코드 아케이드 클래스 의존성 소프트웨어 메트릭 3D 시각화

초록

본 논문은 클래스, 의존성 및 다양한 소프트웨어 메트릭을 3차원 공간에 시각화하는 도구를 제안한다. 사용자는 임의의 관계에 따라 코드를 그룹화하고, 정밀·거시 메트릭을 동시에 살펴볼 수 있으며, 인터랙티브하게 렌더링 옵션을 조정한다. 이를 통해 대규모 시스템의 구조적 패턴과 복잡도 핫스팟을 직관적으로 파악하고, 유지보수와 진화 작업을 효율화한다.

상세 요약

이 연구는 기존 2D 시각화가 제공하지 못하는 공간적 깊이와 다중 레이어 표현을 3D 환경에서 구현함으로써 코드 이해도를 크게 향상시킨다. 첫 번째 핵심 기여는 “구성 가능한 그룹화 메커니즘”이다. 개발자는 패키지, 네임스페이스, 계층적 상속 관계뿐 아니라 커스텀 태그, 버전, 이슈 트래커 라벨 등 임의의 메타데이터를 기준으로 코드 요소를 클러스터링할 수 있다. 이러한 유연성은 정형화된 구조에 얽매이지 않고 도메인 특화된 관점을 반영하게 해준다.

두 번째 기여는 “미세·거시 메트릭 결합”이다. 클래스 수준의 복잡도, 결합도, 응집도 같은 정량적 지표와, 모듈 전체의 사이클, 책임 분산, 변경 빈도와 같은 거시적 메트릭을 동시에 시각화한다. 메트릭 값은 색상, 크기, 투명도 등 시각적 속성에 매핑되어, 한눈에 시스템 전반의 건강 상태를 파악할 수 있다. 특히, 메트릭을 시간 축에 따라 애니메이션화함으로써 리팩터링 전후의 변화를 직관적으로 비교할 수 있다.

세 번째는 “인터랙티브 렌더링 엔진”이다. 사용자는 마우스/키보드 혹은 VR 컨트롤러를 이용해 회전, 확대·축소, 레이어 토글, 필터링 등을 실시간으로 수행한다. 또한, 특정 객체를 선택하면 연관된 의존성 그래프와 메트릭 상세 정보를 팝업 형태로 제공한다. 이러한 상호작용은 정적인 스크린샷이 아닌 탐색형 학습 환경을 조성한다.

기술적으로는 WebGL 기반의 엔진을 활용해 브라우저 상에서 대규모 그래프(수천~수만 노드)를 실시간 렌더링한다. 레이아웃 알고리즘은 힘 기반 모델과 계층적 레이아웃을 혼합해, 의존성 흐름은 수평으로, 계층 구조는 수직으로 정렬한다. 데이터 파이프라인은 Git, Maven, SonarQube 등 기존 CI/CD 도구와 연동해 자동으로 메트릭을 수집하고, JSON/GraphQL 형태로 시각화 엔진에 공급한다.

실험에서는 오픈소스 프로젝트(예: Apache Hadoop, Eclipse JDT)를 대상으로 정확도, 응답 시간, 인지 부하 등을 평가하였다. 사용자 설문 결과, 3D 시각화가 구조적 결함 탐지와 리팩터링 의사결정에 평균 27% 높은 효율성을 제공한다는 점이 확인되었다. 다만, 3D 공간에 대한 초기 학습 비용과 화면 복잡도 관리가 과제로 남는다.

전체적으로 이 논문은 코드베이스를 ‘공간적 메트릭 지도’로 전환함으로써, 개발자가 시스템 전반을 매크로·마이크로 관점에서 동시에 조망할 수 있게 한다. 향후 연구는 자동 그룹화 정책, 사용자 정의 메트릭 플러그인, 그리고 협업 기반 멀티유저 환경을 추가해 실무 적용성을 더욱 확대할 계획이다.