使用java.util.regex.Pattern匹配时CPU占用过高问题排查

问题背景 #

在Spring框架结合Hibernate校验的场景中，使用@Pattern进行正则校验时，偶尔出现线程CPU使用率达到100%的情况，线程转储显示线程卡在Pattern类中。

相关代码片段如下：

校验逻辑代码 #

@PostMapping
public ResponseEntity create(@RequestBody RequestObj request) {
  validationService.validate(request);
  .....
}

请求对象的正则校验注解 #

public class RequestObj {

  @Pattern(regexp = "^([a-zA-Z])+[-.'\\s]?[-a-zA-Z]*$", message = ValidationConstant.ERR_INVALID_FIRST_NAME)
  @NotNull(message = ValidationConstant.ERR_FIRST_NAME_EMPTY)
  @Size(max = 30, message = ValidationConstant.ERR_INVALID_NAME_SIZE)
  private String firstName;

  @Pattern(regexp = "^[\\sa-zA-Z0-9]+([ a-zA-Z0-9,'.?!\\-_&]+)*$", message = ValidationConstant.ERR_INVALID_COMMENT)
  @Size(max = 200, message = ValidationConstant.ERR_INVALID_COMMENT_SIZE)
  private String comment;

}

问题根源：正则表达式存在回溯陷阱 #

你的正则表达式确实存在正则回溯陷阱，这是导致CPU飙高的核心原因。当输入不符合规则的字符串时，正则引擎会尝试大量的匹配组合，持续消耗CPU资源。

逐个分析问题正则 #

• firstName的正则：^([a-zA-Z])+[-.'\\s]?[-a-zA-Z]*$
  问题点：([a-zA-Z])+和[-a-zA-Z]*的字符范围重叠（均包含字母），当输入类似aaaaa-这类不符合规则的字符串时，正则引擎会反复回溯：先让([a-zA-Z])+匹配所有字母，尝试匹配[-.'\\s]?后发现后续无内容，再逐步减少([a-zA-Z])+的匹配长度，尝试不同组合直到穷尽所有可能，这个过程会持续占用CPU。

• comment的正则：^[\\sa-zA-Z0-9]+([ a-zA-Z0-9,'.?!\\-_&]+)*$
  问题点：这个正则的回溯问题更严重，[\\sa-zA-Z0-9]+和后续组([ a-zA-Z0-9,'.?!\\-_&]+)*的字符范围几乎完全重叠。当输入较长的不符合规则的字符串时，会触发指数级的回溯，直接导致CPU被占满。

优化后的正则表达式 #

firstName优化版 #

^[a-zA-Z]+(?:[-.'\\s][a-zA-Z]+)?$

解释：用非捕获组(?:...)定义可选的后缀部分，只有当存在分隔符[-.'\\s]时，后面才必须跟字母，彻底消除了重叠匹配带来的回溯问题，同时保证规则的正确性（开头为字母，可包含一个分隔符加字母结尾）。

comment优化版 #

^[\\sa-zA-Z0-9,'.?!\\-_&]+$

解释：将原来嵌套的重复匹配合并为单次的范围匹配，既满足“所有字符都属于指定范围”的规则，又完全避免了回溯陷阱。

额外建议 #

结合@Size注解的长度限制，校验框架会先校验字符串长度，再执行正则匹配，这可以减少超长字符串进入正则匹配环节，进一步提升校验效率。

内容的提问来源于stack exchange，提问作者afsa