win2003下PHP使用preg_match_all导致apache崩溃问题的解决方法

小编的平台是windows server 2003(32位系统) + Apache/2.2.9 (Win32) + PHP/5.2.17,在使用正则表达式 preg_match_all (如 preg_match_all("/ni(.*?)wo/", $html, $matches);)进行分析匹配比较长的字符串 $html 时(大于10万字节,一般用于分析采集回来的网页源码),Apache服务器会崩溃自动重启。
    在Apache错误日志里有这样的提示:

[Thu Apr 11 18:31:31 2013] [notice] Parent: child process exited with status 128 -- Restarting.

[Thu Apr 11 18:31:31 2013] [notice] Apache/2.2.9 (Win32) PHP/5.2.17 configured -- resuming normal operations

[Thu Apr 11 18:31:31 2013] [notice] Server built: Jun 13 2008 04:04:59

[Thu Apr 11 18:31:31 2013] [notice] Parent: Created child process 2964

[Thu Apr 11 18:31:31 2013] [notice] Disabled use of AcceptEx() WinSock2 API

[Thu Apr 11 18:31:31 2013] [notice] Child 2964: Child process is running

[Thu Apr 11 18:31:31 2013] [notice] Child 2964: Acquired the start mutex.

[Thu Apr 11 18:31:31 2013] [notice] Child 2964: Starting 350 worker threads.

[Thu Apr 11 18:31:31 2013] [notice] Child 2964: Listening on port 80.

    经过查阅Apache官方以及论坛资料后,发现win平台下用正则 preg_match_all 或preg_match 分析比较长的字符串时,导致apache崩溃重启的原因是windows平台下默认分配的线程堆栈空间 ThreadStackSize 太小导致的。 win32默认只有256KB,而在 linux下默认值是 8M,这就是为什么同样的程序在 linux平台下正常,而在 win平台下不正常的原因。
    根据PCRE library的官方说明:256 KB 的堆栈空间对应的pcre.recursion_limit大小应该不超过524。
Here is a table of safe values of pcre.recursion_limit for a variety of executable stack sizes:
下面就是一张Stacksize和pcre.recursion_limit对应的建议安全值,超过这个数值就极有可能发生堆栈溢出,apache crash:
Stacksize   pcre.recursion_limit

 64 MB      134217

 32 MB      67108

 16 MB      33554

  8 MB      16777

  4 MB      8388

  2 MB      4194

  1 MB      2097

512 KB      1048

256 KB      524

如果你没有调整堆栈大小,就必须在使用正则的PHP页面最开头加入:

<?php

ini_set("pcre.recursion_limit", "524"); // PHP default is 100,000.

?>

查看具体的错误可以使用下面的代码:

$resultsArray = preg_match_all("/table.*?<a>/isU", $html, $contents);

if ($resultsArray === 0){

echo get_pcre_err();

}

function get_pcre_err(){

        $pcre_err = preg_last_error();  // PHP 5.2 and above.

        if ($pcre_err === PREG_NO_ERROR) {

            $msg = 'Successful non-match.';

        } else {

            // preg_match error!

            switch ($pcre_err) {

                case PREG_INTERNAL_ERROR:

                    $msg = 'PREG_INTERNAL_ERROR';

                    break;

                case PREG_BACKTRACK_LIMIT_ERROR:

                    $msg = 'PREG_BACKTRACK_LIMIT_ERROR';

                    break;

                case PREG_RECURSION_LIMIT_ERROR:

                    $msg = 'PREG_RECURSION_LIMIT_ERROR';

                    break;

                case PREG_BAD_UTF8_ERROR:

                    $msg = 'PREG_BAD_UTF8_ERROR';

                    break;

                case PREG_BAD_UTF8_OFFSET_ERROR:

                    $msg = 'PREG_BAD_UTF8_OFFSET_ERROR';

                    break;

                default:

                    $msg = 'Unrecognized PREG error';

                    break;

            }

        }

    return($msg);

}

对于正则的修饰符 isU 说明:

i: 表示in-casesensitive,即大小写不敏感

s: PCRE_DOTALL,表示点号可以匹配换行符。

U: 表示PCRE_UNGREEDY,表示非贪婪,相当于perl/python语言的.*?,在匹配过程中,对于.*正则,一有匹配立即执行,而不是等.*搜索了所有字符再一一返回

    在使用正则表达式时,我们应该尽量避免递归调用,递归容易导致堆栈溢出。比如:
/<table((?!<table).)*?<\/a>/isU 就会发生错误,而使用 /<table.*?<\/a>/i 就正常。

    那么如何增加win平台下 ThreadStackSize 的大小呢? 在apache的配置文件 httpd.conf 里启用 “Include conf/extra/httpd-mpm.conf”(删除前面的注释#),然后在 httpd-mpm.conf 文件里的 mpm_winnt_module 配置模块里设置 “ThreadStackSize 8400000”即可(大约8M)。

<IfModule mpm_winnt_module>

    ThreadStackSize 8400000

    ThreadsPerChild      200

    MaxRequestsPerChild    10000

    Win32DisableAcceptEx

</IfModule>

    这里需要注意的是,32位的Apache程序只能最多使用大约2GB内存空间! 因此,ThreadStackSize 和ThreadsPerChild 的值相乘后(8M * 200)不应该超过2G,否则无法启动apache,出现的错误日志如下:
[Thu Apr 11 20:02:45 2013] [crit] (OS 8)存储空间不足,无法处理此命令。  : Child 4832: _beginthreadex failed. Unable to create all worker threads. Created 212 of the 220 threads requested with the ThreadsPerChild configuration directive.

    通过上面的提示,小编可以告诉大家的是在我的这台服务器上,当线程堆栈大小设为8M时,我可以设置的线程数最多是212个。