基于正則表達(dá)式的高性能PHP路由

張文豪 陳平華

(廣東工業(yè)大學(xué)計算機(jī)學(xué)院 廣東 廣州 510006)

0 引 言

PHP路由就是網(wǎng)頁請求地址與PHP應(yīng)用系統(tǒng)中的處理程序的映射關(guān)系，其最大的作用就是將一個網(wǎng)頁請求地址解析為調(diào)用的程序地址。正則表達(dá)式一般可應(yīng)用于字符串的檢索功能，市場主流的PHP路由就是利用正則表達(dá)式檢索網(wǎng)頁請求地址從而確定調(diào)用的程序地址。正則表達(dá)式路由分為獨(dú)立的正則表達(dá)式和組合的正則表達(dá)式。獨(dú)立的正則表達(dá)式路由由于正則表達(dá)式數(shù)量與路由數(shù)量相同，路由檢索時，正則匹配次數(shù)較多，性能低下。Nikita[1]提出了組合的正則表達(dá)式路由，減少了正則表達(dá)式的數(shù)量和匹配次數(shù)從而提升了正則表達(dá)式路由的性能。但是隨著路由數(shù)量的增加，組合的正則表達(dá)式的數(shù)量也隨著增加，路由匹配性能下降太快，并且對于組合的正則表達(dá)路由的分塊大小只給出簡單的判斷，沒有進(jìn)行詳細(xì)的測試分析。

正則表達(dá)式編譯后得到的字符串是有長度限制的[2]，超過最大的長度時，正則表達(dá)式就無法進(jìn)行匹配，必須對組合的正則表達(dá)式進(jìn)行分塊，確保不會超過正則表達(dá)式的長度限制。正則表達(dá)式的字符串越長編譯后得到的字符串也越長，進(jìn)行匹配時性能也會相應(yīng)下降，合理的分塊大小才能使性能達(dá)到最佳。組合的正則表達(dá)式為了能夠準(zhǔn)確找到命中的路由，不同的組合方式有不同的解決方案，但都需要增加輔助字符串，會減少可以進(jìn)行組合的路由數(shù)量，因此采用不同的組合方式也會直接影響到路由的性能。

為了解決路由數(shù)量較多時，路由匹配給系統(tǒng)帶來的性能壓力，本文對組合的正則表達(dá)式路由的組合方式和分塊大小進(jìn)行測試對比，找出最優(yōu)的組合方式和分塊大小的規(guī)律，并對PHP內(nèi)核進(jìn)行深入研究，從PHP底層的機(jī)制對PHP路由的實(shí)現(xiàn)進(jìn)行深入的優(yōu)化。通過對組合的正則表達(dá)式路由的深入優(yōu)化，讓PHP路由的性能在極端情況下，也能保持性能的穩(wěn)定。

1 相關(guān)工作

隨著Ruby On Rails的火爆，PHP也隨著它的盛行進(jìn)入了框架開發(fā)的時代。為了解決使用開發(fā)框架后造成URL訪問地址冗長的問題，開發(fā)框架都提供了路由的功能來實(shí)現(xiàn)URL訪問地址的優(yōu)化，并且有利于搜索引擎的收錄，路由也成為開發(fā)框架的核心功能[3]。在開發(fā)框架強(qiáng)制開啟路由后，每個請求地址都要經(jīng)過路由匹配后才能確定要調(diào)用的程序文件，路由匹配是每個請求的必經(jīng)環(huán)節(jié)，成為影響系統(tǒng)性能的關(guān)鍵因素。

正則表達(dá)式從一開始就被應(yīng)用到開發(fā)框架的路由組件中，通常使用的是獨(dú)立的正則表達(dá)式方案，就是一條正則表達(dá)式表示一條路由信息，路由匹配時需要逐一匹配直到找到相應(yīng)的路由。由于獨(dú)立的正則表達(dá)式方案具有簡單、靈活的特點(diǎn)，在各種程序語言的開發(fā)框架上得到廣泛應(yīng)用。但獨(dú)立的正則表達(dá)式方案在路由信息較多時，性能損耗比較嚴(yán)重，路由的性能直接影響到開發(fā)框架的性能，因此提升路由的性能就可以提升開發(fā)框架的性能。

