블랙박스 스키마 변환기 오케스트레이션: 이기종 스키마 언어 간 자동화된 품질 순위 기반 변환에 관한 실증적 연구

현대 소프트웨어 시스템은 일상적으로 동일한 데이터 모델을 여러 스키마 언어(schema languages)로 필요로 합니다. 예를 들어, 모델은 웹 API를 위한 JSON Schema, 데이터 교환을 위한 XSD, 그리고 지식 그래프를 위한 SHACL 형태로 존재할 수 있습니다. 모델이 진화함에 따라 이러한 표현들을 일관되게 유지하는 것은 반복적인 구축 및 유지보수 부담이 됩니다. 왜냐하면 스키마 언어 간의 변환기(converters)를 찾기가 어렵고, 생태계 전반에 흩어져 있으며, 품질이 불균일하고, 빈번하게 데이터 손실(lossy)이 발생하기 때문입니다. 본 연구에서는 이러한 불완전하고 이기종적인 변환기들을 어느 정도까지 자동화되고, 재현 가능하며, 품질 순위가 매겨진 변환으로 오케스트레이션(orchestrated)할 수 있는지, 그리고 현재의 변환기 환경이 어디에서 한계에 도달하는지를 실증적으로 연구합니다. 우리의 접근 방식은 스키마 언어를 노드(nodes)로, 블랙박스(black boxes)로 취급되는 변환기를 유향 에지(directed edges)로 모델링하여, 변환이 발견되고, 실행되며, 순위가 매겨지고, 각 단계별 전체 출처(provenance)와 함께 보고되는 경로(paths)가 되도록 합니다. 실패 시에는 대안을 시도함으로써 이를 처리합니다. 우리는 이를 오픈 소스인 Schema Conversion Orchestrator로 구현하여 MetaConfigurator에 통합하였으며, 에이전트의 지원을 받고 인간이 검토한 품질 주석을 사용하여 5개의 스키마 언어에 걸쳐 실제 스키마로 구축된 60개의 변환 작업에 대해 평가를 수행했습니다. 오케스트레이션 결과 60개 작업 중 43개에서 사용 가능한 결과를 도출하였으며, 나머지 실패 사례들은 변환기 환경의 구체적인 격차(gaps)를 국지화하여 보여줍니다. 우리는 도구 제작자들과 변환 품질 측정에 대한 시사점을 논의합니다.