Mercurial > stress-tester
changeset 1191:992a973b37a3
flow analyzer - working version
| author | Devel 1 |
|---|---|
| date | Thu, 18 Jun 2020 17:51:09 +0200 |
| parents | 03ca923231c5 |
| children | b66616cb2543 |
| files | stress-tester/src/main/java/com/passus/st/scanner/FlowAnalyzerCommand.java stress-tester/src/main/java/com/passus/st/scanner/HttpUrlSequencePayloadAnalyzer.java stress-tester/src/main/java/com/passus/st/scanner/HttpUrlSequences.java stress-tester/src/main/resources/flow_analyzer.py stress-tester/src/test/java/com/passus/st/scanner/FlowAnalyzerCommandTest.java |
| diffstat | 5 files changed, 170 insertions(+), 105 deletions(-) [+] |
line wrap: on
line diff
--- a/stress-tester/src/main/java/com/passus/st/scanner/FlowAnalyzerCommand.java Thu Jun 18 11:01:57 2020 +0200 +++ b/stress-tester/src/main/java/com/passus/st/scanner/FlowAnalyzerCommand.java Thu Jun 18 17:51:09 2020 +0200 @@ -20,9 +20,9 @@ public static final String DEFAULT_SCRIPT_PATH = "flow_analyzer.py"; public static final String RESOURCE = "/flow_analyzer.py"; - private String pythonCmd = DEFAULT_PYTHON_CMD; - private String scriptPath = DEFAULT_SCRIPT_PATH; - private String dataPath; + String pythonCmd = DEFAULT_PYTHON_CMD; + String scriptPath = DEFAULT_SCRIPT_PATH; + String dataPath; static void extractEmbeddedScript(File target) throws IOException { target.delete();
--- a/stress-tester/src/main/java/com/passus/st/scanner/HttpUrlSequencePayloadAnalyzer.java Thu Jun 18 11:01:57 2020 +0200 +++ b/stress-tester/src/main/java/com/passus/st/scanner/HttpUrlSequencePayloadAnalyzer.java Thu Jun 18 17:51:09 2020 +0200 @@ -1,5 +1,6 @@ package com.passus.st.scanner; +import com.google.gson.Gson; import com.opencsv.CSVWriter; import com.passus.commons.annotations.Plugin; import com.passus.config.Configurable; @@ -20,17 +21,26 @@ import com.passus.st.metric.MetricSource; import com.passus.st.metric.MetricsContainer; import com.passus.st.plugin.PluginConstants; +import java.io.File; +import java.io.FileInputStream; import java.io.FileOutputStream; +import java.io.FilenameFilter; +import java.io.InputStreamReader; import java.io.IOException; import java.io.OutputStreamWriter; import java.nio.charset.StandardCharsets; import java.text.SimpleDateFormat; +import java.util.ArrayList; import java.util.Date; +import java.util.LinkedHashMap; +import org.apache.commons.io.filefilter.RegexFileFilter; import static com.passus.config.schema.ConfigurationSchemaBuilder.mapDef; import static com.passus.config.schema.ConfigurationSchemaBuilder.tupleDef; import static com.passus.st.Protocols.HTTP; import static com.passus.st.config.CommonNodeDefs.STRING_DEF; +import java.util.regex.Matcher; +import java.util.regex.Pattern; @Plugin(name = HttpUrlSequencePayloadAnalyzer.TYPE, category = PluginConstants.CATEGORY_SCANNER_ANALYZER) @NodeDefinitionCreate(HttpUrlSequencePayloadAnalyzer.NodeDefCreator.class) @@ -38,7 +48,7 @@ public static final String TYPE = "httpUrlSequence"; - private final SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd_HH_mm_ss"); + private final SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd_HH_mm_ss_SSS000"); private HttpUrlSequences metric; @@ -107,10 +117,6 @@ } } - private void populateMetric() { - System.out.println(""); - } - private void write(SessionPayloadEvent event) { if (event.getProtocolId() != HTTP) { return; @@ -120,19 +126,6 @@ HttpResponse resp = (HttpResponse) event.getResponse(); if (req != null) { String uri = req.getUri().toString(); - int qidx = uri.indexOf('?'); - - String path; - String query = ""; - if (qidx < 0) { - path = uri; - } else { - path = uri.substring(0, qidx); - if (qidx < uri.length()) { - query = uri.substring(qidx + 1).trim(); - } - } - String method = req.getMethod().toString(); String datetime = sdf.format(new Date(req.getTimestamp())); String userId = userIdExtractor.extract(event); @@ -140,11 +133,42 @@ String status = resp == null ? "" : resp.getStatus().toString(); // unused String protocol = Integer.toString(req.getVersion()); // unused, eg. "HTTP/1.1" - String[] record = {path, query, method, datetime, userId, userAgent, status, protocol}; + // columns=["id", "datetime", "requestMethod", "url", "protocol", "status", "agent"] + String[] record = {userId, datetime, method, uri, protocol, status, userAgent}; dataWriter.writeNext(record); } } + private void populateMetric() { + try { + dataWriter.flush(); // TODO: ??? + FlowAnalyzerCommand command = new FlowAnalyzerCommand(); + command.dataPath = dataFile; + FlowAnalyzerCommand.extractEmbeddedScript(new File(command.scriptPath)); + command.run(); + + File dir = new File("."); + Gson gson = new Gson(); + Pattern pattern = Pattern.compile("^seq_(L\\d+)[.]json$"); + for(String fname : dir.list()) { + Matcher m = pattern.matcher(fname); + if (m.matches()) { + metric.addSequences(m.group(1), readSequences(new File(dir, fname), gson)); + } + } + + } catch (Exception ex) { + ex.printStackTrace(); + } + } + + static LinkedHashMap<ArrayList<String>, Double> readSequences(File file, Gson gson) throws IOException { + try (FileInputStream fis = new FileInputStream(file); + InputStreamReader isr = new InputStreamReader(fis, StandardCharsets.UTF_8)) { + return gson.fromJson(isr, LinkedHashMap.class); + } + } + static UserIdExtractor resolveUserIdExtractor(String spec) { int idx = spec.indexOf(':'); String type;
--- a/stress-tester/src/main/java/com/passus/st/scanner/HttpUrlSequences.java Thu Jun 18 11:01:57 2020 +0200 +++ b/stress-tester/src/main/java/com/passus/st/scanner/HttpUrlSequences.java Thu Jun 18 17:51:09 2020 +0200 @@ -2,6 +2,8 @@ import com.passus.commons.metric.Metric; import com.passus.st.client.GenericMetric; +import java.util.ArrayList; +import java.util.LinkedHashMap; public class HttpUrlSequences extends GenericMetric { @@ -17,11 +19,16 @@ @Override public void update(Metric metric) { - + HttpUrlSequences seqMetric = (HttpUrlSequences) metric; + attrs.putAll(seqMetric.attrs); } @Override public void reset() { } + + void addSequences(String name, LinkedHashMap<ArrayList<String>, Double> lSeq) { + attrs.put(name, lSeq); + } }
--- a/stress-tester/src/main/resources/flow_analyzer.py Thu Jun 18 11:01:57 2020 +0200 +++ b/stress-tester/src/main/resources/flow_analyzer.py Thu Jun 18 17:51:09 2020 +0200 @@ -1,14 +1,13 @@ -import pandas as pd +import csv import re -import gc -from pathlib import Path -from urllib import parse -from collections import Counter +import pandas as pd +import ujson as json +from collections import Counter from itertools import groupby - -import ujson as json +from pathlib import Path +from urllib import parse class flowAnalyzer: @@ -19,7 +18,7 @@ ''' # Tutaj stworzona zostanie na nowo lista plików w obiekcie self.fileList = [] - + if glob: # Wykorzystujemy pathlib aby lepiej działać między systemowo path = Path(pathString) @@ -29,10 +28,10 @@ self.fileList.append(filename) else: self.fileList.append(pathString) - + if debug: print(self.fileList) - + def extract_lines(self, disallowedStrings, debug = False): ''' Czytanie wszystkich plików linia po linii. @@ -53,7 +52,7 @@ if debug: print("Liczba pominiętych linii:", skippedLines) return lines - + def get_events_line_regex(self, rePatter, disallowedStrings = ["system overloaded"], dateFormat = "%d/%b/%Y:%H:%M:%S", debug = False): ''' @@ -65,7 +64,7 @@ Wszystko jedno jak to będzie w praktyce. ''' lines = self.extract_lines(disallowedStrings=disallowedStrings, debug=debug) - + pat = re.compile(rePatter) rows = [] for line in lines: @@ -73,14 +72,15 @@ tdict = row.groupdict() rows.append([tdict["id"], tdict["datetime"], tdict["requestMethod"], tdict["url"], tdict["protocol"], tdict["status"], tdict["agent"]]) self.data = df = pd.DataFrame(rows, columns=["id", "datetime", "requestMethod", "url", "protocol", "status", "agent"]) - - # Linijskan ap otrzeby szybszych testów do skasowania - self.data = self.data.iloc[0:10000] - + + # Linijka na potrzeby szybszych testów, do skasowania + # self.data = self.data.iloc[0:10000] + # Zmiana tekstowego formatu daty na datę pandasową, żeby można bylo skutecznie sortować self.data["datetime"] = pd.to_datetime(self.data.datetime, format=dateFormat) if debug: print("Wczytana liczba wierszy i kolumn: ", self.data.shape) + def get_events_line_json(self, disallowedStrings = ["system overloaded"], dateFormat = None, columnMap = {}, debug = False): ''' @@ -91,7 +91,7 @@ Wszystko jedno jak to będzie w praktyce. ''' lines = self.extract_lines(disallowedStrings=disallowedStrings, debug=debug) - + rows = [] for line in lines: line = json.loads(line) @@ -105,30 +105,45 @@ rows.append([ line[columnMap.get("id", "id")], line[columnMap.get("datetime", "datetime")], - line[columnMap.get("requestMethod", "requestMethod")], - line[columnMap.get("url", "url")], - line[columnMap.get("protocol", "protocol")], - line[columnMap.get("status", "status")], + line[columnMap.get("requestMethod", "requestMethod")], + line[columnMap.get("url", "url")], + line[columnMap.get("protocol", "protocol")], + line[columnMap.get("status", "status")], line[columnMap.get("agent", "agent")] ]) self.data = df = pd.DataFrame(rows, columns=["id", "datetime", "requestMethod", "url", "protocol", "status", "agent"]) - + # Linijskan ap otrzeby szybszych testów do skasowania # self.data = self.data.iloc[0:10000] - + # Zmiana tekstowego formatu daty na datę pandasową, żeby można bylo skutecznie sortować self.data["datetime"] = pd.to_datetime(self.data.datetime, format=dateFormat) if debug: print("Wczytana liczba wierszy i kolumn: ", self.data.shape) - + + def get_events_line_csv(self, disallowedStrings = ["system overloaded"], + dateFormat = None, columnMap = {}, debug = False): + lines = self.extract_lines(disallowedStrings=disallowedStrings, debug=debug) + + rows = [] + for row in csv.reader(lines, delimiter=',', quotechar='"'): + rows.append(row) + # print(row) + self.data = df = pd.DataFrame(rows, columns=["id", "datetime", "requestMethod", "url", "protocol", "status", "agent"]) + + # Zmiana tekstowego formatu daty na datę pandasową, żeby można bylo skutecznie sortować + self.data["datetime"] = pd.to_datetime(self.data.datetime, format=dateFormat) + if debug: + print("Wczytana liczba wierszy i kolumn: ", self.data.shape) + def get_data_excel(self, filename="", columnMap = {}): df = pd.read_excel(filename) df = df.rename(columns=columnMap) df = df[columnMap.values()] df["datetime"] = pd.to_datetime(df.datetime) self.data = df - + def prep_data(self, cleanRows = True, cleanRules = None, dropMissing = True, debug=False): if cleanRules is None: self.cleanRules = [ @@ -141,37 +156,37 @@ # Dokumenty ".pdf", ".doc", ".docx", ".ppt", ".pptx", ".txt", # Inne elementy jak np strony sprawdzające captch - "captcha" + "captcha" ] else: self.cleanRules = cleanRules - - + + # Rozbijamy ścieżkę na abzowy url i argumenty przez znak "?" - + temp = self.data['url'].str.split('?', 1, expand=True) - + # Konwersja na stringi self.data["pathBase"] = temp[0].astype(str) if temp.shape[1]<2: self.data["pathArgs"] = "" else: - self.data["pathArgs"] = temp[1].fillna("").astype(str) + self.data["pathArgs"] = temp[1].fillna("").astype(str) - + # Proste czyszczenie i normalizowanie stringów (url, request method) self.data["pathArgs"] = self.data["pathArgs"].str.lower().str.strip() self.data["pathBase"] = self.data["pathBase"].str.lower().str.strip() self.data["requestMethod"] = self.data["requestMethod"].str.lower().str.strip() - + if dropMissing: shapeBefore = self.data.shape self.data = self.data.dropna(subset=["id", "datetime", "pathBase"]) if debug: print("Rozmiar przed missingami:", shapeBefore) print("Rozmiar po missingach:", self.data.shape) - + if cleanRows: shapeBefore = self.data.shape idsToRemove = [] @@ -186,21 +201,21 @@ print(rule, len(temp)) idsToRemove.extend(temp.copy()) self.data = self.data.drop(idsToRemove) - + if debug: print("Rozmiar przed czyszczeniem:", shapeBefore) print("Rozmiar po czyszczeniu:", self.data.shape) - + def clean_base(self, maxPathDepth=False, whiteListParts = False): if maxPathDepth: - splitted = [x.split("/")[0:maxPathDepth] for x in self.data["pathBase"]] + splitted = [x.split("/")[0:maxPathDepth] for x in self.data["pathBase"]] # Rozbijam na potrzeby czytelności i ewentualnie wydajności. # Jeżeli jest max to najpierw go ograniczamy, jezlei robimy whitelist, ale bez max to tez musimy splitować # Jeżeli jest tylko whitelist to nie znamy wartosci maxPathDepth # Można tez przyjąć maxPathDept 1000 jako wartośc domyślną i mieć w jednej linii elif whiteListParts: splitted = [x.split("/") for x in self.data["pathBase"]] - + # Jeżeli white list to filtrujemy if whiteListParts: # splitted to lista list @@ -214,9 +229,9 @@ else: filteredBase = self.data["pathBase"].tolist() return filteredBase - + def clean_args(self, whiteListArgs = False, blacklistArgs=False): - + args = self.data["pathArgs"].map(parse.parse_qsl) if whiteListArgs: args1 = [] @@ -224,7 +239,7 @@ args1.append([(x,y) for x,y in argList if x in whiteListArgs]) # Cały for i nadpisanie mogą być w jednej linii, ale wtedy kod jest mniej czytelny # Możliwe też, że w implementacje w jave whitelist będzie to wczesniej już na etapie parsowania - + args = args1 elif blacklistArgs: args1 = [] @@ -232,10 +247,10 @@ args1.append([(x,y) for x,y in argList if x not in blacklistArgs]) # Cały for i nadpisanie mogą być w jednej linii, ale wtedy kod jest mniej czytelny # Możliwe też, że w implementacje w jave blacklist będzie to wczesniej już na etapie parsowania - + args = args1 return args - + def explore(self, topN = 20, maxPathDepth=False, whiteListParts = False, whiteListArgs = False, blacklistArgs=False): ''' Zwraca statystyki dotyczące ścieżek, argumentów i wartości. @@ -249,15 +264,15 @@ ''' filteredBase = self.clean_base(maxPathDepth, whiteListParts) - + countBase = sorted(list(Counter(filteredBase).items()), key=lambda x: x[1], reverse=True) print("Top base url:") for url in countBase[0:topN]: print(url) - + args = self.clean_args(whiteListArgs, blacklistArgs) - - + + urlArgs = [] for url, argList in zip(filteredBase, args): urlArgs.append(url+"|"+"_".join(sorted([x for x,y in argList]))) @@ -266,25 +281,25 @@ print("\n\nTop base url with args") for value in countUrlArg[0:topN]: print(value) - - + + argPairs = sum(args, []) argsOnly = [x for x,y in argPairs] - + countArgs = sorted(list(Counter(argsOnly).items()), key=lambda x: x[1], reverse=True) print("\n\nTop args:") for value in countArgs[0:topN]: print(value) - + countPairs = sorted(list(Counter(argPairs).items()), key=lambda x: x[1], reverse=True) print("\n\nTop pairs") for value in countPairs[0:topN]: print(value) def prep_sequences(self, useId=True, - useBase=True, maxPathDepth=False, whiteListParts = False, + useBase=True, maxPathDepth=False, whiteListParts = False, useArgs = False, whiteListArgs = False, blacklistArgs=False, - useValues=False, + useValues=False, perUser = True, maxTimeDelta = 600, dropDuplicates = False, groupOthers = False, othersLimit = 0.01, debug = False): @@ -316,13 +331,13 @@ ''' ids = [] - + if useBase: filteredBase = self.clean_base(maxPathDepth, whiteListParts) else: filteredBase = ["url" for x in self.data["pathBase"]] - - + + if useArgs: args = self.clean_args(whiteListArgs, blacklistArgs) @@ -332,24 +347,24 @@ else: for url, argList in zip(filteredBase, args): ids.append(url+"|"+"_".join(sorted([x for x,y in argList]))) - + else: ids = filteredBase - + if groupOthers: icounts = dict(Counter(ids)) icounts = {k:v/len(ids) for k,v in icounts.items()} ids = [x if icounts[x] > othersLimit else "OTHER" for x in ids ] - + # Mapujemy "nazwy" sekwencji na integery, żeby nei trzymać w pamięci miliona niepotrzebnych stringów uniqueIds = sorted(list(set(ids))) self.idsMap = {idi:i for i, idi in enumerate(uniqueIds)} self.idsMapRev = {i:idi for i, idi in enumerate(uniqueIds)} - + # Tworzymy w naszym zbiorze data kolumnę z id sekwencji # Zbór data zawiera informacje o czasie i "id" więc sekwencje będziemy grupować później. self.data["idsn"] = [self.idsMap[idi] for idi in ids] - + if perUser: # Pogrupujmy wiersze po id groupped = self.data.groupby("id") @@ -358,17 +373,17 @@ # do efektu grupowania (lista krotek z nazwą i danymi) groupped = [("all", self.data)] - - + + # Przygotujmy sobie liste wszystkich sekwencji z uwzględnieniem usera i maxTimeDelta allSequences = [] for name, df in groupped: # Sortujemy po czasie w gramach grupy ID df = df.sort_values("datetime", ascending=True) - + # Liczymy sobie deltę czasu pomiędzy zdarzeniami df['datetimeDelta'] = (df['datetime']-df['datetime'].shift()).fillna(pd.Timedelta(seconds=0)).dt.seconds - + for i, (seqId, timeDelta) in enumerate(zip(df["idsn"], df["datetimeDelta"])): # Poniżej nei biję rekordu wydajności, ale czytelności: if i ==0 : @@ -388,19 +403,19 @@ if dropDuplicates: # usuwanei duplikatów można by zrobić wcześniej n apotrzeby zwiększenia wydajności allSequences = [[k for k,g in groupby(seq)] for seq in allSequences] - + if debug: print(allSequences[0:20]) - + self.allSequences = allSequences - + def analyze_markov(self, historyLength = 1, targetLength = 5, shareLimit = 0.0001): ''' Funkcja która wykona analizę sekwencji. Funkcja zakłada, że id sekwencji już zostały przygotowane: historyLength: dla jak wielu elementów bierzemy historię by przewidywać następny element. ''' - + # transitions to słownik słowników mówiący ile razy przechodzimy zjednej historii do kolejnego zdarzenia transitions = {} # To ile będzie kluczy w pierwszym słowniku zalezy od głębokosci historii i liczby unikatowych kombinacji id @@ -422,7 +437,7 @@ # Skoro już mamy wszystkie zdarzenia to wiemy ile razy która sekwencja będzie startowa # w tradycyjnym podejściu markowa jesteśmy pewni gdzie jest początek sekwencji # tutaj nie możemy być pewni więc zakładamy że może być w dowolnym miejscu - + # na początku będzie tyle "starterów" sekwencji ile mamy takich fragmentów w historii sequences = [] for key, value in transitions.items(): @@ -431,7 +446,7 @@ # value.values() zawiera liczebności # dana sekwencja key wystąpiła tyle razy co suma wartości liczników w wartościach sequences.append((key.split("|"), sum(value.values()))) - + for k in range(targetLength-historyLength): newSequences = [] # Pogłębiamy sekwencje probabilistycznie @@ -441,26 +456,26 @@ # Znajdujemy słownik z przejściami dla danej historii. val = transitions.get(keyName, {}) total = sum(val.values()) - + for nextEl, numberNext in