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。