一種基于樹狀自動機的域名匹配方法組成比例

本發明專利技術涉及一種基于樹狀自動機的域名匹配方法。該方法將待匹配域名以及模式子串的每一個分段填充至n字節的整數倍，其中n＝L/8，L為計算機系統的最小運算位寬；然后將模式子串以n字節為單元，構建樹狀自動機；然后將待匹配域名從根節點開始，順序執行樹狀自動機直至完成域名匹配。本發明專利技術在進行匹配運算時以n字節為匹配單元，匹配運算效率遠高于現有的字符串匹配方法，樹狀自動機采用hash值作為表項存儲地址，能夠減少表項所占用的存儲空間，并將hash沖突域限定在本級節點內。本發明專利技術適用于域名的固定前綴匹配，或固定后綴匹配，以及其他具備相同的分層特性字符串的匹配運算。

【技術實現步驟摘要】
一種基于樹狀自動機的域名匹配方法
本專利技術屬于信息技術、域名
，具體涉及一種基于樹狀自動機的域名匹配方法。
技術介紹
隨著互聯網技術的飛速發展，域名的訪問流量也快速增加，隨即要求后臺服務器具備更高的解析能力與安全防護能力。后臺服務器在進行域名服務時，需要對域名進行匹配，如何實現域名的快速匹配便是其中的關鍵問題。現有的匹配方法多為字符串匹配：待匹配域名視為字符串T，并且有n個模式子串P1、P2、…、Pn，在T中尋找是否存在任意一個模式字串。該類算法常見的實現方式為：先將n個模式字串經過運算生成樹狀結構體，字符串T只需沿著樹狀結構體的根節點往下進行順序匹配即可，無需遍歷n個模式字串。現有算法進行的是逐字節匹配，而現代計算機系統的CPU運算位寬已普遍達到64位，因此現有的域名匹配方法效率低下。
技術實現思路
本專利技術目的在于針對上述問題，提供一種更高效的基于樹狀自動機的域名匹配方法。本專利技術采用的技術方案如下：一種基于樹狀自動機的域名匹配方法，其步驟包括：1)將待匹配域名以及模式子串的每一個分段填充至n字節的整數倍，其中n＝L/8，L為計算機系統的最小運算位寬；2)將模式子串以n字節為單元，構建樹狀自動機；3)將待匹配域名從根節點開始，順序執行樹狀自動機直至完成域名匹配。進一步地，步驟1)中若某個分段已經是n字節的整數倍，則該分段無需填充。進一步地，步驟2)所述樹狀自動機由節點表項和出邊表項組成；節點表項存儲節點內的出邊數量，節點采用的hash算法初值，以及下一個節點的基地址；出邊表項的存儲地址由出邊的hash值與節點的基地址相加得到。所述出邊表項包含匹配后的跳轉信息，以及該出邊是否為輸出邊的信息，當存在多條出邊hash沖突時，通過沖突指針構成hash鏈表。進一步地，步驟3)的具體匹配過程如下：a)初始化節點基地址為0，指向根節點；b)從節點基地址讀取表項，獲得節點內的出邊數量N，hash初值M，下一個節點的基地址；c)將輸入的字符串進行hash運算，hash初值為M，hash運算結果與N進行取余操做后，與節點基地址相加，得到出邊存儲地址；d)從出邊存儲地址讀取表項，比較輸入字符串與表項中的模式子串：若匹配且出邊為輸出邊，匹配過程完成，匹配成功；若匹配且不為輸出邊，節點基地址指向下一個節點，返回步驟b)；若失配且出邊不存在hash沖突鏈，返回步驟a)；若失配且出邊存在hash沖突鏈，出邊表項地址指向下一個沖突表項，重復執行步驟d)。與現有技術相比，本專利技術的有益效果如下：1)本專利技術方法將域名以及模式子串分段填充至n字節的整數倍，當進行匹配運算時以n字節為匹配單元，匹配運算效率遠高于現有的字符串匹配方法，采用64位計算位寬時是其8倍。2)樹狀自動機采用hash值作為表項存儲地址，1次計算即可獲取表項內容。每級節點的hash空間可變，減少表項所占用的存儲空間。3)樹狀自動機的節點之間通過基地址進行區分，不同節點間的出邊即使有相同的hash結果也互不影響，如此將hash沖突域限定在本級節點內。4)樹狀自動機的每級節點采用不同的hash初值，能夠進一步避免hash沖突，節約節點存儲空間。5)采用hash沖突鏈表的方式確保匹配的精確性。6)本專利技術適用于域名的固定前綴匹配，或固定后綴匹配，以及其他具備相同的分層特性字符串的匹配運算。附圖說明圖1是現有的域名字符串匹配算法的匹配過程示意圖。圖2是本專利技術基于樹狀自動機的域名字符串匹配過程示意圖。具體實施方式為使本專利技術的上述目的、特征和優點能夠更加明顯易懂，下面通過具體實施例和附圖，對本專利技術做進一步說明。域名是代表IP地址的字符串，由若干字段組成，每個字段(label)之間以“.”分隔，如www.sina.com。域名本身具有明顯的層級結構特征，域名匹配也是以label為單位進行分段匹配。針對域名匹配的分段特征，本專利技術將匹配過程分為以下步驟：1.將待匹配域名以及模式子串的每一個分段填充至n字節的整數倍，若本分段已經是n字節的整數倍，則無需填充，n取決于計算機系統的最小運算位寬L，計算公式為n＝L/8，如最小運算位寬為32，則n等于4。2.將模式子串以n字節為單元，構建樹狀自動機，構建方法參照AC自動機(Aho-Corasickautomation)。該樹狀自動機具備以下特征：1)樹狀自動機由節點表項和出邊表項組成；2)節點表項存儲該節點內的出邊數量，該節點采用的hash算法初值，以及下一個節點的基地址。由于節點內的出邊數量總是2的冪次方，所以節點內可能會包括部分無效填充出邊，出邊表項的存儲地址由出邊的hash值與節點的基地址相加而得；3)出邊表項包含匹配后的跳轉信息，以及該出邊是否為輸出邊的信息，當存在多條出邊hash沖突時，通過沖突指針構成hash鏈表；4)根節點為表項特殊節點，存儲在固定位置；5)節點與出邊為邏輯劃分，物理上可以由同一表項同時擔任；6)表項具備以下元素，如表1所示：表1.樹狀自動機的表項3.待匹配域名從根節點開始，順序執行樹狀自動機直至完成匹配。本專利技術方法將域名以及模式子串的分段填充至n字節的整數倍，當進行匹配運算時以n字節為匹配單元，可顯著提高匹配效率。模式子串構建的樹狀自動機采用hash值作為表項存儲地址，每級節點的hash空間可變，減少表項所占用的存儲空間。將hash沖突域控制在節點內，每級節點的hash初值或hash算法可變，盡可能規避哈希沖突導致的匹配運算次數增加。下面提供一個具體實例。該實例以最小運算位寬32位，待匹配域名為www.sina.com，模式子串1為sina.com，模式子串2為sina.cn,模式子串3為m.sina，hash算法為CRC32為例。使用現有的字符串匹配算法需要8次運算，匹配過程如附圖1所示；使用本專利技術方法僅需要2次匹配運算，匹配過程如附圖2所示，具體實施方案如下：1.待匹配域名與模式子串按label填充到4字節整數倍，以-表示填充字符，如表2所示。表2.待匹配域名與模式子串的填充待匹配域名www_sinacom_模式子串1sinacom-模式子串2sinacn--模式子串3m---sina2.構建樹狀自動機，如圖2所示，根節點具備‘sina’與‘m---’2條出邊，根節點空間為2，hash結果只需取bit0即可，定義H[31:0]為32位數據，且H＝hash(x),H(sina)[0]代表hash(sina)的結果取bit0。選取合適的hash初值使H(sina)[0]與H(m---)[0]分別為0和1，各出邊的映射情況如表3所示：表3.各出邊的映射情況所有邊表項細則如表4～表9所示：表4.出邊‘sina’的表項名稱：sina描述TYPE01：節點加出邊表項ID0HASH_SIZE1NXT_NODE下一個節點表項基地址:2HASH_SEL節點Hash算法的初始值:0HASH_ENDHash沖突標志:0HASH_PTR無效填充值PATTERNsinaTREE_END0表5.出邊‘m---’的表項名稱：m---描述TYPE10：出邊表項ID0HASH_SIZE1NXT_NODE下一個節點表項基地址:2HASH_SEL節點Hash算法的初始值:0HASH_ENDHash沖突標志:0HASH_PTR無效填充值PAT本文檔來自技高網...

