一、产生的背景

出产进程中，线上的事务规矩内嵌在体系的各处代码中，每次策略的调整都需求更新线上体系，进行从需求->规划->编码->测试->上线这种长周期的流程，满意不了事务规矩的快速改变以及低本钱的更新试错迭代。

因而需求有一种处理计划将商业决议计划逻辑和运用开发者的技术决议计划别离开，在体系运行时能去更新办理事务规矩。

规矩引擎(事务规矩办理体系，英文名为BRMS（即Business Rule Management System））正是这样的处理计划。

二、实际事务场景：

一个小例子： 假如咱们有个事务场景，当客户的积分坐落一个区间A时，咱们给予他一个头衔a，当一个客户的积分坐落区间B时，咱们给予他一个头衔b，当客户的积分坐落区间C时，咱们给予他一个 头衔c。假如咱们运用if-else-then来写，是能够完成的，可是这里存在一个问题：规矩界说和代码耦合在一起了。假如咱们改变规矩，把区间A，B，C 改成D，E，F，又或是将规矩增加，从3组变为100组，那么咱们改代码实在是太麻烦了。这时候规矩引擎就派上用场了，咱们期望把规矩和代码解耦，构成一个规矩引擎，以适应复杂多变的事务场景，或许更加精细化的运营。

实际事务场景：

BD绩效查核是将各个战区每月针对bd拟定的绩效查核计划线上化，支撑绩效计划设置、bd绩效达成状况盯梢、绩效薪资核算等功能。

现状： 绩效的查核计划和激励方针呈现出多样化、复杂化的特点，不同的战区绩效查核的目标及查核计划不同，每个战区每个月的目标及查核计划改变十分大，同一个目标每月对应的规矩界说不同。

计划： 为了应对战区绩效查核计划多变，本次需求完成目标规矩的灵敏装备。

以有用团长数为例：

有用团长界说为： 团长每月有用团达标天数>=15天（有用团指的是每天成团的规范：5个下单用户，15件下单商品）

目标类型 目标名称 目标规矩 实体 时刻维度
原子目标 团用户数 团成交用户数 团 日
原子目标 团商品数 团成交商品数 团 日
复合目标 是否有用团 团用户数>=5且团商品数>=15 团 日
复合目标 有用团天数 是否有用团=1，求和sum 团长 月
复合目标 是否有用团长 有用团天数>=15天 团长 月
复合目标 有用团长数 是否有用团长=1，求和sum 安排/网格 月

三、规矩引擎价值及实质

3.1 规矩引擎价值：

最大的价值就在于通过以下的三个进程，大大的缓解了频频的需求改变给整个事务体系带来的灾难。

  • 强逼体系开发人员和事务专家整理事务，界说一致的BOM（事务目标模型）。

  • 事务专家能够快速的拟定修正规矩，然后交由规矩引擎自动化地来处理剖析。

  • 规矩引擎代替体系开发人员，处理由规矩条件相关动作改变带来的开发作业。

总结一句话：规矩引擎便是将需求外部决议计划的事务规矩加载到体系中，依照不同的输入条件进行不同的规矩匹配组合后，履行契合规矩的一个或许多个操作。

3.2 规矩引擎的实质

实质是“专家决议计划体系规矩引擎模型”和rete算法，为了处理的是大量重复的condition匹配功率的问题，以及规矩抵触规范的问题，和脚本的功能比较不在同一个层面上。

四、 Rete算法介绍

（1）规矩内容

IF：
  年级是三年级以上，
  性别是男的，
  年纪小于10岁，
  身体健壮，
  身高170cm以上，
THEN：
  这个男孩是一个篮球苗子，需求培养

