포, NMI 등 다양한 메트릭을 종합적으로 활용함으로써, 소프트웨어 아키텍처 평가와 개선에 실용적인 도구로 활용될 가능성을 열어준다.