PHP下Bencode库差异及性能对比

Rhilip 2019-04-30 PM 8586℃ 4条

如果你有过注意,我曾在最近为国内某一PT站点更换了其Bencode库。究其原因在于,NexusPHP自带的Bencode库解析出来的Array中含有较多的无用元素,且性能较低,在一定程度上拖慢了种子上传过程中的解析速度,此外还占用过多内存。

概览

本次对比的对象有NexusPHP自带的、本人新写RidPT(但是还没有写完的)所用的Bencode库,以及其他在 https://packagist.org/ 中注册有Bencode库标识(tag)的相关库,列表如下:

PHP
Bencode Library
Ver.SizeEncode From
Array/Object
Decode From
String/File Loc
NexusPHP(benc.php)-2.56 KB√/×√/√
RidPT(Bencode.php)-4.32 KB√/×√/√
sandfoxme/bencode1.3.062 KB√/√√/√
rych/bencode1.0.035 KB√/×√/×
dsmithhayes/bencode0.1.3529 KB√/×√/×
s9e/Bencode1.1.114 KB√/×√/×
nrk/bencoder1.0.0132 KB√/×√/√
pure-bencode/pure-bencode1.1178 KB√/×√/×
ppokatilo/bencode1.0.04 KB√/√√/×
nirosa/bencodedev13 KB√/×√/×
OPSnet/bencode-torrentv0.11.041 KB×/×√/√
akatsuki/bencode1.0.010 KB√/√√/×

注1. RidPT使用的Bencode库基于 OPSnet/bencode-torrent 改写,并学习了 sandfoxme/bencode 的一些暴露方法。

注2. 从Decode From File Loc的意思是库内置有相关方法,可以直接给文件地址就可以生成对应的Array,而不用外置使用file_get_content()或者fread()方法(其库内有内置该方法,如以下伪代码 Bencode::load($file_loc [, $max_torrent_size] );

太长不看

推荐使用以下库: RidPT(Bencode.php) 替代原NexusPHP中benc!!!!

替换方法:

Bencode编码规则

我曾在某个未完成(实质可能是坑掉)的Blog系列中提及到Bencode的编码规则如下:

data typesrawencoded
int-42i-42e
string'spam'4:spam
list['XYZ', 4321]l3:XYZi4321ee
dict{'XYZ': 4321}d3:XYZi4321ee

请简单的记忆下,方便我们后续介绍~

NexusPHP解析方法

在进入主题前,我们先来说说NexusPHP的“原罪”,仅以以下代码为例:

<?php

/*
 * Bencoded structure represented in JSON format:
 * {
 *   "string": "uTorrent/3130",
 *   "int": 1548400939,
 *   "list": ["UTF-8","GBK"],
 *   "info": {
 *      "length": 364,
 *      "name": "test.rar"
 *   }
 * }
 */

include './benc.php';  // Downloaded From https://github.com/ZJUT/NexusPHP/blob/master/include/benc.php

$raw = 'd4:infod6:lengthi364e4:name8:test.rare3:inti1548400939e4:listl5:UTF-83:GBKe6:string13:uTorrent/3130e';

print_r($raw);
echo '<pre>';
print_r(bdec($raw));
echo '</pre>';

详细结果可见: https://pastebin.com/raw/iPG9Tp5h

从中,我们可以看到,NexusPHP的内置Bencode库将任何字段都解析成以一个大字典为顶层,其内部各键值对以以下格式的Array

[length] => Array
        (
              [type] => integer
              [value] => 364
              [strlen] => 5
              [string] => i364e
        )

其中,键值中type的取值分别为dictionary,list,integer,string,对应Bencode编码规则中的4种格式,value为具体值,视type的取值可能为Array、Int、String类型中的一种。string为该字段编码后的结果(准确的说是decode过程中的截取的实际字段),strlen则为string字段的长度。

根据这种结构,在最终的顶层字典中,string键值一定为输入的字符串(此处存在漏洞,应该是原始输入字符串中成功解析出来的字符串),如下说明:

<?php

include './benc.php';

