一、產(chǎn)生的背景

生產(chǎn)過程中，線上的業(yè)務(wù)規(guī)則內(nèi)嵌在系統(tǒng)的各處代碼中，每次策略的調(diào)整都需要更新線上系統(tǒng)，進(jìn)行從需求->設(shè)計->編碼->測試->上線這種長周期的流程，滿足不了業(yè)務(wù)規(guī)則的快速變化以及低成本的更新試錯迭代。

因此需要有一種解決方案將商業(yè)決策邏輯和應(yīng)用開發(fā)者的技術(shù)決策分離開，在系統(tǒng)運行時能去更新管理業(yè)務(wù)規(guī)則。

規(guī)則引擎(業(yè)務(wù)規(guī)則管理系統(tǒng)，英文名為BRMS（即Business Rule Management System））正是這樣的解決方案。

二、實際業(yè)務(wù)場景：

一個小例子： 假如我們有個業(yè)務(wù)場景，當(dāng)客戶的積分位于一個區(qū)間A時，我們給予他一個頭銜a，當(dāng)一個客戶的積分位于區(qū)間B時，我們給予他一個頭銜b，當(dāng)客戶的積分位于區(qū)間C時，我們給予他一個 頭銜c。如果我們使用if-else-then來寫，是可以實現(xiàn)的，但是這里存在一個問題：規(guī)則定義和代碼耦合在一起了。如果我們改變規(guī)則，把區(qū)間A，B，C 改成D，E，F(xiàn)，又或是將規(guī)則增加，從3組變?yōu)?00組，那么我們改代碼實在是太麻煩了。這時候規(guī)則引擎就派上用場了，我們希望把規(guī)則和代碼解耦，形成一個規(guī)則引擎，以適應(yīng)復(fù)雜多變的業(yè)務(wù)場景，或者更加精細(xì)化的運營。

??實際業(yè)務(wù)場景：

BD績效考核是將各個戰(zhàn)區(qū)每月針對bd制定的績效考核方案線上化，支持績效方案設(shè)置、bd績效達(dá)成情況跟蹤、績效薪資計算等功能。

現(xiàn)狀： 績效的考核方案和激勵政策呈現(xiàn)出多樣化、復(fù)雜化的特點，不同的戰(zhàn)區(qū)績效考核的指標(biāo)及考核方案不同，每個戰(zhàn)區(qū)每個月的指標(biāo)及考核方案變化非常大，同一個指標(biāo)每月對應(yīng)的規(guī)則定義不同。

方案： 為了應(yīng)對戰(zhàn)區(qū)績效考核方案多變，本次需要實現(xiàn)指標(biāo)規(guī)則的靈活配置。

以有效團(tuán)長數(shù)為例：

有效團(tuán)長定義為： 團(tuán)長每月有效團(tuán)達(dá)標(biāo)天數(shù)>=15天（有效團(tuán)指的是每天成團(tuán)的標(biāo)準(zhǔn)：5個下單用戶，15件下單商品）

三、規(guī)則引擎價值及本質(zhì)

3.1 規(guī)則引擎價值：

最大的價值就在于通過以下的三個過程，大大的緩解了頻繁的需求變化給整個業(yè)務(wù)系統(tǒng)帶來的災(zāi)難。

• 逼迫系統(tǒng)開發(fā)人員和業(yè)務(wù)專家梳理業(yè)務(wù)，定義統(tǒng)一的BOM（業(yè)務(wù)對象模型）。

• 業(yè)務(wù)專家可以快速的制定修改規(guī)則，然后交由規(guī)則引擎自動化地來處理分析。

• 規(guī)則引擎代替系統(tǒng)開發(fā)人員，解決由規(guī)則條件關(guān)聯(lián)動作變化帶來的開發(fā)工作。

總結(jié)一句話：規(guī)則引擎就是將需要外部決策的業(yè)務(wù)規(guī)則加載到系統(tǒng)中，按照不同的輸入條件進(jìn)行不同的規(guī)則匹配組合后，執(zhí)行符合規(guī)則的一個或者多個操作。

