まとめ — 限界と改善点・レガシー移行への活用

静的解析だけで完璧を目指すと、いつまで経っても着手できません。80〜90%の精度でも十分価値があると割り切れたのは、実際にレガシーCOBOLプロジェクトで手を動かしてからでした。このシリーズの結論はそこに尽きます。

シリーズ総括

図1: COBOL CRUDシリーズ総括 — モダナイゼーション・テスト支援・ドキュメント化への応用

PART	内容	成果物
01	CRUD図の目的・シリーズ概要	—
02	静的解析 vs 動的解析・ツール選定	アプローチ決定
03	EXEC SQL〜END-EXEC 抽出実装	ProgramSqlInfo リスト
04	JSqlParser / 正規表現でCRUD分類	CrudEntry リスト
05	プログラム横断集約・行列構築	CrudMatrixResult
06	Markdown・Mermaid・PlantUML出力	.md / .puml / .json
07	サンプルプロジェクトでのデモ	実際のCRUD図
08	限界・改善点・移行活用（本記事）	—

静的解析の限界

⚠️ 静的解析で対応できないケース

① EXECUTE IMMEDIATE — 文字列変数にSQL全体を代入して動的実行するパターン。変数の中身は実行時にしか確定しない。

② WORKING-STORAGE での SQL 組み立て — STRING WS-SQL ' WHERE ' WS-COND DELIMITED SIZE INTO WS-STMT のような文字列連結。

③ COPY 句経由のSQL — EXEC SQL COPY URIAGE-SELECT END-EXEC のようにCOPY句でSQL全体を取り込むパターン。COPY展開が必要。

実際の経験では、レガシーCOBOLの全SQLの 80〜90%は静的SQL であり、このツールだけでも十分な価値があります。

COPY句展開への対応

Python — COPY句の簡易展開

import re
from pathlib import Path

def expand_copy(source: str, copy_dir: str) -> str:
    """
    COPY句をコピーライブラリの内容に展開する（簡易版）。
    COPY ライブラリ名. → ライブラリファイルの内容に置換
    """
    copy_pattern = re.compile(
        r'^\s{6}\s+COPY\s+([A-Z][A-Z0-9-]*)\s*\.',
        re.IGNORECASE | re.MULTILINE
    )
    copy_base = Path(copy_dir)

    def replace_copy(m):
        lib_name = m.group(1).upper()
        for ext in ('.cpy', '.CPY', '.cbl', '.CBL'):
            lib_file = copy_base / (lib_name + ext)
            if lib_file.exists():
                return lib_file.read_text(encoding='cp932', errors='replace')
        return m.group(0)  # 見つからない場合はそのまま

    return copy_pattern.sub(replace_copy, source)

動的SQLへの対処

パターン登録

動的SQLが使われているプログラムを手動で特定し、CRUD情報をYAMLファイルに記録して静的解析結果にマージする。

コメントアノテーション

COBOLソースにコメントでテーブル・操作種別を記述する規約を設け、ツールがコメントを読み取る仕組みを追加する。

ログ解析の補完

テスト実行ログやDBアクセスログから動的SQLを補完し、静的解析結果とマージする。テスト環境が使える場合に有効。

COBOLパーサへの移行

koopa 等のCOBOLパーサを導入してASTレベルの解析に移行することで、より複雑なパターンにも対応できるようになる。

CI/CDへの組み込み

GitHub Actions — CRUD図生成ワークフロー

name: Generate COBOL CRUD Matrix

on:
  push:
    paths:
      - 'cobol_src/**/*.CBL'
      - 'cobol_src/**/*.cbl'

jobs:
  crud-gen:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4

      - name: Set up Python
        uses: actions/setup-python@v5
        with:
          python-version: '3.12'

      - name: Generate CRUD matrix
        run: |
          python -m pip install --quiet .
          python main.py

      - name: Commit CRUD matrix
        uses: stefanzweifel/git-auto-commit-action@v5
        with:
          commit_message: 'docs: update COBOL CRUD matrix [skip ci]'
          file_pattern: 'output/crud_matrix.*'

レガシー移行プロジェクトへの活用

このツールが最も力を発揮するのは、COBOL→Javaマイグレーション等のレガシー移行プロジェクトです。

移行対象の優先度付け

テーブルへのアクセス数が多いプログラムを可視化し、影響の大きいプログラムから計画的に移行する優先度付けに活用する。

Java版との比較検証

移行後のJava版CRUD図（Java版シリーズで生成）とCOBOL版を比較し、移行漏れ・操作種別の変化を検証できる。

テーブル廃止判断

どのプログラムからも参照されていないテーブルを洗い出し、不要テーブルの廃止候補を特定できる。

ドキュメント自動生成

CRUD図をMarkdownとしてGitHubリポジトリにコミットし続けることで、常に最新のドキュメントを自動維持できる。

次のステップ

✅ さらに発展させるには

① COBOL可視化シリーズとの統合 — COBOL可視化シリーズで生成したParagraph Call GraphとCRUD図を組み合わせることで「どのParagraphがどのテーブルにアクセスするか」という更に詳細な分析が可能になる。

② Java版CRUD図との比較 — Java CRUD図生成シリーズと同じ出力形式（Markdown・Mermaid）を採ることで、COBOL版とJava版の移行対応状況を横並びで比較できる。

③ Webダッシュボード化 — JSON出力をJavaScriptで読み込みインタラクティブなフィルタ付き行列ビューとして提供することで、非エンジニアのステークホルダーへの説明資料として活用できる。

COBOL CRUD図生成の総まとめでよくある誤り

CRUD図生成ツールの導入後、運用・活用フェーズで陥りやすいミスを整理します。

誤り/失敗パターン	何が起きるか	正しい対処/防止策
ソース変更のたびにCRUD図を手動で更新する	更新漏れが生じてCRUD図が実態と乖離し、設計資料として信頼できなくなる	CI/CDパイプラインにCRUD図生成ステップを組み込み、ソース変更時に自動再生成してリポジトリにコミットする
CRUD図の精度が100%でないと使えないと考える	動的SQL等の限界を理由に導入を先送りし、手動管理の現状維持が続く	80〜90%の精度でも動的SQL部分を手動補完することで、手動管理より大幅に正確なCRUD図を維持できる
CRUD図を作成したまま活用方法を定義しない	「とりあえず作った」状態になり、移行計画や影響調査への活用に結びつかない	CRUD図の用途（影響範囲分析・移行優先度判定・テスト設計）を事前に定義し、具体的な活用シナリオで利用する

PART 08 — まとめ
限界と改善点・レガシー移行への活用