如何在不使用Java创建对象的情况下匹配正则表达式？

Question

我正在研究reg表达式匹配功能。 问题是，该函数将由嵌套循环内的框架调用。 如果创建了临时对象，GC将导致很大的性能问题。

是否可以在不创建临时对象（Pattern，Matcher）的情况下处理正则表达式？ 重写regexp类是我的最后选择。

Answer 1

最好的选择是在问题出现时及时处理-可能不会。 大约10年前，围绕GC处理大量小型活动对象的性能问题是一个问题，但现在已经非常出色了。

如果确实需要优化，则应采用更改GC选项的形式-例如，年轻一代的大小，而不要尝试在代码中进行优化。

Answer 2

Matcher对象不是线程安全的，因此除非调用reset()方法（在单个线程中应该可以正常工作），否则您将无法重用它们-请参见Java Regex线程安全吗？

Answer 3

引用一句老话：

使它起作用，使其正确，使其快速。 （以该顺序）

因此，在执行任何繁琐的优化步骤之前，只需编写初始的，简单易用的适当代码（在这种情况下，如果可能的话，将涉及预编译模式）。 运行一些测试，看看性能是否不足，然后优化正则表达式部分是否成为瓶颈。

如果对象的创建（和清除）是一个严重的瓶颈（与实际的正则表达式本身相比），那么您可能需要实现使用对象池的自己的解决方案（因此不创建对象，只需从对象中重置并重新使用）池）。 我怀疑这是否会导致任何严重的性能提升，因此您应该首先进行基准测试，以查看甚至有多少增益（如果将对象创建/清理性能提高50％，是否值得？）。

Answer 4

这听起来像过早的优化。

编写最简单的代码，然后在实际设置中对其进行分析，并查看性能或内存分配模式是否存在问题。 如果有，请解决您发现的特定问题。

现代JVM非常擅长于垃圾收集短期对象。

Answer 5

您可以预编译正则表达式，如果您多次重复使用同一个正则表达式，则很有用。

代替

boolean foundMatch = subjectString.matches("a.*b");

（无论如何都会创建一个临时的已编译Pattern ），您可以使用

Pattern regex = Pattern.compile("a.*b");
// loop here
// do something...
    Matcher regexMatcher = regex.matcher(subjectString);
    boolean foundMatch = regexMatcher.matches()
// loop end

不过，很难说是否会有任何相关的性能优势。

Answer 6

似乎您正在进行早期优化，对您而言，这很可能是无用的。 您如何进行测试并做出决定？

欢呼，尤金

Answer 7

我认为它有2种可行的选择：

1. 通过查看源代码Pattern和Matcher来编写自己的用于匹配正则表达式的逻辑。
2. 在处理完这些对象后，可以通过运行它们相应的finalize()函数来显式初始化这些对象的集合，而不是等待GC运行它。

利弊

1. 将来需要测试和维护许多工作，但是您可以完全控制要执行的操作。

2. 不建议干扰GC的运行，干净的解决方案和简单的解决方案