AWS AI-DLC에 I/O 매트릭스 도입, 모놀리스 공유 변수 데이터 흐름 분석 및 검증 자동화
·2026.11.17 14:58
핵심 내용
레거시 모놀리스 현대화 시 I/O 매트릭스로 데이터 흐름을 추적해 숨은 입력 유실 및 낡은 값 결함을 방지한다.
자세히 보기
- AWS AI-DLC에 I/O 매트릭스를 도입해 레거시 모놀리스의 공유 변수 데이터 흐름을 분석하고 검증 기준으로 활용함
- AST 기반 정적 분석으로 변수 접근(R/W/RW/WR) 및 흐름(Flow)을 추출하고, MCP 도구를 통해 에이전트 조회 지원
- Code Generation 단계에서 LLM 없이 정해진 대응표로 API 계약 및 프레젠테이션 코드, 검증 테스트를 결정론적으로 생성
- 승인 게이트에서 blocking sensor로 흐름 누락 0 검사를 수행하여 숨은 입력 유실, 순서 역전, 부수효과 등 결함 차단
분석 및 추출 방식
- tree-sitter를 활용한 AST 기반으로 변수 접근 위치를 판정해 재현성 확보, 빌드 환경 재현이 어려운 레거시 코드에 적합
- 도달 정의(reaching definitions)를 적용해 값 출처를 역추적하고, 조건부 접근은 별표(*)로 표기
- 정적 분석의 한계로 배열 인덱스 구분 불가, 동적 실행 순서 변경 불가, 미해결 접근은 사람이 해석 후 재분석
AWS 인프라 구성
- CodePipeline과 CodeBuild로 분석을 실행하고, Bedrock으로 임베딩 생성 후 Neptune Analytics에 그래프 적재
- AgentCore Gateway와 Lambda를 통해 MCP 도구 조회를 지원하며, Lambda는 읽기 권한만 보유
- Neptune Analytics는 m-NCU 기준 시간당 과금되며, 중지 시에도 10% 요금 부과
검증 및 테스트 전략
- 카나리 값을 사용해 단계 간 값 전달 정확성을 확인하고, 골든 마스터로 레거시 실행 기록과 To-Be 결과 비교
- 숨은 입력은 필수 필드로 변환하여 기본값 대체를 방지하고, 실패 시 테스트를 유도
- 분석기 오류 방지를 위해 사람이 작성한 기대 결과와 분석기 출력을 비교하거나, 실행 기록과 그래프 기록을 대조
이 한국어 요약은 AI가 자동으로 만들었습니다. 원문의 주장과 맥락은 원문에서 확인해 주세요. 저작권은 원저작자에게 있습니다.