AC自动机增量更新算法

AC自动机算法概述

Aho-Corasick算法[1]是多模式匹配中的经典算法，目前在实际应用中较多。Aho-Corasick算法通过将模式串预处理为确定有限状态自动机，这个数据结构是Aho-Corasick自动机，简称AC自动机。模式匹配的时候，只需要扫描文本一遍就能得到所有匹配该文本的模式串，其时间复杂度为O(n)，即只跟输入文本长度线性相关，与模式串的数量和长度无关。

在Aho-Corasick算法的原始论文中，描述了自动机构建的过程，包含两个步骤：(1)、首先扫描所有的模式串，构建goto状态转换函数，在实际的程序实现中goto函数实际上是一颗Trie树结构；(2)、利用上一步构建的Trie树，构建failure函数。在模式匹配的过程中，一个个字符的方式扫描待匹配的输入文本，在Trie树中从根节点进行搜索，一旦遇到字符匹配失败的节点，就跳转到failure函数指向的下一个节点继续匹配，直到输入文本扫描完毕，得到匹配的所有模式串。因为failure函数的构建使得匹配失败时可以利用之前匹配的结果，无需从头开始匹配，因此匹配的性能比较好。在实际的应用中，模式串数据库可能量非常巨大，而且会频繁的变化，例如对于网络爬虫的URL黑白名单会频繁更新，在匹配的同时，需要不断重构自动机。显然，一种可行的方案是依照作者在论文中介绍的那样，每次模式串更新，就对自动机从0开始重建，这种方案对于模式库比较小的场景下是可行的，但是模式库数量比较大的时候就不可能，每次重建的性能消耗会比较大。如果能有一种算法能增量式地进行构建，而不是每次推倒重来，将会极大减少模式库更新的性能消耗，也更加符合实际应用场景。

针对AC自动机的动态更新模式库的