2014年1月我國臺灣省的林佑安發(fā)布了Pux 1.0，當(dāng)時的測試數(shù)據(jù)，路由的性能比Symfony2的路由快了4倍，拉開了提升PHP開發(fā)框架路由性能的序幕。Pux取得的性能的提升引起了很多PHP開發(fā)人員的注意，其中也包括PHP核心組開發(fā)成員：Nikita Popov。Nikita Popov在研究了Pux的實(shí)現(xiàn)后，發(fā)現(xiàn)Pux只是簡單地把PHP路由使用C語言編寫為PHP擴(kuò)展，還是采用了獨(dú)立的正則表達(dá)式的方案，也就是性能的提升主要來自PHP擴(kuò)展是靜態(tài)的，減少了PHP程序需要一邊解釋一邊執(zhí)行的時間。2014年2月Nikita Popov提出了基于組合的正則表達(dá)式的路由方案，詳細(xì)描述了兩種組合的方式：GCB和GPB，并通過綜合的測試，證明即使使用PHP程序進(jìn)行實(shí)現(xiàn)，其綜合性能還是明顯優(yōu)于Pux，并在2014年4月發(fā)布了基于組合的正則表達(dá)式的PHP路由庫：FastRoute。在FastRoute發(fā)布后，全球最流行的PHP開發(fā)框架laravel的精簡版本Lumen的路由就采用了FastRoute的實(shí)現(xiàn)。2018年2月Symfony發(fā)布4.1版本時，路由組件增加了組合的正則表達(dá)式的實(shí)現(xiàn)方案，并且組合的正則表達(dá)式方案使用方法和獨(dú)立的正則表達(dá)式方案保持一致，同時在400條靜態(tài)路由和400條動態(tài)路由的狀態(tài)下，測試發(fā)現(xiàn)組合的正則表達(dá)式路由方案的性能比獨(dú)立的正則表達(dá)式路由方案提升了5倍[4]。Symfony路由組件證明了組合的正則表達(dá)式路由方案可以在保持簡單、靈活的基礎(chǔ)上，有效地提升路由的綜合性能。從此，組合的正則表達(dá)式在PHP開發(fā)框架的路由組件中得到了廣泛的應(yīng)用，目前也是被廣泛認(rèn)可的提升路由性能的有效方案。

2 定 義

定義1路由是一個網(wǎng)絡(luò)工程的術(shù)語，是指分組從源到目的地時，決定端到端路徑的網(wǎng)絡(luò)范圍的進(jìn)程。Web開發(fā)中的路由是指如何定義應(yīng)用的端點(diǎn)(URIs)以及如何響應(yīng)客戶端的請求，是由一個URI、HTTP請求和調(diào)用程序組成[5]。

定義2正則表達(dá)式，又稱規(guī)則表達(dá)式(Regular Expression，在代碼中常簡寫為regex、regexp)，計算機(jī)科學(xué)的一個概念。正則表達(dá)式是對字符串進(jìn)行描述和通配操作的一種邏輯公式，通常被用來檢索、替換那些符合某個模式(規(guī)則)的文本[6]。

正則表達(dá)式是對字符串(包括普通字符(例如，a到z之間的字母)和特殊字符(稱為“元字符”))操作的一種邏輯公式，就是用事先定義好的一些特定字符及這些特定字符的組合，組成一個“規(guī)則字符串”，這個“規(guī)則字符串”用來表達(dá)對字符串的一種過濾邏輯。正則表達(dá)式是一種文本模式，該模式描述在搜索文本時要匹配的一個或多個字符串。

正則表達(dá)式使用小括號(……)構(gòu)建分組，可以將多個正則表達(dá)式通過分組的語法組合為一個大的正則表達(dá)式。正則表達(dá)式分組分為捕獲組和非捕獲組，捕獲組匹配時會從左到右自動生成組號，支持反向的引用，非捕獲組沒有生成組號，不支持反向引用[7-8]。

定義3正則表達(dá)式路由就是使用正則表達(dá)式來表示路由規(guī)則，包括路由定義和路由匹配兩部分。路由定義就是使用正則表達(dá)式完成路由規(guī)則的定義。路由匹配即路由命中，就是根據(jù)路由定義時用的正則表達(dá)式與請求地址進(jìn)行正則匹配，正則表達(dá)式匹配就表示該路由命中，同時根據(jù)正則匹配的結(jié)果和路由定義的規(guī)則進(jìn)行處理，得到一個程序調(diào)用的目標(biāo)地址。