网络构建：

规则引擎调研及初步使用 | 京东云技术团队

匹配进程：

（1）匹配进程中现实在网络节点中的流通次序为A-->B-->C-->D-->E-->F-->G-->H-->I--->规矩匹配通过
（2）从working-Memory中拿出一个待匹配的StudentFact目标，进入根节点然后进行匹配，以下是fact在各个节点中的活动图
A节点：拿StudentFact的年级数值进行年级匹配，假如年级契合条件，则把该StudentFact的引证记录到A节点的alpha内存区中，退出年级匹配。
B节点：拿StudentFact的性别内容进行性别匹配，假如性别契合条件，则把该StudentFact的引证记录到B节点的alpha内存区中，然后找到B节点左引证的Beta节点，也便是C节点。
C节点：C节点找到自己的左引证也便是A节点，看看A节点的alpha内存区中是否寄存了StudentFact的引证，假如寄存，说明年级和性别两个条件都契合，则在C节点的Beta内存区中寄存StudentFact的引证，退出性别匹配。
D节点：拿StudentFact的年纪数值进行年纪条件匹配，假如年纪契合条件，则把该StudentFact的引证记录到D节点的alpha的内存区中，然后找到D节点的左引证的Beta节点，也便是E节点。
E节点：E节点找到自己的左引证也便是C节点，看看C节点的Beta内存区中是否寄存了StudentFact的引证，假如寄存，说明年级，性别，年纪三个条件契合，则在E节点的Beta内存区中寄存StudentFact的引证，退出年纪匹配。
F节点：拿StudentFact的身体数值进行身体条件匹配，假如身体条件契合，则把该StudentFact的引证记录到D节点的alpha的内存区中，然后找到F节点的左引证的Beta节点，也便是G节点。
G节点：G节点找到自己的左引证也便是E节点，看看E节点的Beta内存区中是否寄存了StudentFact的引证，假如寄存，说明年级，性别，年纪，身体四个条件契合，则在G节点的Beta内存区中寄存StudentFact的引证，退出身体匹配
H节点：拿StudentFact的身高数值进行身高条件匹配，假如身高条件契合，则把该StudentFact的引证记录到H节点的alpha的内存区中，然后找到H节点的左引证的Beta节点，也便是I节点。
I节点：I节点找到自己的左引证也便是G节点，看看G节点的Beta内存区中是否寄存了StudentFact的引证，假如寄存了，说明年级，性别，年纪，身体，身高五个条件都契合，则在I节点的Beta内存区中寄存StudentFact引证。
           一起说明该StudentFact目标匹配了该规矩，构成一个议程，加入到抵触区，履行该条件的成果部分：该学生是一个篮球苗子。

五、Rete算法优劣势剖析

5.1 Rete算法优于传统的形式匹配算法

a．状况保存。 Rete 算法是一种启发式算法，不同规矩之间往往含有相同的形式，因而在 beta-network 中能够同享 BetaMemory 和 betanode。假如某个 betanode 被 N 条规矩同享，则算法在此节点上功率会进步 N 倍。

b. 节点同享。 Rete 算法因为选用 AlphaMemory 和 BetaMemory 来存储现实，当现实调集改变不大时，保存在 alpha 和 beta 节点中的状况不需求太多改变，防止了大量的重复核算，进步了匹配功率。

c. 从 Rete 网络能够看出，Rete 匹配速度与规矩数目无直接联系，这是因为现实只要满意本节点才会持续向下沿网络传递。

5.2 Rete算法的缺陷

Rete算法运用了存储区存储已核算的中心成果，以空间交换时刻，从而加快体系的速度。但是存储区依据规矩的条件与现实的数目成指数级增长，极点状况下会耗尽体系资源。

a. 简略改变的规矩尽量置后匹配，能够减少规矩的改变带来规矩库的改变。

b. 束缚性较为通用或较强的形式尽量置前匹配，能够防止不必要的匹配。

六、规矩引擎调研

规矩引擎有三个概念需求理解，如下：

现实（Fact）： 目标之间及目标属性之间的联系

规矩（rule）： 是由条件和结论构成的推理句子，一般表示为if…Then。一个规矩的if部分称为LHS，then部分称为RHS。

形式（module）： 便是指IF句子的条件。这里IF条件可能是有几个更小的条件组成的大条件。形式便是指的不能在持续切割下去的最小的原子条件。

规则引擎调研及初步使用 | 京东云技术团队

依据事务人员编写的规矩库和作业内存空间当前的状况，通过规矩引擎匹配形式，把满意的规矩放入议程表，将不满意的规矩从议程表中删除。

a、将初始数据（fact）输入至作业内存(Working Memory)。
b、运用Pattern Matcher将规矩库(Rules repository)的规矩（rule）和数据（fact）比较。
c、假如履行规矩存在抵触（conflict），即一起激活了多个规矩，将抵触的规矩放入抵触调集。
d、处理抵触，将激活的规矩按次序放入Agenda。
e、履行Agenda中的规矩。
f、重复过程b至e，直到履行完毕Agenda中的一切规矩。