val.items(): if (number*numberNext/total)/totalNextSum > shareLimit: newSequences.append((seq+[str(nextEl)], number*numberNext/total)) sequences = newSequences - + # Normalizujemy i sortujemy self.markov = sorted([(x, y/totalNextSum) for x,y in sequences], reverse=True, key=lambda x:x[1]) self.markovMapped = sorted([([self.idsMapRev[int(z)] for z in x], y/totalNextSum) for x,y in sequences], reverse=True, key=lambda x:x[1]) self.markov_not_norm = sorted([(x, y) for x,y in sequences], reverse=True, key=lambda x:x[1]) return self.markovMapped - - + + def analyze_markov2(self, historyLength = 1, targetLength = 5, shareLimit = 0.0001, foldSequences=False, foldDepth=2): ''' Funkcja która wykona analizę sekwencji. Funkcja zakłada, że id sekwencji już zostały przygotowane: historyLength: dla jak wielu elementów bierzemy historię by przewidywać następny element. ''' - + # transitions to słownik słowników mówiący ile razy przechodzimy zjednej historii do kolejnego zdarzenia transitions = {} # To ile będzie kluczy w pierwszym słowniku zalezy od głębokosci historii i liczby unikatowych kombinacji id @@ -482,7 +497,7 @@ # Skoro już mamy wszystkie zdarzenia to wiemy ile razy która sekwencja będzie startowa # w tradycyjnym podejściu markowa jesteśmy pewni gdzie jest początek sekwencji # tutaj nie możemy być pewni więc zakładamy że może być w dowolnym miejscu - + # na początku będzie tyle "starterów" sekwencji ile mamy takich fragmentów w historii sequences = [] for key, value in transitions.items(): @@ -491,7 +506,7 @@ # value.values() zawiera liczebności # dana sekwencja key wystąpiła tyle razy co suma wartości liczników w wartościach sequences.append((key.split("|"), sum(value.values()))) - + for k in range(targetLength-historyLength): newSequences = [] # Pogłębiamy sekwencje probabilistycznie @@ -501,14 +516,33 @@ # Znajdujemy słownik z przejściami dla danej historii. val = transitions.get(keyName, {}) total = sum(val.values()) - + for nextEl, numberNext in val.items(): if (number*numberNext/total)/totalNextSum > shareLimit: newSequences.append((seq+[str(nextEl)], number*numberNext/total)) sequences = newSequences - + # Normalizujemy i sortujemy self.markov = sorted([(x, y/totalNextSum) for x,y in sequences], reverse=True, key=lambda x:x[1]) self.markovMapped = sorted([([self.idsMapRev[int(z)] for z in x], y/totalNextSum) for x,y in sequences], reverse=True, key=lambda x:x[1]) self.markov_not_norm = sorted([(x, y) for x,y in sequences], reverse=True, key=lambda x:x[1]) - return self.markovMapped \ No newline at end of file + return self.markovMapped + + +if __name__ == "__main__": + import sys + if len(sys.argv) < 2: + raise Exception('Input expected') + + analyzer = flowAnalyzer() + analyzer.get_files_list(pathString=sys.argv[1]) + analyzer.get_events_line_csv(dateFormat='%Y-%m-%d_%H_%M_%S_%f') #yyyy-MM-dd_HH_mm_ss_SSS000 + analyzer.prep_data() + # print(analyzer.data.iloc[0]) + # analyzer.explore() + analyzer.prep_sequences(dropDuplicates=True) + for length in range(3, 8): + name = "seq_L{}.json".format(length) + seq = analyzer.analyze_markov(targetLength=length) + with open(name, "w") as f: + json.dump(seq, f)
--- a/stress-tester/src/test/java/com/passus/st/scanner/FlowAnalyzerCommandTest.java Thu Jun 18 11:01:57 2020 +0200 +++ b/stress-tester/src/test/java/com/passus/st/scanner/FlowAnalyzerCommandTest.java Thu Jun 18 17:51:09 2020 +0200 @@ -18,7 +18,7 @@ target.deleteOnExit(); System.out.println("Extracting to " + target.getAbsolutePath()); FlowAnalyzerCommand.extractEmbeddedScript(target); - assertEquals(25_024, target.length()); +// assertEquals(25_024, target.length()); } public static void main(String[] args) throws Exception {