根據(jù)正則表達(dá)式與路由的對應(yīng)關(guān)系，又分為獨(dú)立的正則表達(dá)式路由和組合的正則表達(dá)式路由。

獨(dú)立的正則表達(dá)式路由就是一條正則表達(dá)對應(yīng)一條路由，路由搜索時，通過列表循環(huán)方式，依次檢測每條路由的正則表達(dá)式是否與請求地址正則匹配，如果匹配就代表該路由命中，終止循環(huán)；循環(huán)結(jié)束還是沒有正則表達(dá)式匹配就代表沒有路由命中。

組合的正則表達(dá)式路由就是一條正則表達(dá)式對應(yīng)多條路由，通常還得使用分塊限制正則表達(dá)式的長度，路由搜索時也是通過列表循環(huán)方式，依次檢測每條組合后的正則表達(dá)式是否匹配，如果組合后的正則表達(dá)式與請求地址匹配，還需要根據(jù)組合的方式計算出命中的路由；如果循環(huán)結(jié)束還是沒有正則表達(dá)式能匹配請求地址就代表沒有路由命中。正則表達(dá)式的組合有兩種格式，分別為(?:)和(?|)[7-8]。兩種組合的格式都可以使用“|”構(gòu)造多個分支。每個分組分支可以包含多個子組，代表一條路由信息。

3 相關(guān)數(shù)據(jù)

假設(shè)有一個資訊類網(wǎng)站，每個子站有5條路由信息，分別為主頁、欄目頁、列表頁、詳細(xì)頁、搜索頁，并且每個子站都指定了子域名(t1到tN)，如表1所示。本文通過增加和減少子站數(shù)量來控制測試的路由數(shù)量。

表1 子站t1的路由信息示例(域名為：t1.xqkeji.com)

舉例說明：

(1) 訪問http[s]://t1.xqkeji.com/后，主頁面的路由被選中，得到調(diào)用程序的地址為：info模塊里的default類的index方法，方法的參數(shù)為100。

(2) 訪問http[s]://t1.xqkeji.com/category/1000后，欄目頁的路由被選中，得到調(diào)用程序的地址為：info模塊里的default類的category方法，方法的參數(shù)為路由正則匹配結(jié)果的第一個參數(shù)值(1 000)。

(3) 訪問http[s]://t1.xqkeji.com/list/1001后，列表頁的路由被選中，得到調(diào)用程序的地址為：info模塊里的default類的list方法，方法的參數(shù)為路由正則匹配結(jié)果的第一個參數(shù)值(1 001)。

(4) 訪問http[s]://t1.xqkeji.com/show/100001后，詳細(xì)頁的路由被選中，得到調(diào)用程序的地址為：info模塊里的default類的show方法，方法的參數(shù)為路由正則匹配結(jié)果的第一個參數(shù)值(100 001)。

(5) 訪問http[s]://t1.xqkeji.com/search/后，搜索頁的路由被選中，得到調(diào)用程序的地址為：info模塊里的default類的search方法。

4 算 法

基于正則表達(dá)式的路由算法有兩種形式：獨(dú)立的正則表達(dá)式路由和組合的正則表達(dá)式路由。

本文的路由的基本格式：([域名1|域名2|.*?])_([請求方法1|請求方法2|.*?])_路由規(guī)則。

4.1 獨(dú)立的正則表達(dá)式路由

獨(dú)立的正則表達(dá)式路由就是一條正則表達(dá)式表示一條路由信息，通常將所有的正則表達(dá)式路由信息存放到一個數(shù)組中，通過數(shù)組遍歷逐條進(jìn)行正則匹配，只要有一條正則表達(dá)式匹配成功，就退出數(shù)組遍歷，該匹配成功的路由信息為需要調(diào)用的程序地址，如果直到數(shù)組遍歷結(jié)束還沒有一條正則表達(dá)式匹配成功，就表示找不到路由，返回404錯誤。