$raw_1 = 'd4:infod6:lengthi364e4:name8:test.rare3:inti1548400939e4:listl5:UTF-83:GBKe6:string13:uTorrent/3130e';
$raw_2 = $raw_1 . 'i364e';
$bdec_1 = bdec($raw_1);
$bdec_2 = bdec($raw_2);

echo '<pre>';
print_r($bdec_1);
print_r($bdec_2);
echo '</pre>';
var_dump($bdec_1['string'] == $bdec_2['string']);  // True

详细结果见: https://pastebin.com/9MzjhzRj

进一步使用 array_diff 可以知道 $bdec_1 以及 $bdec_2 是相同的,且 $raw_2 附加的字段其实并没有被解析出来,而是在第一个字典被解析出来之后就被抛弃了。(这里是NP与其他解析库不同的地方,会在后面异常处理部分做进一步说明)

同样,decode出来的Array结构复杂使得encode时候构造形式一样变得复杂,例如下载种子时候添加多tracker的代码 download.php#L92_L114 ,对一个值的更改往往需要更改构造字典的多个键值对。所以在Tracker部分,NP的实现就直接用字符串拼接来完成了。

Array到底是Dict还是List

那么,为什么NexusPHP会需要这么麻烦的构造问题,我个人觉得是因为PHP的Array对象。

在其他语言中,或许都有明确的Dict以及List对象,而PHP中,这些都合并为Array(我并不是说大Array不好,个人还是比较喜欢的2333)。而Bencode编码规则中,对Dict和List有不同的编码规则,所以需要有一个明确的方法来确定,所以NexusPHP的解析库直接将其类型写入其type中,之后便可以根据这个type情况,进行编码和解码。

那么其他库在encode的时候是怎么区分是Dict还是List的那,列表如下:

Bencode LibraryCode Line of encode PHP array
NexusPHP/benc.phphttps://github.com/ZJUT/NexusPHP/blob/master/include/benc.php#L6-L14
Rhilip/RidPThttps://github.com/Rhilip/RidPT/blob/master/framework/Bencode/Bencode.php#L95-L116
sandfoxme/bencodehttps://github.com/sandfoxme/bencode/blob/master/src/Engine/Encoder.php#L52-L59
rchouinard/bencodehttps://github.com/rchouinard/bencode/blob/master/src/Encoder.php#L73-L76
dsmithhayes/bencode使用库内置类型定义
s9e/Bencodehttps://github.com/s9e/Bencode/blob/master/src/Bencode.php#L216-L251
nrk/bencoderhttps://github.com/nrk/bencoder/blob/master/lib/Bencoder/Bencode.php#L130-L143
pure-bencode/pure-bencodehttps://github.com/jesseschalken/pure-bencode/blob/master/Bencode.php#L12-L28
ppokatilo/bencodehttps://github.com/SHyx0rmZ/php-bencode/blob/master/src/Encoder.php#L12-L27
nirosa/bencodehttps://github.com/nirosa/bencode/blob/master/src/Bencode.php#L30-L35
OPSnet/bencode-torrenthttps://github.com/OPSnet/bencode-torrent/blob/master/src/Bencode.php#L141-L157
akatsuki/bencodehttps://github.com/aurimasniekis/akatsuki-bencode/blob/master/src/Encoder.php#L36-L42

除了NP采用的库将类型标记在键值对中的情况外,其他库区分Dict还是Array的方法大体上可以将其分为以下几类(也就是根据判断是索引数组还是关联数组的方法):

update: PHP 8.1之后可以使用 array_is_list方法直接判断

  1. foreach遍历取键值,当其中键与遍历index不对应或者键中有string类型即判断为Dict。其中sandfoxme/bencodenrk/bencoder(判断键是否为string类型),pure-bencode/pure-bencodeOPSnet/bencode-torrent都是这样实现的。以sandfoxme/bencode的实现为例,代码如下:

  2. isSequentialArray(array $array): bool

    {
        $index = 0;
        foreach ($array as $key => $value) {
            if ($key !== $index) {
                return false;
            }
            $index += 1;
        }
        return true;
    }
  3. 数组0位断言,当$array[0]存在(且为int类型)时,判断为List,否则判断为Dict。这种实现会存在一个问题,就是$array["0"]的情况,不过个人觉得没多大问题。nirosa/bencodeakatsuki/bencoderchouinard/bencode均为以下实现。代码如下:

