acdat

概览

Indexes the compiled pattern dictionary, not the document table; exact case-sensitive matching in the fixed acdat schema.

版本

构建

您可以使用 pig build 命令构建 acdat 扩展的 RPM / DEB 包：

pig build pkg acdat         # 构建 RPM / DEB 包

安装

您可以直接安装 acdat 扩展包的预置二进制包，首先确保 PGDG 和 PIGSTY 仓库已经添加并启用：

pig repo add pgsql -u          # 添加仓库并更新缓存

使用 pig 或者是 apt/yum/dnf 安装扩展：

pig install acdat;          # 当前活跃 PG 版本安装

pig ext install -y acdat -v 18  # PG 18
pig ext install -y acdat -v 17  # PG 17
pig ext install -y acdat -v 16  # PG 16
pig ext install -y acdat -v 15  # PG 15
pig ext install -y acdat -v 14  # PG 14

dnf install -y acdat_18       # PG 18
dnf install -y acdat_17       # PG 17
dnf install -y acdat_16       # PG 16
dnf install -y acdat_15       # PG 15
dnf install -y acdat_14       # PG 14

apt install -y postgresql-18-acdat   # PG 18
apt install -y postgresql-17-acdat   # PG 17
apt install -y postgresql-16-acdat   # PG 16
apt install -y postgresql-15-acdat   # PG 15
apt install -y postgresql-14-acdat   # PG 14

创建扩展：

CREATE EXTENSION acdat;

用法

来源：

• 官方 README v0.1.0
• 扩展控制文件
• 版本化安装 SQL
• 官方使用指南
• 可执行 SQL 演示

acdat 0.1.0 将大规模精确字面量模式词典编译为不可变的 Aho-Corasick Double-Array machine，再对每个 text 或 bytea 值执行一次扫描以完成匹配或替换。它适合策略规则、失陷指标、实体名称、脱敏别名等稳定且会被反复使用的词典。

核心流程

创建扩展、编译词典，并在大量输入上复用生成的 acdat.machine 值：

CREATE EXTENSION acdat;

WITH machine AS (
    SELECT acdat.compile(
        ARRAY['he', 'she', 'his', 'hers'],
        ARRAY[1, 2, 3, 4]::bigint[]
    ) AS value
)
SELECT acdat.contains('ushers', value) AS matched,
       acdat.info(value)->>'pattern_count' AS patterns
FROM machine;

生产词典的源规则应保存在应用自有表中。acdat.compile() 的聚合重载可以直接从模式、ID、替换值和优先级记录构建确定性的 machine；一次编译后即可扫描大量输入。

匹配与替换

acdat.contains() 在首次命中后停止。acdat.matches() 返回 acdat.hit 行，其中包含模式 ID、字节与字符坐标以及优先级。acdat.replace() 执行字面量、非递归替换：

WITH machine AS (
    SELECT acdat.compile(
        ARRAY['病毒', '特征码', '病毒特征码'],
        ARRAY[10, 11, 12]::bigint[],
        ARRAY['[VIRUS]', '[SIGNATURE]', '[IOC]'],
        ARRAY[20, 20, 5]::integer[]
    ) AS value
)
SELECT *
FROM acdat.matches('发现病毒特征码', (SELECT value FROM machine), 'all_overlapping');

SELECT acdat.replace(
    'aaa',
    acdat.compile(
        ARRAY['a', 'aa', 'aaa'],
        ARRAY[1, 2, 3]::bigint[],
        ARRAY['[x]', '[yy]', '[zzz]']
    ),
    'leftmost_longest'
);

匹配策略包括 all_overlapping、leftmost_longest 和 leftmost_priority。替换只能使用非重叠策略。可通过 acdat.info() 检查已编译 machine，并在移动或校验产物时使用导出、验证、导入和指纹函数。

acdat.matches() 的 max_matches 默认值为 10000，acdat.replace() 的 max_output_bytes 默认值为 268435456。对于不可信或高命中输入，应设置更严格的上限，确保命中枚举和替换输出有界。

托管词典

可选的目录层用于发布不可变、内容寻址的 build，并以原子方式选择一个活动 build。其控制函数使用 SECURITY INVOKER，且不向 PUBLIC 授予执行权限：

WITH machine AS (
    SELECT acdat.compile(pattern, pattern_id)
    FROM app_keyword
    WHERE enabled
), published AS (
    SELECT acdat.publish('moderation', 1, machine) AS build_id
    FROM machine
)
SELECT acdat.activate('moderation', build_id)
FROM published;

SELECT name, version, build_id, machine
FROM acdat.active_machine
WHERE name = 'moderation';

应用表始终是事实源。逻辑备份包含目录元数据和活动 machine 载荷，但不会包含所有历史产物，因此应保留重建已退休或非活动版本所需的源模式。

兼容性与安全

0.1.0 已在 PostgreSQL 14 至 18 上测试，不需要预加载或重启服务器，没有外部扩展依赖，也不定义 GUC。控制文件将 schema 固定为 acdat，并设置 relocatable = false 和 trusted = false，因此 CREATE EXTENSION 需要超级用户。

ACDAT 索引的是模式词典，而不是文档表：扫描已有大表时仍需读取候选行。匹配是精确且区分大小写的；扩展不提供正则表达式、模糊匹配、分词、自动大小写折叠、Unicode 规范化或文档侧索引。文本引擎支持 UTF-8 和单字节服务器编码，二进制数据应使用 bytea 接口。需要反复反向查询时，应将 (document_id, pattern_id) 命中物化到应用表中。

编译格式具备自描述和校验和，导入的产物会在使用前接受验证。卸载前应清点依赖：DROP EXTENSION acdat 会删除托管词典状态，而添加 CASCADE 还可能删除依赖 acdat.machine 的用户列或其他对象。