根據(jù)子站點(diǎn)t1的路由信息，給出相應(yīng)的獨(dú)立的正則表達(dá)式的路由信息。

＄regexes=[

//主頁路由正則表達(dá)式

′#^(t1.xqkeji.com)_(get|post)_/＄#′,

//欄目頁路由正則表達(dá)式

′#^(t1.xqkeji.com)_(get|post)_/c ategory(/.*)*＄#′,

//列表頁路由正則表達(dá)式

′#^(t1.xqkeji.com)_(get|post)_/list(/.*)*＄#′,

//詳細(xì)頁路由正則表達(dá)式

′#^(t1.xqkeji.com)_(get|post)_/show(/.*)*＄#′,

//搜索頁路由正則表達(dá)式

′#^(t1.xqkeji.com)_(get|post)_/search/＄#′,

];

算法描述：

//系統(tǒng)所有路由的正則表達(dá)式的數(shù)組

regexes ← 路由正則數(shù)組

//格式為：請求域名_請求方法_請求地址

//例如：t1.xqkeji.com_get_/表示主頁的請求地址

url ← 特定格式的URL信息字符串

//是否路由匹配，初始0表示沒有路由匹配

matched ← 0

//路由數(shù)組的索引下標(biāo)，確定匹配的路由

route_index ← 0

For regex From regexes

//正則匹配就是測試url地址字符串是否符合正則表達(dá)式

//regex的規(guī)則，返回true或false，同時將正則搜索的結(jié)果存儲

//到matches數(shù)組中

If 正則匹配(regex,url,matches) Then

//已經(jīng)找到路由

matched ← 1

BREAK

End If

route_index ← route_index+1

End For

If matched Then

//route_index為選中的路由

Else

//沒有找到路由，404錯誤

End If

4.2 組合的正則表達(dá)式路由

組合的正則表達(dá)式路由就是將多條正則表達(dá)式路由信息通過正則表達(dá)式的分組語法規(guī)則組合成為一條大的正則表達(dá)式，也就是用一條大的正則表達(dá)式表示多條路由信息。PHP路由的組合方式主要有三種：基于分組位置(GPB)、基本分組計數(shù)(GCB)和基本分組標(biāo)記(GMB)。

1) 基于分組位置(GPB)就是根據(jù)正則表達(dá)式的匹配結(jié)果的分組位置計算出正則表達(dá)式命中的分支，也就是命中的路由。GPB組合的特點(diǎn)：以“(?:”開頭；每個分支的分組數(shù)量一致；所有分組位置從左到右遞增；分支匹配后，前面沒有匹配的分支的分組位置都會填充空白符，如圖1所示。

圖1 GPB組合示例圖

假設(shè)分支3的正則規(guī)則匹配，那么分支1和分支2的分組都會被填充空白符。正則匹配結(jié)果為：

[

0=>全匹配的結(jié)果，

1=>”,//分支1的分組1填充空白符

2=>”,//分支1的分組2填充空白符

……

7=>分支3分組7的匹配結(jié)果數(shù)據(jù)，

8=>分支3分組8的匹配結(jié)果數(shù)據(jù)，

9=>分支3分組9的匹配結(jié)果數(shù)據(jù)

]

根據(jù)匹配結(jié)果里有9個分組和每個分支有3個分組可以計算出“分支3”命中。

GPB的組合的路由的正則表達(dá)式的格式：′#^(?:主頁路由正則表達(dá)式()()()()|欄目頁路由正則表達(dá)式()()()|列表頁路由正則表達(dá)式()()()|詳細(xì)頁路由正則表達(dá)式()()()|搜索頁正則表達(dá)式()()()())＄#’，GPB必須保證所有正則分支的子組數(shù)都相同，也就是取所有分支中的最大分組數(shù)，其他分支添加多余的空分組來確保所有分支的分組數(shù)相同，本例的最大分組數(shù)和相同的分組數(shù)為6。

算法描述：

regex ← 所有路由組合成的GPB正則表達(dá)式

//格式為：請求域名_請求方法_請求地址

//例如：t1.xqkeji.com_get_/表示主頁的請求地址

url ← 特定格式的URL信息字符串

//路由數(shù)組的索引下標(biāo)，確定匹配的路由

route_index ← 0

//正則匹配就是測試url地址字符串是否符合正則表達(dá)式

//regex的規(guī)則，返回true或false，同時將正則搜索的結(jié)果存儲

//到matches數(shù)組中

If 正則匹配(regex,url,matches) Then

//正則表達(dá)式有匹配，說明已經(jīng)找到路由

//6為所有分支最大和相同的分組數(shù)