    // nirosa/bencode
    $list = false;
    if (is_int(array_keys($d)[0])) {
        $list = true;
    }
    
    // aurimasniekis/bencode
    if (is_array($data) && (isset ($data[0]) || empty ($data))) {
       return $this->encodeList($data);
    }
    if (is_array($data)) {
       return $this->encodeDict($data);
    }
  4. 其他剩下的也差不多是第一种的变种,但效率远不如前两者,因为他们会比较所有的键,而第一种基本上都有提前跳出循环的设定。例如:

    1. s9e/Bencode: 将array_keys结果和range生成的索引数组做对比,全等时为List,不然做Dict解析
        protected static function encodeArray(array $value)
        {
            if (empty($value))
            {
                return 'le';
            }
            if (array_keys($value) === range(0, count($value) - 1))
            {
                return 'l' . implode('', array_map([__CLASS__, 'encode'], $value)) . 'e';
            }
            // Encode associative arrays as dictionaries
            return self::encodeDictionary((object) $value);
        }
        /**
        * Encode given object instance into a dictionary
        *
        * @param  object $dict
        * @return string
        */
        protected static function encodeDictionary($dict)
        {
            $vars = get_object_vars($dict);
            ksort($vars);
            $str = 'd';
            foreach ($vars as $k => $v)
            {
                $str .= strlen($k) . ':' . $k . self::encode($v);
            }
            $str .= 'e';
            return $str;
        }
    1. ppokatilo/bencode: 使用array_reduce回调判断每一个键的类型是string还是int
            if (is_array($data)) {
                list($allStrings, $allIntegers) = array_reduce(array_keys($data), function ($flags, $key) {
                    list($allStrings, $allIntegers) = $flags;
                    return [ $allStrings && is_string($key), $allIntegers && is_integer($key) ];
                }, [ true, true ]);
                if ($allIntegers) {
                    return $this->encodeList($data);
                }
                elseif ($allStrings) {
                    return $this->encodeDictionary($data);
                }
                else {
                    throw new \UnexpectedValueException();
                }
            }

通过与其他Bencode库的实现对比,我们可以看出其实并不需要使用标记的方法,在PHP中根据Array的一些特性,就可以区分到底是Dict还是List。至于每种实现所需的单位时间和内存占用情况对比,本文就不做额外对比(因为本文更关注库Encode以及Decode的时间消耗以及占用情况),如有兴趣,读者可以另写benchmark脚本进行测试。

不同库Encode及Decode方法

本处对比不同Bencode库的Encode以及Decode方法入口,结果如下:

PHP Bencode LibraryEncodeDecode
NexusPHP(benc.php)benc($obj)bdec($s)
RidPT(Bencode.php)Bencode::encode($data)Bencode::decode($data)
sandfoxme/bencodeBencode::encode($data, array $options = [])Bencode::decode(string $bencoded, array $options = [])
rych/bencodeBencode::encode($value)Bencode::decode($string, $decodeType = self::TYPE_ARRAY)
dsmithhayes/bencode$dictionary = new Dictionary($array);
$dictionary->encode();
$dictionary = new Dictionary();
$ditionary->decode($string);
$buffer = $dictionary->write();
s9e/BencodeBencode::encode($value)Bencode::decode($bencoded)
nrk/bencoderBencode::encode($structure)Bencode::decode($encoded)
pure-bencode/pure-bencodeBencode::encode($value)Bencode::decode($bencode)
ppokatilo/bencodenew Encoder()->encode($data)new Decoder()->decode($data)
nirosa/bencodenew Bencode()->encode($data)new Bencode()->decode($data)
OPSnet/bencode-torrent方法具有protect属性,无法直接调用new Bencode()->decodeString(string $data)
akatsuki/bencodenew Encoder()->encode($data)new Decoder()->decode($data)

而Decode简单字符串结果可见:https://pastebin.com/raw/V5xBhRxG

从调用方法上看,dsmithhayes/bencode的实现可能是所有库中实现最为麻烦的一个,也与他需要用内部Collection来规定数据类型,而不能自动识别Array的类型有关。从对简单字符串的解析结果来看,存在内容丢失的情况。

