Java正則達式引起死迴圈問題解決辦法

最近線上應用一直LOAD值非常高，幾乎接近宕機的邊緣，開始報異常如下：

at java.util.regex.Pattern$GroupTail.match(Unknown Source) at java.util.regex.Pattern$Ctype.match(Unknown Source) at java.util.regex.Pattern$Branch.match(Unknown Source) at java.util.regex.Pattern$GroupHead.match(Unknown Source) at java.util.regex.Pattern$Loop.match(Unknown Source) at java.util.regex.Pattern$GroupTail.match(Unknown Source) at java.util.regex.Pattern$Ctype.match(Unknown Source) at java.util.regex.Pattern$Branch.match(Unknown Source) at java.util.regex.Pattern$GroupHead.match(Unknown Source) at java.util.regex.Pattern$Loop.match(Unknown Source) at java.util.regex.Pattern$GroupTail.match(Unknown Source) at java.util.regex.Pattern$Ctype.match(Unknown Source) at java.util.regex.Pattern$Branch.match(Unknown Source) at java.util.regex.Pattern$GroupHead.match(Unknown Source) at java.util.regex.Pattern$Loop.match(Unknown Source) at java.util.regex.Pattern$GroupTail.match(Unknown Source) at java.util.regex.Pattern$Ctype.match(Unknown Source) at java.util.regex.Pattern$Branch.match(Unknown Source) at java.util.regex.Pattern$GroupHead.match(Unknown Source) at java.util.regex.Pattern$Loop.match(Unknown Source) at java.util.regex.Pattern$GroupTail.match(Unknown Source) at java.util.regex.Pattern$Ctype.match(Unknown Source) at java.util.regex.Pattern$Branch.match(Unknown Source) 

通過異常資訊抓取定位到我們的一個工具方法：該工具方法如下：

public static boolean checkSpecialChars(String inputstr, String regex) { if (inputstr == null || "".equals(inputstr)) { return false; } return Pattern.compile(regex).matcher(inputstr).matches(); } 

沒有任何地方是通過迴圈的調用本方法的，但根據異常資訊很明顯是死迴圈，這就引起我們進一步去跟蹤問題，通過一段時間的測試和總結，終於找到問題的產生原因。該方法允許傳一個Regex進去， 問題就出在傳入的Regex上，該運算式簡化為如下：

String regex = "([a-z]|//d)*"; 

通過測試發現，此時若輸入的字串裡面匹配次數超過817次以後，該方法將變的不穩定，開始重現我們前面的異常資訊。測試代碼如下：

import java.util.regex.Pattern; /** * Created on 2010-11-9 * <p>Title: 測試Regex死迴圈</p> * @author shixing_11@sina.com * @version 1.0 */ public class RegexTest { public static void main(String args[]) { String regex = "([a-z]|//d)*"; String inputStr = ""; for (int i = 0; i < 309; i++) //此處的值為>=400則會馬上拋異常 { inputStr = inputStr.concat(String.valueOf(i)); //迴圈的拼接輸入字串 } System.out.println("字串長度為："+inputStr.length()); boolean flag = checkSpecialChars(inputStr, regex); System.out.println("匹配結果為: "+flag); } public static boolean checkSpecialChars(String inputstr, String regex) { if (inputstr == null || "".equals(inputstr)) { return false; } return Pattern.compile(regex).matcher(inputstr).matches(); //注意是此處matches()方法拋的異常 } }

原來：該問題是JDK的BUG，到JDK1.6裡居然還沒修複，BUG詳情見：

http://bugs.sun.com/bugdatabase/view_bug.do?bug_id=5050507和

http://bugs.sun.com/bugdatabase/view_bug.do?bug_id=6988218

附：也可以參考 http://www.99inf.net/SoftwareDev/Java/53834.htm 這篇文章，非常不錯。

 

 

通過上面方法解決上拋異常問題，修改完機器重啟後發現異常是不拋了，但CPU佔用率高並沒有好轉，頻頻警示，經過仔細排查，有五個處理正則的線程把CPU資源耗完了，實在沒招，最後校正採用其它方法，徹底幹掉正則。

 

總結：通過這次線上問題排查，Regex是個雙仞劍，如果大規模資料的校正最好不要使用正則，效率非常差。CPU的處理能力會全部耗費在處理這幾個正則上。另外該問題是項目上線一段時間後才出現，這說明當資料達到一個數量級後，正則的處理效率會快速下降，這樣就像我這種情況，剛開始資料量小，一直沒有問題，等到訪問量突然增大後，CPU在短時間內LOAD值非常高。所以正則輕易不要用在大資料量或者並發訪問較高的應用中。