Я пытаюсь написать синтаксические анализаторы для списков управления доступом Juniper/srx router. Ниже грамматика я использую:ANTLR4 Python синтаксический анализ больших файлов
grammar SRXBackend;
acl:
'security' '{' 'policies' '{' COMMENT* replaceStmt '{' policy* '}' '}' '}'
applications
addressBook
;
replaceStmt:
'replace:' IDENT
| 'replace:' 'from-zone' IDENT 'to-zone' IDENT
;
policy:
'policy' IDENT '{' 'match' '{' fromStmt* '}' 'then' (action | '{' action+ '}') '}'
;
fromStmt:
'source-address' addrBlock # sourceAddrStmt
| 'destination-address' addrBlock # destinationAddrStmt
| 'application' (srxName ';' | '[' srxName+ ']') # applicationBlock
;
action:
'permit' ';'
| 'deny' ';'
| 'log { session-close; }'
;
addrBlock:
'[' srxName+ ']'
| srxName ';'
;
applications:
'applications' '{' application* '}'
| 'applications' '{' 'apply-groups' IDENT ';' '}' 'groups' '{' replaceStmt '{' 'applications' '{' application* '}' '}' '}'
;
addressBook:
'security' '{' 'address-book' '{' replaceStmt '{' addrEntry* '}' '}' '}'
| 'groups' '{' replaceStmt '{' 'security' '{' 'address-book' '{' IDENT '{' addrEntry* '}' '}' '}' '}' '}' 'security' '{' 'apply-groups' IDENT ';' '}'
;
application:
'replace:'? 'application' srxName '{' applicationStmt+ '}'
;
applicationStmt:
'protocol' srxName ';' #applicationProtocol
| 'source-port' portRange ';' #applicationSrcPort
| 'destination-port' portRange ';' #applicationDstPort
;
portRange:
NUMBER #portRangeOne
| NUMBER '-' NUMBER #portRangeMinMax
;
addrEntry:
'address-set' IDENT '{' addrEntryStmt+ '}' #addrEntrySet
| 'address' srxName cidr ';' #addrEntrySingle
;
addrEntryStmt:
('address-set' | 'address') srxName ';'
;
cidr:
NUMBER '.' NUMBER '.' NUMBER '.' NUMBER ('/' NUMBER)?
;
srxName:
NUMBER
| IDENT
| cidr
;
COMMENT : '/*' .*? '*/' ;
NUMBER : [0-9]+ ;
IDENT : [a-zA-Z][a-zA-Z0-9,\-_:\./]* ;
WS : [ \t\n]+ -> skip ;
Когда я пытаюсь использовать ACL с ~ 80000 строк, это занимает ДО ~ 10 минут для создания дерева синтаксического разбора. Я использую следующий код для создания дерева синтаксического анализа:
Я использую Python 2.7 в качестве целевого языка. Я также запускал cProfile, чтобы определить, какой код занимает больше всего времени. Ниже первые несколько записей, отсортированных по времени:
ncalls tottime percall cumtime percall filename:lineno(function)
608448 62.699 0.000 272.359 0.000 LexerATNSimulator.py:152(execATN)
5007036 41.253 0.000 71.458 0.000 LexerATNSimulator.py:570(consume)
5615722 32.048 0.000 70.416 0.000 DFAState.py:131(__eq__)
11230968 24.709 0.000 24.709 0.000 InputStream.py:73(LA)
5006814 21.881 0.000 31.058 0.000 LexerATNSimulator.py:486(captureSimState)
5007274 20.497 0.000 29.349 0.000 ATNConfigSet.py:160(__eq__)
10191162 18.313 0.000 18.313 0.000 {isinstance}
10019610 16.588 0.000 16.588 0.000 {ord}
5615484 13.331 0.000 13.331 0.000 LexerATNSimulator.py:221(getExistingTargetState)
6832160 12.651 0.000 12.651 0.000 InputStream.py:52(index)
5007036 10.593 0.000 10.593 0.000 InputStream.py:67(consume)
449433 9.442 0.000 319.463 0.001 Lexer.py:125(nextToken)
1 8.834 8.834 16.930 16.930 InputStream.py:47(_loadString)
608448 8.220 0.000 285.163 0.000 LexerATNSimulator.py:108(match)
1510237 6.841 0.000 10.895 0.000 CommonTokenStream.py:84(LT)
449432 6.044 0.000 363.766 0.001 Parser.py:344(consume)
449433 5.801 0.000 9.933 0.000 Token.py:105(__init__)
Я не могу сделать много смысла из него, кроме InputStream.LA занимает около полуминуты. Я предполагаю, что это связано с тем, что вся текстовая строка загружается/загружается сразу. Есть ли альтернативный/более ленивый способ разбора или загрузки данных для цели Python? Есть ли какие-либо улучшения, которые я могу сделать для грамматики, чтобы быстрее разобрать парсинг?
Спасибо
Это не ответ, но вы пытались использовать PyPy или что-то еще? Просто знать, сколько бремени приходится на питон? – Divisadero
Я еще не использовал PyPy, но сделал еще несколько исследований со вчерашнего дня. Похоже, что класс входного потока ANTLR преобразует весь ввод текста в символ байтового буфера по символу. Кажется, что это займет больше минуты. Есть ли более быстрый способ сделать это? Я уверен, что могу переопределить реализацию потока ввода, пока я могу найти лучший способ сделать это. – prthrokz
@prthrokz, я бы посоветовал вам попробовать «старый» Antlr 3. Antlr 4 пытается разобрать практически каждую грамматику, но для чрезмерного использования во время выполнения нужно разбирать даже очень простые грамматики. Antlr 3 более ограничительный, но быстрый. – kay