具有静态方法的Bencode库占多数,同时使用静态方法调用的形式较为简单,格式也相对一致,个人比较推荐使用静态方法库。这其中s9e/Bencode 解析出来的格式较为奇怪

rych/bencode在Decode的方法中可以传入第二个参数,如果指定为self::TYPE_OBJECT,可以返回stdClass对象,而不是Array。(就如同json_decode ( string $json [, bool $assoc = FALSE [, int $depth = 512 [, int $options = 0 ]]] ) 的第二个参数作用)

而动态调用的库中,nirosa/bencode是同时具有encode以及decode两种方法的库,而另两个需要分别new不同的对象才可以继续调用,个人觉得过于繁琐。此外,ppokatilo/bencode会把Dict解析成一个stdClass。

解析速度对比

本次测试环境为PHP7.4(在本人垃圾的Surface5下),测试内容为各个库的Enocde以及Decode相同内容的时间开销,所有库均使用Composer加载,其中nirosa/bencode只有dev-master版本释出,不参与测试(其实是我懒,不想修改composer设置)

测试脚本见该Repo:https://github.com/Rhilip/php-bencode-benchmark

基本结果如下表

PHP
Bencode Library
Decode String
( x100000 sec)
Decode File
( x10000/x1 sec)
Encode Array
( x100000 sec)
NexusPHP(benc.php)1.7273.495/243.4830.598
RidPT(Bencode.php)0.9461.447/0.1080.480
sandfoxme/bencode5.3522.198/0.4601.046
rych/bencode2.9501.700/1.6641.359
dsmithhayes/bencode1.3071.239/0.0290.161
s9e/Bencode1.2191.434/0.1390.559
nrk/bencoder1.5111.996/0.1550.609
pure-bencode/pure-bencode2.9191.577/0.1950.512
ppokatilo/bencode1.6253.119/Fatal error0.711
OPSnet/bencode-torrent--1.449/0.127--
akatsuki/bencode3.0431.709/1.3461.459

注:

  1. 结果均为单次测试中对应测试循环总共耗时。
  2. 种子文件解析分别使用 ubuntu-18.04.2-desktop-amd64.iso.torrent(75 KB,单文件) 以及Touhou lossless music collection v.19.torrent (9380 KB,约6k4文件) 分别表示不同解析库解析大小文件时时间开销。
  3. 本人的测试可能不准确,还请在你自己的环境中使用该Benchmark进行测试。(特别是大种子文件的情况,仅进行了一次循环。)

结果论的讲,与其他库相比,NexusPHP使用的benc库性能较为一般,在解析较大文件的耗时严重。其使用fopen(),fread(),fclose()相关方法获取文件内容,在对其进行如下patch后,其对小文件的解析性能有一定的提升。

Index: lib/NexusPHP/benc.php
IDEA additional info:
Subsystem: com.intellij.openapi.diff.impl.patch.CharsetEP
<+>UTF-8
===================================================================
--- lib/NexusPHP/benc.php    (date 1556551565000)
+++ lib/NexusPHP/benc.php    (date 1556552127272)
@@ -43,11 +43,7 @@
     return $s;
 }
 function bdec_file($f, $ms) {
-    $fp = fopen($f, "rb");
-    if (!$fp)
-        return;
-    $e = fread($fp, $ms);
-    fclose($fp);
+    $e = file_get_contents($f);
     return bdec($e);
 }
 function bdec($s) {

目前RidPT中使用的基于OPSnet/bencode-torrent的Bencode库性能较为优秀(自卖自夸2333),除此以外,s9e/Bencodenrk/bencoderpure-bencode/pure-bencode的性能也十分优良。
此外对大文件的解析中,ppokatilo/bencode`的表现差劲,直接爆了内存限制。

