探究Openresty中ngx.re与Lua string.re两种正则的选择

本文分享自天翼云开发者社区《探究Openresty中ngx.re与Lua string.re两种正则的选择》.作者：王****淋

0. 背景

openresty中存在2套正则API，即ngx.re与 lua语言的string库，都可以实现正则匹配查找等功能，那么，这2个API有什么区别，又如何选择呢？

1. 性能测试

1.1 简单loop测试

a) 短字符串&正则串

local http_range = 'bytes=10-65535'
local string_re_p = '^bytes=([%d]*)%-([%d]*)$'
local ngx_re_p    = '^bytes=([\\d]*)?\\-([\\d]*)$'
local loop = 1000000local t0 =  get_t()
for i = 1, loop dolocal _, _ = string_match(http_range, string_re_p)
endlocal t1 =  get_t()
for i = 1, loop dolocal m, err = ngx_re_match(http_range, ngx_re_p, "jo")
end
local t2 =  get_t()

Result: 0.247 vs. 0.32

b) 长字符串&复杂正则串

local http_range = 'dsfds65465fwef bytes=12345757860-4465458586465 ewfsd65sd4fg65fsd'
local string_re_p = '.*bytes=([%d]*)%-([%d]*) .+'
local ngx_re_p    = '.*bytes=([\\d]*)?\\-([\\d]*) .+'
local loop = 1000000

Result: 1.16 vs. 0.526

由测试结果可以看出，对于字符串/正则规则越复杂，ngx-re的性能是有优势的

1.2. 加入jit扰动

a) 对照组：ipairs不破坏jit (短串正则)

local http_range = 'bytes=10-65535'
local string_re_p = '^bytes=([%d]*)%-([%d]*)$'
local ngx_re_p    = '^bytes=([\\d]*)?\\-([\\d]*)$'
local loop = 1000000local t0 =  get_t()
for i = 1, loop dofor k, v in ipairs({1,2}) do endlocal _, _ = string_match(http_range, string_re_p)
endlocal t1 =  get_t()
for i = 1, loop dofor k, v in ipairs({1,2}) do endlocal m, err = ngx_re_match(http_range, ngx_re_p, "jo")
end
local t2 =  get_t()

jit-on: 0.369 - 0.326
jit-off: 0.38 - 3.265

b) pairs 破坏jit (短串正则)

local http_range = 'bytes=10-65535'
local string_re_p = '^bytes=([%d]*)%-([%d]*)$'
local ngx_re_p    = '^bytes=([\\d]*)?\\-([\\d]*)$'
local loop = 1000000local t0 =  get_t()
for i = 1, loop dofor k, v in pairs({a=1,b=2}) do endlocal _, _ = string_match(http_range, string_re_p)
endlocal t1 =  get_t()
for i = 1, loop dofor k, v in pairs({a=1,b=2}) do endlocal m, err = ngx_re_match(http_range, ngx_re_p, "jo")
end
local t2 =  get_t()

jit-off: 0.395 - 3.216
jit-on: 0.394 - 1.04

c) pairs + 长复杂串

local http_range = 'dsfds65465fwef bytes=12345757860-4465458586465 ewfsd65sd4fg65fsd'
local string_re_p = '.*bytes=([%d]*)%-([%d]*) .+'
local ngx_re_p    = '.*bytes=([\\d]*)?\\-([\\d]*) .+'
local loop = 1000000

jit-on: 1.31 - 1.30
jit-off: 1.307 - 2.94

超长串 + jit-on：

local http_range = 'dsfds6546vsdvsdfdsfsdfsdfwaasdasdasdas5fwef bytes=12354345345345757860-4465453453453453453453453458586465 ewfsd65safdknsalk;nlkasdnflksdajfhkldashjnfkl;ashfgjklahfg;jlsasd4fg65fsd'

结果： 2.775 - 1.739

1.3测试结果汇总

	string.match	ngx.re.match	备注
短串正则	0.247 秒	0.32 秒	jit-hit
短串正则 带ipirs	0.369	0.326	jit-hit
短串正则 带pairs	0.394	1.04
长串正则 带pairs	2.775	1.739
短串正则 带pairs+jit-off	0.395	3.216	jit-off
短串正则 带ipairs+jit-off	0.38	3.265	jit-off

2. 结论

由测试结果可知：
1）在一般情况下，nginx-re正则库更能适应复杂字符串与复杂正则规则的情况，一般情况下比较推荐使用
2）在极简单字符串的情况下，二者差别不大，string正则稍带优势，可以按照方便的写法来写；
3）nginx-re正则受JIT的影响更大，在关闭jit或使用pairs等情况下，可能会有拖累；