3.2 規(guī)則引擎的本質(zhì)

本質(zhì)是“專家決策系統(tǒng)規(guī)則引擎模型”和rete算法，為了解決的是大量重復(fù)的condition匹配效率的問題，以及規(guī)則沖突規(guī)范的問題，和腳本的性能比較不在同一個層面上。

四、 Rete算法介紹

（1）規(guī)則內(nèi)容

IF：
  年級是三年級以上，
  性別是男的，
  年齡小于10歲，
  身體健壯，
  身高170cm以上，
THEN：
  這個男孩是一個籃球苗子，需要培養(yǎng)

網(wǎng)絡(luò)構(gòu)建：

匹配過程：

（1）匹配過程中事實在網(wǎng)絡(luò)節(jié)點中的流轉(zhuǎn)順序為A-->B-->C-->D-->E-->F-->G-->H-->I--->規(guī)則匹配通過
（2）從working-Memory中拿出一個待匹配的StudentFact對象，進(jìn)入根節(jié)點然后進(jìn)行匹配，以下是fact在各個節(jié)點中的活動圖
A節(jié)點：拿StudentFact的年級數(shù)值進(jìn)行年級匹配，如果年級符合條件，則把該StudentFact的引用記錄到A節(jié)點的alpha內(nèi)存區(qū)中，退出年級匹配。
B節(jié)點：拿StudentFact的性別內(nèi)容進(jìn)行性別匹配，如果性別符合條件，則把該StudentFact的引用記錄到B節(jié)點的alpha內(nèi)存區(qū)中，然后找到B節(jié)點左引用的Beta節(jié)點，也就是C節(jié)點。
C節(jié)點：C節(jié)點找到自己的左引用也就是A節(jié)點，看看A節(jié)點的alpha內(nèi)存區(qū)中是否存放了StudentFact的引用，如果存放，說明年級和性別兩個條件都符合，則在C節(jié)點的Beta內(nèi)存區(qū)中存放StudentFact的引用，退出性別匹配。
D節(jié)點：拿StudentFact的年齡數(shù)值進(jìn)行年齡條件匹配，如果年齡符合條件，則把該StudentFact的引用記錄到D節(jié)點的alpha的內(nèi)存區(qū)中，然后找到D節(jié)點的左引用的Beta節(jié)點，也就是E節(jié)點。
E節(jié)點：E節(jié)點找到自己的左引用也就是C節(jié)點，看看C節(jié)點的Beta內(nèi)存區(qū)中是否存放了StudentFact的引用，如果存放，說明年級，性別，年齡三個條件符合，則在E節(jié)點的Beta內(nèi)存區(qū)中存放StudentFact的引用，退出年齡匹配。
F節(jié)點：拿StudentFact的身體數(shù)值進(jìn)行身體條件匹配，如果身體條件符合，則把該StudentFact的引用記錄到D節(jié)點的alpha的內(nèi)存區(qū)中，然后找到F節(jié)點的左引用的Beta節(jié)點，也就是G節(jié)點。
G節(jié)點：G節(jié)點找到自己的左引用也就是E節(jié)點，看看E節(jié)點的Beta內(nèi)存區(qū)中是否存放了StudentFact的引用，如果存放，說明年級，性別，年齡，身體四個條件符合，則在G節(jié)點的Beta內(nèi)存區(qū)中存放StudentFact的引用，退出身體匹配
H節(jié)點：拿StudentFact的身高數(shù)值進(jìn)行身高條件匹配，如果身高條件符合，則把該StudentFact的引用記錄到H節(jié)點的alpha的內(nèi)存區(qū)中，然后找到H節(jié)點的左引用的Beta節(jié)點，也就是I節(jié)點。
I節(jié)點：I節(jié)點找到自己的左引用也就是G節(jié)點，看看G節(jié)點的Beta內(nèi)存區(qū)中是否存放了StudentFact的引用，如果存放了，說明年級，性別，年齡，身體，身高五個條件都符合，則在I節(jié)點的Beta內(nèi)存區(qū)中存放StudentFact引用。
           同時說明該StudentFact對象匹配了該規(guī)則，形成一個議程，加入到?jīng)_突區(qū)，執(zhí)行該條件的結(jié)果部分：該學(xué)生是一個籃球苗子。