//計算出命中路由的索引

route_index ← (統(tǒng)計數(shù)組元素數(shù)量(matches)-1)/6-1

Else

//沒有找到路由，404錯誤

End If

2) 基于分組計數(shù)(GCB)就是根據(jù)正則表達(dá)式的匹配結(jié)果中每個分支的分組數(shù)量是遞增計數(shù)的特點(diǎn)來計算出正則表達(dá)式命中的分支，也就是命中的路由。GCB組合的特點(diǎn)：以“(?|”開頭；每個分支的分組數(shù)量不一樣并且是遞增的；所有分支的分組位置是獨(dú)立的；分支匹配后，前面沒有匹配的分支的分組位置不會填充空白符，如圖2所示。

圖2 GCB組合示例圖

假設(shè)分支3的正則規(guī)則匹配，那么正則匹配結(jié)果為：

[

0=>全匹配的結(jié)果，

1=>分支3分組1的匹配結(jié)果數(shù)據(jù)，

2=>分支3分組2的匹配結(jié)果數(shù)據(jù)，

3=>分支3分組3的匹配結(jié)果數(shù)據(jù)，

4=>分支3分組4的匹配結(jié)果數(shù)據(jù)，

5=>分支3分組5的匹配結(jié)果數(shù)據(jù)

]

根據(jù)匹配結(jié)果里有5個分組數(shù)和分支3的分組數(shù)一致可以計算出“分支3”命中。

GCB的組合格式：′#^(?|主頁路由正則表達(dá)式()()()()|欄目頁路由正則表達(dá)式()()()()|列表頁路由正則表達(dá)式()()()()()|詳細(xì)頁路由正則表達(dá)式()()()()()()|搜索頁正則表達(dá)式()()()()()()()())＄#’，GCB必須保證所有正則分支的分組數(shù)是遞增的并且有確定的最小分組數(shù)，在這里最小的分組數(shù)是6，主頁的分組數(shù)為6、欄目頁的分組數(shù)為7、列表頁的分組數(shù)為8、詳細(xì)頁的分組數(shù)為9、搜索頁的分組數(shù)為10。

算法描述：

regex ← 所有路由組合成的GCB正則表達(dá)式

//格式為：請求域名_請求方法_請求地址

//例如：t1.xqkeji.com_get_/表示主頁的請求地址

url ← 特定格式的URL信息字符串

//路由數(shù)組的索引下標(biāo)，確定匹配的路由

route_index ← 0

//正則匹配就是測試url地址字符串是否符合正則表達(dá)式

//regex的規(guī)則，返回true或false，同時將正則搜索的結(jié)果存儲

//到matches數(shù)組中

If 正則匹配(regex,url,matches) Then

//正則表達(dá)式有匹配，說明已經(jīng)找到路由

//6為所有分支最大和相同的分組數(shù)

//計算出命中路由的索引

route_index ← 統(tǒng)計數(shù)組元素數(shù)量(matches)-7

Else

//沒有找到路由，404錯誤

End If

3) 基于分組標(biāo)記(GMB)就是根據(jù)正則表達(dá)式的匹配結(jié)果的分支標(biāo)記數(shù)據(jù)來確定命中的分支，也就是命中的路由。GMB組合的特點(diǎn)：以“(?|”開頭；每個分支的分組數(shù)量沒有限制；每個分支需要設(shè)置唯一的標(biāo)記；分支匹配后，該分支的標(biāo)記會填充到匹配的結(jié)果中，通過分支標(biāo)記的數(shù)據(jù)能很容易確定命中的路由，如圖3所示。

圖3 GMB組合示例圖

假設(shè)分支3的正則規(guī)則匹配，那么正則匹配結(jié)果為：

[

0=>全匹配的結(jié)果，

1=>分支3分組1的匹配結(jié)果數(shù)據(jù)，

MARK=>分支標(biāo)記3的數(shù)據(jù)，

]

根據(jù)匹配結(jié)果的MARK數(shù)據(jù)就能確定“分支3”命中。

GMB的組合格式：′#^(?|主頁路由正則表達(dá)式(*MARK:0)|欄目頁路由正則表達(dá)式(*MARK:1)|列表頁路由正則表達(dá)式(*MARK:2)|詳細(xì)頁路由正則表達(dá)式(*MARK:3)|搜索頁正則表達(dá)式(*MARK:4))＄#’，GMB通過為每一個組合的分支添加一個唯一的標(biāo)記，不需要添加多余的正則表達(dá)式的空分組()。

