深入淺出 Hyperscan：高性能正則表達式算法原理與設計

王翔，英特爾數據中心網絡平台部資深工程師，Hyperscan 項目主要技術負責人。

昌昊，英特爾資深軟件工程師,負責Hyperscan算法開發和性能調優等相關工作。

洪楊，英特爾資深軟件工程師,負責 Hyperscan研發。

張磊，英特爾網絡平台部門軟件應用工程師,主要負責DPDK、Hyperscan、QAT等網絡加速方案的技術支持。

目錄
第 1章　正則表達式簡介 1
1．1　正則表達式的語法 1
1．2　正則表達式的流派與標準 7
1．2．1 PCRE簡介 7
1．2．2 POSIX標準 8
1．3　本章參考 10

第 2章　正則表達式匹配算法 11
2．1　純字符串匹配 11
2．1．1 單字符串匹配KMP算法 11
2．1．2 單字符串匹配BM算法 16
2．1．3 多字符串匹配AC算法 21
2．1．4 AC算法與單字符串匹配 24
2．1．5 SHIFT-OR算法 25
2．2　非確定性有限狀態自動機 28
2．2．1 定義 28
2．2．2 運算優先級 29
2．2．3 Thompson構造法 31
2．2．4 ε-NFA的簡化 34
2．2．5 Glushkov構造法 36
2．3　確定性有限狀態自動機 40
2．3．1 定義 40
2．3．2 從NFA到DFA 40
2．3．3 DFA的狀態規模 46
2．3．4 DFA的狀態最小化 52
2．4　本章參考 55

第3章　正則表達式匹配庫 56
3．1　PCRE 56
3．1．1 語法支持 56
3．1．2 設計概述 57
3．1．3 基本API和示例代碼 58
3．2　RE2 60
3．2．1 語法支持 60
3．2．2 設計概述 60
3．2．3 基本API和示例代碼 60
3．3　Hyperscan 61
3．3．1 語法支持 61
3．3．2 匹配模式 62
3．3．3 設計概述 63
3．3．4 基本API和示例代碼 64
3．4　正則表達式匹配庫的比較 65
3．4．1 概述 65
3．4．2 語法支持 65
3．4．3 設計原理 66
3．4．4 性能 68
3．5　本章參考 70

第4章　Hyperscan特性 71
4．1　Hyperscan的語義 71
4．2　編譯期和運行期 71
4．2．1 編譯期 72
4．2．2 運行期 74
4．3　Hyperscan高級特性 77
4．3．1 流狀態壓縮 77
4．3．2 近似匹配 78
4．3．3 邏輯組合 79
4．3．4 Chimera 80
4．4　Hyperscan工具 82
4．4．1 hsbench 82
4．4．2 hscheck 84
4．4．3 hscollider 85
4．4．4 hsdump 88

第5章　Hyperscan設計原理 92
5．1　設計原則 92
5．1．1 實用性優先 92
5．1．2 極端情況可用 93
5．1．3 流模式支持 93
5．1．4 大規模可擴展 93
5．1．5 小規模高性能 94
5．1．6 性能優先 94
5．1．7 平衡開銷 94
5．1．8 漸進主義 95
5．1．9 可測試性設計和自動可測試性設計 96
5．2　運行原理 96
5．2．1 匹配組件 97
5．2．2 匹配原則 100
5．2．3 運行期實現 103
5．2．4 運行期優化 108
5．3　圖分解 112
5．3．1 支配路徑分析 114
5．3．2 支配區域分析 115
5．3．3 網絡流分析 116
5．3．4 圖分解流程 117
5．4　圖優化 122
5．4．1 節點冗餘 123
5．4．2 邊冗餘 129
5．5　本章參考 132

第6章　Hyperscan引擎 133
6．1　SIMD加速 133
6．1．1 搜索單字符的加速 133
6．1．2 搜索雙字符序列的加速 134
6．1．3 搜索小規模單字符集的加速 136
6．1．4 搜索大規模單字符集的加速 140
6．1．5 環視機制 143
6．2　純字符串匹配 148
6．2．1 純字符串匹配在Hyperscan中的作用 148
6．2．2 單字符串匹配器“Noodle” 148
6．2．3 大規模多字符串匹配器“FDR” 150
6．2．4 小規模多字符串匹配器“Teddy” 156
6．3　正則引擎 160
6．3．1 NFA引擎 160
6．3．2 DFA引擎 168
6．3．3 重複引擎 186
6．3．4 Tamarama 197

第7章　Hyperscan性能優化 199
7．1　Hyperscan性能測試 199
7．1．1 性能測試目的 199
7．1．2 基於性能的硬件和GRUB配置 199
7．1．3 hsbench測試 201
7．2　Hyperscan性能調優技巧 205
7．2．1 正則表達式構造 206
7．2．2 軟件庫的使用 207
7．2．3 塊模式 207
7．2．4 數據庫分配 209
7．2．5 scratch內存分配 209
7．2．6 錨定規則 211
7．2．7 隨處匹配的規則 212
7．2．8 流模式下的重複語義 213
7．2．9 青睞字符串 214
7．2．10 DOTALL標誌 215
7．2．11 單次匹配標誌 216
7．2．12 Start of Match標誌 217
7．2．13 近似匹配 218

第8章　Hyperscan實際案例學習 221
8．1　Snort 221
8．1．1 介紹 221
8．1．2 Hyperscan集成 222
8．1．3 基於內存的性能測試 225
8．2　Suricata 229
8．2．1 介紹 229
8．2．2 Hyperscan集成 229
8．2．3 基於內存的性能測試 234
8．3　垃圾郵件檢測 238
8．4　深度報文檢測 242
8．4．1 nDPI 242
8．4．2 UDPI 245
8．5　數據庫 247
8．5．1 整合概述 248
8．5．2 實驗結果與分析 250
8．6　Web應用防火牆 254