如何在内部表示确定性有限自动机

Question

我有一个具有约 15M 状态的大型确定性有限自动机，而当前的 Java 实现相当缓慢且消耗内存。 我正在寻找可以替换当前代码的紧凑且快速的表示。

自动机由以下部分组成：

1. 由整数标识的状态。 初始 state 始终为 state 0 。
2. State 转换（源 state id 的三倍，转换或通配符的字符（最多 32 个值），目标 state id）。
3. 一组接受状态。

我正在尝试以下方法，并且正在寻找其他想法。

1.使用Java Collections

state 转换以下列方式表示：

final List<Map<Character, Integer>> transitions = new ArrayList<>();
final Set<Integer> acceptingStates = new HashSet<>();

列表中的第 i 个项目包含第 i 个 state 的 state 转换。 一些分析告诉我，大部分执行时间都花在了访问 map 上。

2. arrays 的 Arrays

final int[][] states = new int[STATE_COUNT][32];
Set<Integer> acceptingStates = new HashSet<>();

第 i 行包含第 i 个 state 的 state 转换。 内部数组的第 j 列包含来自第 i 个 state 的第 j 个字符的 state 的 id，如果缺失，则为 -1。

这种表示要快得多，但它仍然占用至少 N * 32 * 4 个字节。

Answer 1

我会提出一个框架来实现你的 state 机器，但你定义中的一个语句让我感到困惑，你有 15M 状态或 15M State 机器实例。

如果您的应用程序是一个服务器端应用程序，可以集群最多托管 15M State 机器实例或 15M 状态，我建议您查看Akka 有限机器框架。

Akka 框架对于 State 机器实例的 memory 占用空间非常低，可以满足您的要求。 我个人开发了具有 50M State 机器实例的系统，该系统可以轻松包含更多。

如果需要实现示例，可以查看我的以下博客blog1 blog2 。

我希望这会对你有所帮助。