Java正則達式引起死循環問題解決辦法

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：

1. at java.util.regex.Pattern$GroupTail.match(Unknown Source)  
2. at java.util.regex.Pattern$Ctype.match(Unknown Source)  
3. at java.util.regex.Pattern$Branch.match(Unknown Source)  
4. at java.util.regex.Pattern$GroupHead.match(Unknown Source)  
5. at java.util.regex.Pattern$Loop.match(Unknown Source)  
6. at java.util.regex.Pattern$GroupTail.match(Unknown Source)  
7. at java.util.regex.Pattern$Ctype.match(Unknown Source)  
8. at java.util.regex.Pattern$Branch.match(Unknown Source)  
9. at java.util.regex.Pattern$GroupHead.match(Unknown Source)  
10. at java.util.regex.Pattern$Loop.match(Unknown Source)  
11. at java.util.regex.Pattern$GroupTail.match(Unknown Source)  
12. at java.util.regex.Pattern$Ctype.match(Unknown Source)  
13. at java.util.regex.Pattern$Branch.match(Unknown Source)  
14. at java.util.regex.Pattern$GroupHead.match(Unknown Source)  
15. at java.util.regex.Pattern$Loop.match(Unknown Source)  
16. at java.util.regex.Pattern$GroupTail.match(Unknown Source)  
17. at java.util.regex.Pattern$Ctype.match(Unknown Source)  
18. at java.util.regex.Pattern$Branch.match(Unknown Source)  
19. at java.util.regex.Pattern$GroupHead.match(Unknown Source)  
20. at java.util.regex.Pattern$Loop.match(Unknown Source)  
21. at java.util.regex.Pattern$GroupTail.match(Unknown Source)  
22. at java.util.regex.Pattern$Ctype.match(Unknown Source)  
23. at java.util.regex.Pattern$Branch.match(Unknown Source)  

通過異常信息抓取定位到我們的一個工具方法：該工具方法如下：

1. public static boolean checkSpecialChars(String inputstr, String regex)  
2. {  
3.     if (inputstr == null || "".equals(inputstr))  
4.     {  
5.         return false;  
6.     }  
7.     return Pattern.compile(regex).matcher(inputstr).matches();  
8. }  

沒有任何地方是通過循環的調用本方法的，但根據異常信息很明顯是死循環，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。該方法允許傳一個正則表達式進去， 問題就出在傳入的正則表達式上，該表達式簡化為如下：

1. String regex = "([a-z]|//d)*";  

通過測試發現，此時若輸入的字符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信息。測試代碼如下：

1. import java.util.regex.Pattern;  
2. /** 
3.  * Created on 2010-11-9 
4.  * <p>Title:       測試正則表達式死循環</p> 
5.  * @author         [email protected] 
6.  * @version        1.0 
7.  */  
8. public class RegexTest  
9. {  
10.     public static void main(String args[])  
11.     {  
12.         String regex = "([a-z]|//d)*";  
13.         String inputStr = "";  
14.         for (int i = 0; i < 309; i++) //此處的值為>=400則會馬上拋異常   
15.         {  
16.             inputStr = inputStr.concat(String.valueOf(i));  //循環的拼接輸入字符串   
17.         }  
18.         System.out.println("字符串長度為："+inputStr.length());  
19.         boolean flag = checkSpecialChars(inputStr, regex);  
20.         System.out.println("匹配結果為: "+flag);  
21.     }  
22.     public static boolean checkSpecialChars(String inputstr, String regex)  
23.     {  
24.         if (inputstr == null || "".equals(inputstr))  
25.         {  
26.             return false;  
27.         }  
28.         return Pattern.compile(regex).matcher(inputstr).matches(); //注意是此處matches()方法拋的異常   
29.     }  
30. }  

原來：該問題是JDK的BUG，到JDK1.6裡居然還沒修復，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.linuxidc.com/Linux/2011-11/46616.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占用率高並沒有好轉，頻頻報警，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，最後校驗采用其它方法，徹底干掉正則。 

總結：通過這次線上問題排查，正則表達式是個雙仞劍，如果大規模數據的校驗最好不要使用正則，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，這說明當數據達到一個數量級後，正則的處理效率會快速下降，這樣就像我這種情況，剛開始數據量小，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數據量或者並發訪問較高的應用中。