2010年CNCERT大赛评选规则说明课件.doc

2010年CNCERT大赛评选规则说明 2010-4-26 总则 正则表达式匹配算法软件大赛，是通过软件实现的方法，完成正则表达式的匹配工作，测评出在下列各个方面最优秀的软件：实现语法完整、匹配内容正确、预处理与匹配运算速度快、占用内存少。 大赛评选分为初赛评选与复赛评选。初赛只要求参赛人员提交如图二所示TXT文档格式的自测结果，复赛则遵循图三所示的现场测试流程。 正则表达式语法要求 语法要求分为2部分，详见附录1： 基本部分：这部分正则表达式的语法要求必须满足，否则不能达到参赛要求； 选择部分：这部分正则表达式的语法要求，不是必须满足，但是如果支持这些语法，将在功能测试中，加上这部分测试项的得分（详见后面的评比方法）。 正则表达式匹配软件要求 基本要求：参加大赛的软件，能够根据输入的正则表达式规则文件，对数据文件进行模式搜索，并输出满足规则的数据模式。图示如下： 图 一 环境要求：测试环境为单台设备，如下所示： 硬件：AMD 64位 CPU、内存：16G 软件：Linux ， 为了减少I/O操作引起的时间消耗，系统将开辟8G的共享内存，在测评前把数据导入到共享内存中，测评软件可以直接读取该内存数据。 注意：共享内存的ID号为：0x1234。 语法要求：见前面的基本语法、选择语法。 软件命令行参数：命令行参数如下所示： -r：后续参数为正则表达式规则定义文件名称（格式定义下面）； -d：后续参数为测试用的数据文件名称（格式定义下面）； -s：测试数据大小，是系统提供的测试数据大小，也是共享内存的大小。数字单位为G，例如：-s 4，表示数据长度是：4×1024×1024×1024。 -p：预处理运行。当前的软件运行目的是根据规则文件，生成匹配用的状态树等内部数据，而不是进行任何匹配。如果没有该参数，则是根据预处理输出的数据，进行匹配工作。 -v：用于显示软件的版本信息； 注1：参数-d和-s不能调试出现，是为了调试中的选择方便，可以使用输入文件、也可以使用共享内存。 注2：系统测试分为2步：预处理测试和匹配测试。 软件数据输出格式：软件匹配成功的数据，使用printf语句直接打印在屏幕上，使测试人员直接观察，或者转存到指定文件中。数据格式如下： 偏移量 长度 规则序号 0123456701234567 232 453 0123456701238867 8 32 其中，各个数据项的分割符号，必须是空格（0x20），或者tab符号(0x09)。 偏移量：匹配成功的位置，距离文件开始的偏移量。为了支持大的数据文件（2－8G字节），偏移量应该是一个long int整数；偏移量的数值，从0开始（起始字节的偏移量为0）。 长度：匹配数据的开始位置、到结束位置的字节距离；该数据是一个2字节无符号整数（最大64K）； 规则序号：匹配的模式，在规则文件文件中的有效行号。该规则文件中，因包含注释行（可视为无效行），所以，单以包含一个有效规则的数据行排序，得出的规则序号。该数据是一个2字节无符号整数（最大64K）； 为了输出结果的自动处理，建议的打印语句如下： printf(%16lu %6u %6u\n,offset,length,number); 完整输出：软件一次运行的完整输出，应该包含各个运行阶段的时间输出，以便提供软件的详细运行性能。 版本信息：显示软件的单位、版本、版本时间等信息； 开始时间：软件运行的开始时刻；可以是time函数返回的整数值（秒）； 读取规则文件结束时间：在完成规则文件的读取后，打印当前时间，其目的是在计算时间时，除掉I/O操作时间； 预处理结束时间：在读取了规则文件后，一般会对规则进行预处理，以便生成便于匹配的内部数据结构。预处理时间也是本次大赛的一个性能点，因此需要打印预处理时间。 匹配结束时间：在所有匹配操作完成后，退出时，打印当前时间，便于计算完整的软件运行时间。 注意1：所有的时间，可以是time函数返回的整数值（秒）； 注意2：如果系统还有其他的操作步骤，也必须打印出相应的时间； 注意3：评比系统会通过各个时间，自动计算各个阶段的时间差，作为各个步骤所消耗的时间。 注意4：用户打印的时间数据，只是作为参考，系统还另有独立的检测系统，能够得到具体的运行时间。 完整输出示例如下： 图 二 内存容量：在测评中，将根据系统命令top，记录程序所占