PHP Fatal error:  Allowed memory size of 134217728 bytes exhausted (tried to allocate 9604424 bytes) in .\vendor\ppokatilo\bencode\src\Decoder.php on line 86
PHP Stack trace:
PHP   1. {main}() .\benchmark_decode_large_torrent.php:0
PHP   2. test_ppokatilo_bencode() .\benchmark_decode_large_torrent.php:126
PHP   3. SHyx0rmZ\Bencode\Decoder->decode() .\benchmark_decode_large_torrent.php:96
PHP   4. SHyx0rmZ\Bencode\Decoder->decodeValue() .\vendor\ppokatilo\bencode\src\Decoder.php:11
PHP   5. SHyx0rmZ\Bencode\Decoder->decodeDictionary() .\vendor\ppokatilo\bencode\src\Decoder.php:23
PHP   6. SHyx0rmZ\Bencode\Decoder->decodeDictionary() .\vendor\ppokatilo\bencode\src\Decoder.php:48
PHP   7. SHyx0rmZ\Bencode\Decoder->decodeDictionary() .\vendor\ppokatilo\bencode\src\Decoder.php:48
PHP   8. SHyx0rmZ\Bencode\Decoder->decodeDictionary() .\vendor\ppokatilo\bencode\src\Decoder.php:48
PHP   9. SHyx0rmZ\Bencode\Decoder->decodeDictionary() .\vendor\ppokatilo\bencode\src\Decoder.php:48
PHP  10. SHyx0rmZ\Bencode\Decoder->decodeString() .\vendor\ppokatilo\bencode\src\Decoder.php:43
PHP  11. substr() .\vendor\ppokatilo\bencode\src\Decoder.php:86

异常处理

本次测试设置3种情况,分别如下,检查对应Bencode库的情况:

  • 空字符传入
  • 错误字符串传入(在正确字符串的基础上修改标记位信息): d5:infod6:lengthi364e4:name8:test.rare3:inti1548400939e4:listl5:UTF-83:GBKe6:string13:uTorrent/3130e
  • 附加字符串传入(在正确字符串基础上附加额外信息):d4:infod6:lengthi364e4:name8:test.rare3:inti1548400939e4:listl5:UTF-83:GBKe6:string13:uTorrent/3130ei18e

结果如下

PHP Bencode LibraryEmptyWrongExtra
NexusPHP(benc.php)NullNull只解析正确字符串(后面直接抛弃)
RidPT(Bencode.php)Fatal errorFatal errorFatal error
sandfoxme/bencodeFatal errorFatal errorFatal error
rych/bencodeFatal errorFatal errorFatal error
dsmithhayes/bencode空ArrayFatal error只解析正确字符串
s9e/BencodeFatal errorFatal errorFatal error
nrk/bencoderNull错误Array只解析正确字符串
pure-bencode/pure-bencodeFatal errorFatal error只解析正确字符串
ppokatilo/bencodeNull错误Array只解析正确字符串
akatsuki/bencodeFatal errorFatal errorFatal error

从对待异常字符串decode的结果上看,NexusPHP的返回与其他不同,直接为Null,而不抛出异常,这也可能与该库诞生较早有关。而在对待错误字符串的情境下,nrk/bencoder以及ppokatilo/bencode会返回错误的Array,增加后续判断的成本。

标签: none

非特殊说明,本博所有文章均为博主原创。

评论啦~



已有 4 条评论


  1. kkk
    kkk

    tjupt的mr已经不可见了,生产环境是否验证过,不知能否有完善的平滑迁移方式呢?

    回复 2020-07-01 15:39
    1. Rhilip
      Rhilip 博主

      在OurBits、TJUPT、YingK等生产环境都运行半年以上了。迁移方式请见另外一篇Blog。

      回复 2020-07-01 20:20
      1. kkk
        kkk

        嗯,感谢你的恢复,看到了另一篇博客,顺带问下,对于大种子文件,看上面的benchmark,这个性能提升大约是50%?

        回复 2020-07-08 17:04
        1. Rhilip
          Rhilip 博主

          性能提升相关本文已经讨论。
          对于多文件的种子应该不止,某站替换后能实现1k以上多文件解析不超过cf、nginx、php等默认超时时间,而不像nphp直接超时。
          nphp是使用正则的形式进行内容提取,而rhilip/bencode是直接使用字符串指针递增移动的形式进行decode的。

          回复 2020-07-09 09:02