【技術保護點】
一種基于樹狀自動機的域名匹配方法，其步驟包括：1)將待匹配域名以及模式子串的每一個分段填充至n字節的整數倍，其中n＝L/8，L為計算機系統的最小運算位寬；2)將模式子串以n字節為單元，構建樹狀自動機；3)將待匹配域名從根節點開始，順序執行樹狀自動機直至完成域名匹配。

【技術特征摘要】
1.一種基于樹狀自動機的域名匹配方法，其步驟包括：1)將待匹配域名的每一個分段以及模式子串的每一個分段填充至n字節的整數倍，其中n＝L/8，L為計算機系統的最小運算位寬；2)將模式子串以n字節為單元，構建樹狀自動機；3)將待匹配域名從根節點開始，順序執行樹狀自動機直至完成域名匹配；具體匹配過程如下：a)初始化節點基地址為0，指向根節點；b)從節點基地址讀取表項，獲得節點內的出邊數量N，hash初值M，下一個節點的基地址；c)將輸入的待匹配域名的字符串進行hash運算，hash初值為M，hash運算結果與N進行取余操做后，與節點基地址相加，得到出邊存儲地址；d)從出邊存儲地址讀取表項，比較輸入字符串與表項中的模式子串：若匹配且出邊為輸出邊，匹配過程完成，匹配成功；若匹配且不為輸出邊，節點基地址指向下一個節點，返回步驟b)；若失配且出邊不存在hash沖突鏈，返回步驟a)；若失配且出邊存在hash沖突鏈，出邊表項地址指向下一個沖突表項，重復執行步驟d)。2.如...

【專利技術屬性】
技術研發人員：李曉東，李洪濤，孫云剛，羅瑤，武麗帥，
申請(專利權)人：中國互聯網絡信息中心，
類型：發明
國別省市：北京;11