技术领域
本发明属于信息技术、域名技术领域，具体涉及一种基于树状自动机的域名匹配方法。
背景技术：
随着互联网技术的飞速发展，域名的访问流量也快速增加，随即要求后台服务器具备更
高的解析能力与安全防护能力。后台服务器在进行域名服务时，需要对域名进行匹配，如何
实现域名的快速匹配便是其中的关键问题。
现有的匹配方法多为字符串匹配：待匹配域名视为字符串T，并且有n个模式子串P1、
P2、…、Pn，在T中寻找是否存在任意一个模式字串。该类算法常见的实现方式为：先将n
个模式字串经过运算生成树状结构体，字符串T只需沿着树状结构体的根节点往下进行顺序
匹配即可，无需遍历n个模式字串。现有算法进行的是逐字节匹配，而现代计算机系统的CPU
运算位宽已普遍达到64位，因此现有的域名匹配方法效率低下。
技术实现要素：
本发明目的在于针对上述问题，提供一种更高效的基于树状自动机的域名匹配方法。
本发明采用的技术方案如下：
一种基于树状自动机的域名匹配方法，其步骤包括：
1)将待匹配域名以及模式子串的每一个分段填充至n字节的整数倍，其中n＝L/8，L为
计算机系统的最小运算位宽；
2)将模式子串以n字节为单元，构建树状自动机；
3)将待匹配域名从根节点开始，顺序执行树状自动机直至完成域名匹配。
进一步地，步骤1)中若某个分段已经是n字节的整数倍，则该分段无需填充。
进一步地，步骤2)所述树状自动机由节点表项和出边表项组成；节点表项存储节点内
的出边数量，节点采用的hash算法初值，以及下一个节点的基地址；出边表项的存储地址由
出边的hash值与节点的基地址相加得到。所述出边表项包含匹配后的跳转信息，以及该出边
是否为输出边的信息，当存在多条出边hash冲突时，通过冲突指针构成hash链表。
进一步地，步骤3)的具体匹配过程如下：
a)初始化节点基地址为0，指向根节点；
b)从节点基地址读取表项，获得节点内的出边数量N，hash初值M，下一个节点的基
地址；
c)将输入的字符串进行hash运算，hash初值为M，hash运算结果与N进行取余操做后，
与节点基地址相加，得到出边存储地址；
d)从出边存储地址读取表项，比较输入字符串与表项中的模式子串：
若匹配且出边为输出边，匹配过程完成，匹配成功；
若匹配且不为输出边，节点基地址指向下一个节点，返回步骤b)；
若失配且出边不存在hash冲突链，返回步骤a)；
若失配且出边存在hash冲突链，出边表项地址指向下一个冲突表项，重复执行步骤d)。
与现有技术相比，本发明的有益效果如下：
1)本发明方法将域名以及模式子串分段填充至n字节的整数倍，当进行匹配运算时以n
字节为匹配单元，匹配运算效率远高于现有的字符串匹配方法，采用64位计算位宽时是其8
倍。
2)树状自动机采用hash值作为表项存储地址，1次计算即可获取表项内容。每级节点的
hash空间可变，减少表项所占用的存储空间。
3)树状自动机的节点之间通过基地址进行区分，不同节点间的出边即使有相同的hash
结果也互不影响，如此将hash冲突域限定在本级节点内。
4)树状自动机的每级节点采用不同的hash初值，能够进一步避免hash冲突，节约节点
存储空间。
5)采用hash冲突链表的方式确保匹配的精确性。
6)本发明适用于域名的固定前缀匹配，或固定后缀匹配，以及其他具备相同的分层特性
字符串的匹配运算。
附图说明
图1是现有的域名字符串匹配算法的匹配过程示意图。
图2是本发明基于树状自动机的域名字符串匹配过程示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面通过具体实施例和附图，
对本发明做进一步说明。
域名是代表IP地址的字符串，由若干字段组成，每个字段(label)之间以“.”分隔，如
www.sina.com。域名本身具有明显的层级结构特征，域名匹配也是以label为单位进行分段匹配。
针对域名匹配的分段特征，本发明将匹配过程分为以下步骤：
1.将待匹配域名以及模式子串的每一个分段填充至n字节的整数倍，若本分段已经是n
字节的整数倍，则无需填充，n取决于计算机系统的最小运算位宽L，计算公式为n＝L/8，如
最小运算位宽为32，则n等于4。
2.将模式子串以n字节为单元，构建树状自动机，构建方法参照AC自动机(Aho-Corasick
automation)。该树状自动机具备以下特征：
1)树状自动机由节点表项和出边表项组成；
2)节点表项存储该节点内的出边数量，该节点采用的hash算法初值，以及下一个节点
的基地址。由于节点内的出边数量总是2的幂次方，所以节点内可能会包括部分无效填充出
