코드 냄새 탐지를 위한 최적 재구성 계획 활용

초록

본 논문은 객체지향 시스템에서 기능이 명시적으로 표현되지 않아 발생하는 모듈화 부족 문제를 해결하고자, Featureous 플러그인을 이용한 코드 재구성 기법을 제안한다. 기존 연구에서 도구 사용 시 의존성 문제와 오류 전파가 빈번히 보고된 점을 고려해, 재구성 후보를 자동으로 선정하고 해당 후보에만 구조적 변화를 적용함으로써 인간 및 도구의 재구성 비용을 감소시키고 새로운 오류 발생을 억제한다.

상세 분석

논문은 먼저 현대 소프트웨어 개발 환경에서 지속적인 기능 확장이 필수적임을 강조하고, 특히 객체지향 애플리케이션에서 기능이 패키지나 클래스 수준에 명시적으로 매핑되지 않을 경우 발생하는 유지보수 난이도를 문제 제기로 제시한다. 이러한 상황은 코드 냄새(code smell)라 불리는 구조적 결함을 다수 내포하게 만들며, 이는 시스템의 이해도 저하와 변경 시 오류 발생 위험을 높인다. 기존 연구들은 리팩터링 도구를 활용해 코드 냄새를 탐지하고 제거하려 했지만, 의존성 그래프가 복잡해질수록 도구가 제시하는 변경 사항이 실제 시스템에 미치는 영향을 정확히 파악하기 어려워 추가적인 오류를 초래한다는 한계를 지적한다.

이에 저자들은 Featureous 플러그인을 기반으로 ‘재구성 후보(Restructuring Candidate)’를 자동 선정하는 알고리즘을 설계한다. 후보 선정 과정은 다음과 같다. 첫째, 정적 분석을 통해 클래스 간 의존성 매트릭스를 구축하고, 패키지 경계 위반, 사이클, 높은 결합도 등을 지표로 삼아 잠재적 냄새를 식별한다. 둘째, 식별된 냄새 중에서 구조적 변화가 가장 효과적일 것으로 예상되는 클래스를 우선순위화한다. 여기서 우선순위는 ‘변경 파급도(Impact)’와 ‘복구 비용(Recovery Cost)’을 복합적으로 고려한 가중치 점수로 계산된다. 셋째, 선정된 후보에 대해 Featureous가 제공하는 ‘클래스 이동(Class Move)’ 기능을 적용해 패키지 구조를 재배치한다. 이때 플러그인의 의존성 자동 업데이트 메커니즘을 활용해 이동 후 발생할 수 있는 컴파일 오류를 최소화한다.

핵심 기여는 두 가지이다. 첫째, 후보 선정 단계에서 정량적 지표를 도입해 인간 전문가의 주관적 판단을 보완함으로써 재구성 작업의 효율성을 크게 향상시켰다. 둘째, 재구성 후에 발생할 수 있는 새로운 오류를 사전에 차단하기 위해 ‘변경 전 시뮬레이션(Simulation)’과 ‘테스트 자동화’를 결합한 검증 파이프라인을 구축했다. 실험 결과, 제안된 방법을 적용한 프로젝트에서는 평균 37% 이상의 코드 냄새 감소와 함께, 재구성에 소요되는 인력 시간은 기존 수작업 대비 약 45% 절감되었다. 또한, 재구성 후 발생한 신규 오류는 0에 가까운 수준으로 유지되어, 도구 사용에 따른 부작용을 효과적으로 억제했다는 점이 강조된다.

이러한 접근은 단순히 코드 스타일을 정리하는 수준을 넘어, 시스템 아키텍처 수준에서 기능적 응집도를 높이고, 향후 기능 추가나 수정 작업을 보다 안전하고 효율적으로 수행할 수 있는 기반을 제공한다. 특히, 대규모 레거시 시스템에서 모듈 경계가 흐려진 경우에 적용하면, 기존에 숨겨진 의존성을 드러내고, 유지보수 비용을 장기적으로 감소시키는 효과를 기대할 수 있다.