算法描述：

regex ← 所有路由的GMB正則表達(dá)式

//格式為：請求域名_請求方法_請求地址

//例如：t1.xqkeji.com_get_/表示主頁的請求地址

url ← 特定格式的URL信息字符串

//路由數(shù)組的索引下標(biāo)，確定匹配的路由

route_index ← 0

//正則匹配就是測試url地址字符串是否符合正則表達(dá)式

//regex的規(guī)則，返回true或false，同時將正則搜索的結(jié)果存儲

//到matches數(shù)組中

If 正則匹配(regex,url,matches) Then

//正則表達(dá)式有匹配，說明已經(jīng)找到路由

//計算出命中路由的索引

route_index ← matches[‘MARK’]

Else

//沒有找到路由，404錯誤

End If

5 實(shí)現(xiàn)方案

本文綜合了Pux、FastRoute、Symfony Routing各自的優(yōu)點(diǎn)，采用C語言實(shí)現(xiàn)PHP擴(kuò)展的方式，提升程序性能，并且結(jié)合PHP內(nèi)核的機(jī)制進(jìn)行路由性能的優(yōu)化；對組合方式和分塊大小進(jìn)行深入研究，經(jīng)測試和分析表明GMB是最優(yōu)的組合方式，同時發(fā)現(xiàn)了最優(yōu)的分塊大小是動態(tài)的，是隨著路由信息總數(shù)量的變化而變化的，并提出一個最優(yōu)分塊大小的范圍。

5.1 分塊大小

正則表達(dá)式是有長度的限制的，PHP默認(rèn)使用的是16-bit PCRE2 library，支持的正則表達(dá)式編譯后的結(jié)果的最大長度為65 536，這就造成了進(jìn)行組合的正則表達(dá)式路由必須進(jìn)行分塊，將一條大的正則表達(dá)式分成多個小塊，才能確保不會超出正則表達(dá)式長度的限制。由于限制的長度是正則表達(dá)式編譯后的長度，我們很難計算出GPB和GCB組合支持最大的路由數(shù)。經(jīng)過簡單的測試，以每個分支最多6個分組為例，GPB組合一條正則表達(dá)式大概支持400條路由，GCB組合一條正則表達(dá)式大概支持100條路由，GMB組合一條正則表達(dá)式大概支持600條路由，如表2和表3所示。

表2 GPB組合產(chǎn)生的空分組數(shù)

表3 GCB組合產(chǎn)生的空分組數(shù)

例如使用t1-t20構(gòu)建100條路由，GPB組合產(chǎn)生17×20=340個空分組，GCP組合產(chǎn)生17×20+((20×5-1)(20×5-1+1))/2=340+4 950，GMB組合只加了一個唯一的標(biāo)記沒有空分組。每一個空分組()由兩個字符組合，GPB的空分組會產(chǎn)生680個字符，GCB的空分組會產(chǎn)生10 580個字符。這是造成GCB一條正則表達(dá)式大概最多只支持100條路由、GPB可以達(dá)到400條路由、GMB可以達(dá)到600條路由的原因。

采用分塊后，GPB、GCB、GMB三種組合都不是每條正則表達(dá)式包含最多的路由數(shù)時達(dá)到性能最佳。由于正則的匹配性能是不穩(wěn)定的，經(jīng)過簡單測試，三種組合的最佳分塊大小大概等于：

最大數(shù)(最小數(shù)(路由總數(shù)量×G,GMax),GMin)

其中：G在0.3～0.7之間，一般取0.5；Gmin在GPB和GCB中一般取10，在GMB中一般取30；GMax在GPB中一般取300，在GCB中一般取70，在GMB中一般取550。

5.2 采用的組合方式

根據(jù)5.1節(jié)的描述，無論是GPB還是GCB，都需要額外添加空分組()，才能正確計算出匹配的路由，并且隨著分支數(shù)的增加，空分組的數(shù)量就會越多。

同時構(gòu)建t1-t20個子站點(diǎn)，總共100條路由信息，分別使用GPB、GCB和GMB，匹配t1、t10、t20站點(diǎn)的第一條路由和最后一條路由，測試驗(yàn)證三種組合方式的性能，結(jié)果如圖4所示。