边，出边表项的存储地址由出边的hash值与节点的基地址相加而得；
3)出边表项包含匹配后的跳转信息，以及该出边是否为输出边的信息，当存在多条出边
hash冲突时，通过冲突指针构成hash链表；
4)根节点为表项特殊节点，存储在固定位置；
5)节点与出边为逻辑划分，物理上可以由同一表项同时担任；
6)表项具备以下元素，如表1所示：
表1.树状自动机的表项
3.待匹配域名从根节点开始，顺序执行树状自动机直至完成匹配。
本发明方法将域名以及模式子串的分段填充至n字节的整数倍，当进行匹配运算时以n字
节为匹配单元，可显著提高匹配效率。模式子串构建的树状自动机采用hash值作为表项存储
地址，每级节点的hash空间可变，减少表项所占用的存储空间。将hash冲突域控制在节点
内，每级节点的hash初值或hash算法可变，尽可能规避哈希冲突导致的匹配运算次数增加。
下面提供一个具体实例。该实例以最小运算位宽32位，待匹配域名为www.sina.com，模
式子串1为sina.com，模式子串2为sina.cn,模式子串3为m.sina，hash算法为CRC32为例。
使用现有的字符串匹匹配算法需要8次运算，匹配过程如附图1所示；使用本发明方法仅需
要2次匹配运算，匹配过程如附图2所示，具体实施方案如下：
1.待匹配域名与模式子串按label填充到4字节整数倍，以-表示填充字符，如表2所示。
表2.待匹配域名与模式子串的填充
待匹配域名
www_
sina
com_
模式子串1
sina
com-
模式子串2
sina
cn--
模式子串3
m---
sina
2.构建树状自动机，如图2所示，根节点具备‘sina’与‘m---’2条出边，根节点空间
为2，hash结果只需取bit0即可，定义H[31:0]为32位数据，且H＝hash(x),H(sina)[0]代表
hash(sina)的结果取bit0。选取合适的hash初值使H(sina)[0]与H(m---)[0]分别为0和1，各出
边的映射情况如表3所示：
表3.各出边的映射情况
所有边表项细则如表4～表9所示：
表4.出边‘sina’的表项
表5.出边‘m---’的表项
名称：m---
描述
TYPE
10：节点加出边表项
ID
0
HASH_SIZE
1
NXT_NODE
下一个节点表项基地址:2
HASH_SEL
节点Hash算法的初始值:0
HASH_END
Hash冲突标志:0
HASH_PTR
无效填充值
PATTERN
m---
TREE_END
0
表6.出边‘com-’的表项
名称：com-
描述
TYPE
01：节点加出边表项
ID
1
HASH_SIZE
2
NXT_NODE
无效填充值
HASH_SEL
节点Hash算法的初始值:0
HASH_END
Hash冲突标志:0
HASH_PTR
无效填充值
PATTERN
Com-
TREE_END
1，树结束
表7.出边‘cn--’的表项
表8.出边‘sina’的表项
名称：sina
描述
TYPE
10：出边表项
ID
1
HASH_SIZE
2
NXT_NODE
无效填充值
HASH_SEL
节点Hash算法的初始值:0
HASH_END
Hash冲突标志:0
HASH_PTR
无效填充值
PATTERN
sina
TREE_END
1，树结束
表9.出边‘xxxx’的表项
名称：xxxx
描述
TYPE
11：无效填充表项
ID
1
HASH_SIZE
2
NXT_NODE
无效填充值
HASH_SEL
节点Hash算法的初始值:0
HASH_END
Hash冲突标志:0
HASH_PTR
无效填充值
PATTERN
无效填充值
TREE_END
1，树结束
3.匹配运算步骤如下：
a>初始化节点基地址为0，指向根节点；
b>从节点基地址读取表项0，获取节点hash空间以及hash初值，此例为sina表项，
Hash_Size＝1，hash初值为0；
c>取hash(www-)的[Hash_Size-1:0]作为偏移地址，加上节点基地址，读取该地址对应表
项；
d>www-与根节点表项失配，自动机保持在根节点状态；
e>返回步骤c>，输入从www-更新为sina；
f>Sina与根节点.出边0匹配，且下一个节点基地址为4，自动机更新至节点1；
g>返回步骤b>，com-与节点1的表项0匹配，且指示为树状自动机结束，完成此次匹配。
以上实施例仅用以说明本发明的技术方案而非对其进行限制，本领域的普通技术人员可
以对本发明的技术方案进行修改或者等同替换，而不脱离本发明的精神和范围，本发明的保
护范围应以权利要求书所述为准。