五、Rete算法優(yōu)劣勢分析

5.1 Rete算法優(yōu)于傳統(tǒng)的模式匹配算法

a．狀態(tài)保存。 Rete 算法是一種啟發(fā)式算法，不同規(guī)則之間往往含有相同的模式，因此在 beta-network 中可以共享 BetaMemory 和 betanode。如果某個 betanode 被 N 條規(guī)則共享，則算法在此節(jié)點上效率會提高 N 倍。

b. 節(jié)點共享。 Rete 算法由于采用 AlphaMemory 和 BetaMemory 來存儲事實，當(dāng)事實集合變化不大時，保存在 alpha 和 beta 節(jié)點中的狀態(tài)不需要太多變化，避免了大量的重復(fù)計算，提高了匹配效率。

c. 從 Rete 網(wǎng)絡(luò)可以看出，Rete 匹配速度與規(guī)則數(shù)目無直接關(guān)系，這是因為事實只有滿足本節(jié)點才會繼續(xù)向下沿網(wǎng)絡(luò)傳遞。

5.2 Rete算法的缺點

Rete算法使用了存儲區(qū)存儲已計算的中間結(jié)果，以空間換取時間，從而加快系統(tǒng)的速度。然而存儲區(qū)根據(jù)規(guī)則的條件與事實的數(shù)目成指數(shù)級增長，極端情況下會耗盡系統(tǒng)資源。

a. 容易變化的規(guī)則盡量置后匹配，可以減少規(guī)則的變化帶來規(guī)則庫的變化。

b. 約束性較為通用或較強的模式盡量置前匹配，可以避免不必要的匹配。

六、規(guī)則引擎調(diào)研

規(guī)則引擎有三個概念需要理解，如下：

事實（Fact）： 對象之間及對象屬性之間的關(guān)系

規(guī)則（rule）： 是由條件和結(jié)論構(gòu)成的推理語句，一般表示為if...Then。一個規(guī)則的if部分稱為LHS，then部分稱為RHS。

模式（module）： 就是指IF語句的條件。這里IF條件可能是有幾個更小的條件組成的大條件。模式就是指的不能在繼續(xù)分割下去的最小的原子條件。

根據(jù)業(yè)務(wù)人員編寫的規(guī)則庫和工作內(nèi)存空間當(dāng)前的狀態(tài)，通過規(guī)則引擎匹配模式，把滿足的規(guī)則放入議程表，將不滿足的規(guī)則從議程表中刪除。

a、將初始數(shù)據(jù)（fact）輸入至工作內(nèi)存(Working Memory)。
b、使用Pattern Matcher將規(guī)則庫(Rules repository)的規(guī)則（rule）和數(shù)據(jù)（fact）比較。
c、如果執(zhí)行規(guī)則存在沖突（conflict），即同時激活了多個規(guī)則，將沖突的規(guī)則放入沖突集合。
d、解決沖突，將激活的規(guī)則按順序放入Agenda。
e、執(zhí)行Agenda中的規(guī)則。
f、重復(fù)步驟b至e，直到執(zhí)行完畢Agenda中的所有規(guī)則。

6.1 規(guī)則引擎的核心問題

任何一個規(guī)則引擎都需要很好地解決規(guī)則的推理機制和規(guī)則條件匹配的效率問題。

a、規(guī)則引擎將邏輯與數(shù)據(jù)分離

b、數(shù)據(jù)在域?qū)ο笾?，邏輯在?guī)則中。這從根本上打破了數(shù)據(jù)和邏輯的耦合，這可能是優(yōu)點，也有可能是缺點。

但是解耦邏輯可以更容易維護(hù)?？梢詫⑦壿嬋拷M織在一個或多個非常不同的規(guī)則文件中，而不是將邏輯分布在許多域?qū)ο蠡蚩刂破?/strong>中。