圖4 三種組合方式性能測試

根據(jù)測試的結(jié)果，在t1、t10、t20中，采用GMB組合的路由性能比GCB和GPB都有明顯的優(yōu)勢。同時從測試的結(jié)果看，在路由數(shù)量較少時，GCB和GMB的性能接近；隨著路由數(shù)量的增加，GCB組合添加的輔助字符越多，與GMB組合的性能差距就越大。

GMB組合的優(yōu)勢在于添加的輔助字符是最少的，同時限制也是最少的，并沒有最小分組數(shù)和相同分組數(shù)的限制，這就決定了GMB對比其他組合方式有明顯的優(yōu)勢。

5.3 其 他

1) 路由格式。([域名1|域名2|.*?])_([請求方法1|請求方法2|.*?])_路由規(guī)則(*MARK:分支唯一標(biāo)記)

該格式簡單并且支持多域名和多個請求方法，容易編譯成一條大的正則表達(dá)式。

2) 路由分類。根據(jù)路由信息的特點(diǎn)，將路由分為靜態(tài)路由和動態(tài)路由。路由進(jìn)行分類后，靜態(tài)路由不需要進(jìn)行正則匹配，直接根據(jù)請求的URL地址與目標(biāo)程序的對應(yīng)關(guān)系，可以采用哈希表進(jìn)行路由匹配，從而減少了正則表達(dá)式的數(shù)量。例如t1站點(diǎn)的主頁和搜索頁，對應(yīng)的規(guī)則分別為’/’和’/search’，直接與請求的URL地址對應(yīng)，無須使用正則匹配，就能確定調(diào)用的目標(biāo)程序地址。

3) 自定義正則匹配函數(shù)。使用preg_match進(jìn)行路由匹配返回的結(jié)果中，我們只需要得到模塊名稱、控制器名稱、動作名稱和參數(shù)四個數(shù)據(jù)，其他數(shù)據(jù)只是為了輔助驗(yàn)證，不需要通過PHP再返回。通過自定義preg_match函數(shù)，改為調(diào)用PCRE進(jìn)行正則匹配后，直接返回正則分支的MARK唯一標(biāo)記，不匹配時返回false，方便直接得到選中的路由索引，并將匹配的結(jié)果修改為只返回4個我們需要的數(shù)據(jù)，可以減少PHP將PCRE的匹配結(jié)果轉(zhuǎn)化為PHP數(shù)據(jù)時3次插入數(shù)據(jù)。

4) 使用持久數(shù)組存儲路由信息。PHP每次請求結(jié)束都會進(jìn)行垃圾回收，所有非持久的資源都會被銷毀[9-10]。在沒有將路由信息存儲在持久數(shù)組中時，每一次請求都要加載路由信息。路由信息數(shù)量較多時，加載路由信息就會變成系統(tǒng)的瓶頸。將路由信息存儲在持久數(shù)組中，每一個進(jìn)程只需加載一次，第二次請求無須加載路由信息，可以有效解決加載大量路由信息對性能造成的影響。

5) 使用LRU緩存路由命中結(jié)果。每個請求地址對應(yīng)的路由信息是固定的，它們之間是一一對應(yīng)的關(guān)系，可以使用緩存來表示它們之間對應(yīng)的關(guān)系，從而減少正則匹配的次數(shù)，提升路由的性能。但是一個普通的網(wǎng)站日點(diǎn)擊率也會超過10萬次，因此緩存必須要有淘汰的策略，不然緩存的信息量太大，會耗盡系統(tǒng)資源，反而會成為負(fù)擔(dān)。

LRU是Least Recently Used的縮寫，即最近最少使用，是一種常用的頁面置換算法，選擇最近最久未使用的頁面予以淘汰[11]。結(jié)合PHP內(nèi)核提供的HashTable和雙向鏈表數(shù)據(jù)結(jié)構(gòu)，實(shí)現(xiàn)了一個路由命中結(jié)果的LRU緩存，如圖5所示。

圖5 使用緩存的路由匹配流程

啟用LRU緩存后，使用Web請求的url地址作為HashTable的Key,然后LRU節(jié)點(diǎn)存儲路由匹配返回的結(jié)果。路由匹配前，檢查該Web請求的url地址是否存在緩存，存在時直接返回緩存中存儲的路由匹配結(jié)果，不存在時進(jìn)行路由匹配并將路由匹配結(jié)果寫入緩存最后返回路由匹配結(jié)果。