规则引擎调研及初步使用 | 京东云技术团队

6.1 规矩引擎的核心问题

任何一个规矩引擎都需求很好地处理规矩的推理机制和规矩条件匹配的功率问题。

a、规矩引擎将逻辑与数据别离

b、数据在域目标中，逻辑在规矩中。这从根本上打破了数据和逻辑的耦合，这可能是优点，也有可能是缺陷。

可是解耦逻辑能够更简略保护。能够将逻辑悉数安排在一个或多个十分不同的规矩文件中，而不是将逻辑散布在许多域目标或控制器中。

6.2 外部规矩引擎结构调研

Java规矩引擎主要有URule (pro) /Drools/easyRule/

  介绍 优点 缺陷 活泼性 综合评价 
通过界面装备的老练规矩引擎： URule 纯Java规矩引擎（RETE算法）为基础规 则界说方法：供给了向导式规矩集、脚本式规矩集、决议计划表、交叉决议计划表(PRO版供给)、决议计划树、评分卡决议计划流合作根据WEB的规划器，可快速完成规矩的界说、保护与发布。 商用软件 高 五星 github.com/youseries/u…
Drools 决事务代码和事务规矩别离；适用于大型运用体系 功能高 可整合 可保护 学习本钱高 文档全 持续更新 流行 五星 www.drools.org/
根据java代码的规矩引擎 Easy Rules 一个比较简略的开源的规矩引擎，运用简略的Java注解方法或许Java代码编程方法或许运用表达式言语或许用规矩描述算子界说规矩，然后运用十分简略的Java代码加载现实，规矩，然后就能够在已知的现实上完成详细的行为了。 简略易用一个十分轻量级的结构界说规矩的方法丰厚多样根据POJO，支撑复合规矩 Github保护者少  四星 github.com/j-easy/easy…
根据JVM脚本言语： Aviator 各种表达式的动态求值 two pass 编译，终究生成 JVM 字节码确保功能比一般解释型脚本快 高功能；轻量级；支撑多种类型 Github保护者少 材料齐，例子多 四星 code.google.com/archive/p/a…
MVEL 运用表达式言语界说规矩 灵敏，功能高，无类型约束 材料少 Github更新少 三星 
 RuleEngine 一个能够运用SQL脚原本界说规矩的中心件，如下的地址是github上根据RuleEngine的一个web可视化装备项目。     github.com/rule-engine…

七、规矩引擎代码演示

coding地址： git@coding.jd.com:zhangjiangtao1/demo.git

八、规矩引擎调研总结

规矩引擎不是银弹，规矩引擎仅仅把事务规矩从运用程序代码中别离出来，通过装备文件独立办理，实质上便是把原本的Java代码转化成脚原本动态解析履行罢了，还是需求写代码

解耦后尽管能够在必定程度上支撑快速调整事务规矩，可是因为为了完成通用性，防止与事务场景强相关，所以规矩引擎都是以DSL（Domain Specific Language））或独立web页面进行保护，对开发人员和事务人员都具备必定的学习本钱，并且调整也会比较繁琐，许多时候即便培训了事务人员也不懂。

综上：

a、假如只追求无需硬编码，并且装备人员懂得简略编码能够运用通用的规矩引擎，引入规矩引擎能够简化编码，并且让逻辑易于保护；

b、假如还要追求装备界面的可读性，装备人员无需了解代码，开发人员就必须往前走一步，做每个事务类型的装备界面，然后再做一个界面到规矩DSL句子的转化功能。或许类型URule这样做一个通用的装备界面，可是通用界面也代表了牺牲可交互性。

九、部分内容借鉴文档：

部分内容借鉴于：

a、规矩引擎rete算法介绍 www.pudn.com/news/630367…

b、urule介绍：/post/684490…

c、规矩引擎唠嗑：blog.csdn.net/erik_tse/ar…

d、规矩引擎唠嗑：blog.csdn.net/erik_tse/ar…

e、AviatorScript 编程攻略（5.0）www.yuque.com/boyan-avfmj…

作者：京东稳妥 张江涛

来源：京东云开发者社区