基于二元组简单正则表达式快速检索算法.docVIP

基于二元组简单正则表达式快速检索算法摘要： 在大型数据集群网络中，业务逻辑节点和数据库节点分布在不同的地理位置，导致在该网络中创建或检索用户数据将经历较大的网络延迟。如何快速找到用户数据的地理位置节点（服务器识别号）将是减少网络延迟的关键。介绍一种动态索引算法，基于简单正则表达，建立用户数据和服务器组之间的映射关系，并引入动态多叉树，实现动态更改映射关系。引入一元组数据节点和二元组数据节点的概念，应用于多叉树，通过分析一元组多叉树和二元组多叉树的时间效率和空间效率，证明二元组多叉树随着树深的增长，检索时间复杂度保持更好的线性特性。通过一些性能测试的实验数据的比较，得出二元组方案的综合性能更优的结论。最后，简要地介绍该算法的应用领域。 关键词： 二元组；正则表达式；多叉树；快速检索；IMS；IMPI；IMPU 中图分类号：TN915.12 文献标识码：A 文章编号：1005-3824（2014）01-0071-05 0 引 言 随着3G网络商用化的成熟和LTE演进，移动数据网的用户数量必然随着各种丰富的移动应用而快速增长。移动数据网最大特点就是用户注册时能够实现用户标识分离[1]，即用户身份和用户终端标识的分离，IMS/SIP网中IMPI[2]/IMPU[3]能够很好支持用户标识分离。大型IMS/SIP商用网络的用户数据管理是基于数据集群网络，同一个用户的信息可能分布在不同的地理位置服务器，同时用户数据的主服务器和备份服务器也是分布在不同地理位置。这就决定了用户数据创建和检索的复杂性。通过数据库集群网络，如MySQL，解决这个困难的做法是，引入索引服务器，通过静态配置用户数据和服务器组的映射关系来克服。 但是这种方法由于具有静态性，用户不能动态更改映射关系，并且这种映射关系存在一对一的局限性，使问题的解决效率不高。 本文介绍了一种动态索引算法，该算法可以根据用户的需求，动态更新映射规则，并且实现一个用户数据对多个服务器（即一个服务器组）的复杂映射关系。算法的核心是：基于简单正则表达，实现用户数据和服务器组的复杂映射关系，并引入常驻内存的动态多叉树[4]实现用户动态更改映射关系。 因此，在IMS网络中用于创建或检索用户数据时，该算法能快速定位所在分布式数据集群网络中的地理位置节点。在此基础上，为了降低迭代次数，本文引入一元组数据节点和二元组数据节点的概念，分别应用于该多叉树。通过分析一元组数据节点和二元组数据节点，以及一元组多叉树和二元组多叉树的时间效率和空间效率，从理论上证明二元组多叉树虽然空间开销稍大一些，但是，基于二元组的多叉树随着树深增长，检索时间复杂度保持更好的线性特性。通过一些性能测试实验数据的比较证明了本文的理论分析，同时得出二元组方案综合性能更优的结论。最后，简要地介绍该算法可能的应用领域。 1 简单正则表达式的定义 简单正则表达式支持的格式为“…%x00w%x00…%x00w%x00…%x00w%x00…”，每个“.”是一个符合RFC2486[2]（IMPI 格式） 和 RFC3261[3]（SIP IMPU格式）规定的有效字符，%x00w%x00中的w是匹配规则通配符串，且%x00w%x00的个数和位置没有限定，为了简化算法和提高检索性能，我们规定如果出现多个%x00w%x00通配符，2个通配符中间至少需要一个“.”。 我们之所以选择%x00封装通配符，是因为根据RFC2486（IMPI） 和 RFC3261（SIP IMPU），“%x00”是未被IMPU和IMPI使用的；同时，使用%x00封装通配符可以避免和其他字符，如“[”，”]”，”{“，”}”，等发生冲突；另外，封装字符串%x00对大小写不敏感，也就是说 “%X00” 和“%x00” 是等价的。 “%x00w%x00” 通用语法确定为 “%x00*[A|D][m，n]%x00” 针对该通用语法的一些特例： 1）“%x00*%x00”表示任意大于等于0的字符串。 2）“%x00*m，n%x00”表示任意大于等于m而小于等于n的字符串， 例如 “%x00*2，6%x00” 表示任意大于等于2而小于等于6的字符串。如果n或m不出现，则表示没有上限或下限，例如， “%x00*，5%x00” 表示任意小于等于5的字符串；“%x00*2，%x00” 表示任意大于等于2的字符串。 3）当 “A” 或 “D”字母出现在星号之后，该通配符串用于匹配纯字母串或纯数字串。 2 动态多叉树的构建 表1中，我们给出了一个服务器组标识符和模式字符串之间映射的例子，模式字符串是在第一小节中定义的。本小节中，如何根据模式字符串构建动态多叉树，将给出2种不同的方案。 方案1