6 實(shí)驗(yàn)與結(jié)果

6.1 實(shí)驗(yàn)環(huán)境

1) 軟件環(huán)境。操作系統(tǒng)：Windows 10。軟件環(huán)境：Docker19.03.5、PHP7.4.1。PHP基準(zhǔn)測試庫：nice/bench 1.0。

2) 硬件環(huán)境。處理器：Intel(R) Core(TM) i5- 3230M。內(nèi)存：8.00 GB(1 600 MHz)。硬盤：系統(tǒng)盤(固態(tài)硬盤Lenovo SSD SL700 128 GB)，數(shù)據(jù)盤(機(jī)械硬盤WDC WD5000LPVT- 08G33T1)。

6.2 產(chǎn)品對比

FastRoute是第一個實(shí)現(xiàn)組合的正則表達(dá)式路由方案的PHP開源項(xiàng)目，同時被應(yīng)用于Lumen框架中。它那提出的組合的正則表達(dá)式路由的實(shí)現(xiàn)方案被大量的項(xiàng)目借鑒，使得正則表達(dá)式路由的匹配性能有了數(shù)量級的提升。

Routing(Compiled)是PHP著名的開發(fā)框架Symfony的路由組件中的一種路由匹配方式，是在Symfony 4.1版本后借鑒了FastRoute的組合的正則表達(dá)式路由的實(shí)現(xiàn)方案，實(shí)現(xiàn)了將Routing的路由信息編譯為組合的正則表達(dá)式路由的實(shí)現(xiàn)方案,對比獨(dú)立的正則表達(dá)式路由有5倍性能的提升。

XqRoute是采用本文制定的實(shí)現(xiàn)方案，實(shí)現(xiàn)的高性能的PHP路由庫。

XqRoute(LRU)是在XqRoute下開啟了LRU緩存，開啟LRU緩存后可以讓路由的匹配不受路由信息數(shù)量的影響，保持穩(wěn)定的路由性能。

6.3 構(gòu)建實(shí)驗(yàn)數(shù)據(jù)

通過構(gòu)建t1-t20、t1-t100、t1-t200等，生成100條、500條、1 000條路由信息。

6.4 測試對比

1) 100條路由。連續(xù)運(yùn)行10 000次，對比t1、t10、t20站點(diǎn)5條路由都匹配一次和一次沒有路由匹配的情況，如圖6所示。

圖6 100條路由(t1-t20)的路由匹配性能對比

2) 500條路由。連續(xù)運(yùn)行10 000次，對比t1、t50、t100站點(diǎn)5條路由都匹配一次和一次沒有路由匹配的情況，如圖7所示。

圖7 500條路由(t1-t100)的路由匹配性能對比

3) 1 000條路由。連續(xù)運(yùn)行10 000次，對比t1、t100、t200站點(diǎn)5條路由都匹配一次和一次沒有路由匹配的情況，如圖8所示。

圖8 1 000條路由(t1-t200)的路由匹配性能對比

6.5 測試結(jié)論

根據(jù)測試的路由信息，只有60%的路由是動態(tài)路由，也就是100條路由時，只有60條動態(tài)路由。FastRoute在動態(tài)路由信息較少時，性能表現(xiàn)比較好，但隨著動態(tài)路由信息的增加，性能下降較快。XqRoute即使沒有開啟LRU緩存，綜合性能也是最好的，隨著動態(tài)路由信息的增加，性能只是緩慢下降，動態(tài)路由信息越多，性能優(yōu)勢越明顯。XqRoute啟用LRU緩存后，可以使得路由匹配的性能基本與動態(tài)路由信息的數(shù)量無關(guān)。

7 結(jié) 語

本文深入研究了組合的正則表達(dá)式路由的組合方式和分塊大小，并制定了一個可行的高性能的PHP路由實(shí)現(xiàn)方案，實(shí)現(xiàn)了一個不受動態(tài)路由信息數(shù)量影響的高性能的PHP路由庫。接下來將在此基礎(chǔ)上，繼續(xù)研究和實(shí)現(xiàn)開發(fā)框架的其他核心組件，最終實(shí)現(xiàn)一個通用的高性能的高效率的PHP開發(fā)框架。