Java 规则引擎学习总结

规则是什么

现实生活中，规则无处不在。法律、法规和各种制度均是；对于企业级应用来说，在 IT 技术领域，很多地方也应用了规则，比如路由表，防火墙策略，乃至角色权限控制(RBAC)，或者 Web 框架中的 URL 匹配。不管是那种规则，都规定了一组确定的条件和此条件所产生的结果。

举一个例子：

IF

• 汽车是红色
• 车是运动型的
• 驾驶员是男性
• 驾驶员在 16-25 岁之间

THEN

• 保险费用增加 20%

从这个例子可以看出：

1. 每条规则都是一组条件决定的一系列结果
2. 一条规则可能与其他规则共同决定最终结果。比如例子中的规则只产生了增量，还需要与确定基数的规则共同作用才能决定最终的费率
3. 可能存在条件互相交叉的规则，此时有必要规定规则的优先级

规则作为一种知识，其典型运用就是通过实际情况，根据给定的一组规则，得出结论。这个结论可能是某种静态的结果，也可能是需要进行的一组操作。这种 规则的运用过程叫做推理。如果由程序来处理推理过程，那么这个程序就叫做推理机/推理引擎。推理引擎根据知识表示的不同采取的控制策略也是不同的，常见的 类型包括基于神经网络、基于案例和基于规则的推理机。其中，基于规则的推理机易于理解、易于获取、易于管理，被广泛采用。这种推理引擎被称为“规则引 擎”。

规则引擎产生的背景

一个业务规则包含一组条件和在此条件下执行的操作．它们表示业务规则应用程序的一段业务逻辑。业务规则的理论基础是：设置一个或多个条件，当满足这些条件时会触发一个或多个操作。企业为适应市场的多变性，它的业务逻辑也必然是多变的。理想情况下，业务逻辑的改变应该能够实时的反映在企业信息系统中。但是，传统的方法往往会使这种反映出现滞后，进而可能使企业错过市场机遇。

引入业务规则技术的目的 -> 解放生产力

对系统的使用人员

• 把业务策略（规则）的创建、修改和维护的权利交给业务经理
• 提高业务灵活性
• 加强业务处理的透明度，业务规则可以被管理
• 减少对 IT 人员的依赖程度
• 避免将来升级的风险

对 IT 开发人员

• 简化系统架构，优化应用
• 提高系统的可维护性和维护成本
• 方便系统的整合
• 减少编写“硬代码”业务规则的成本和风险

传统 IT 项目实施与引入规则进行项目实施的比较

传统做法的缺点

在传统的 IT 项目实施中业务与 IT 间存在的“矛盾”

引入规则引擎之后的系统架构

矛盾场景

当业务规则总是在改变时。。。

引入规则引擎后

如何做到鱼和熊掌兼得？

• 规则更改不重启，即改即用
• 数据库访问可随意更改，即改即用
• 业务服务层可以随意更改，即改即用
• 开发人员不需要关心底层 API，他只需要懂 JSON（加快开发）

规则引擎

规则引擎起源于基于规则的专家系统(专家系统 CLIPS： 源于 1984 年 NASA 的人工智能项目，现已开源，由 C 编写。)，而基于规则的专家系统又是专家系统的其中一个分支。专家系统属于人工智能的范畴，它模仿 人类的推理方式，使用试探性的方法进行推理，并使用人类能理解的术语解释和证明它的推理结论。基于规则的专家系统（RBES）包括三部分：Rule Base（knowledge base）、Working Memory（fact base）和 Inference Engine。它们的结构如下系统所示：

推理引擎组成

推理引擎（Inference Engine）包括三部分：模式匹配器（Pattern Matcher）、议程（Agenda）和执行引擎（Execution Engine）。推理引擎通过决定哪些规则满足事实或目标，并授予规则优先级，满足事实或目标的规则被加入议程。

1. 模式匹配器决定选择执行哪个规则，何时执行规则；
2. 议程管理模式匹配器挑选出来的规则的执行次序；
3. 执行引擎负责执行规则和其他动作。

推理方式

正向推理（Forward-Chaining）
反向推理（Backward-Chaining）

正向推理也叫演绎法，由事实驱动，从 一个初始的事实出发，不断地应用规则得出结论。首先在候选队列中选择一条规则作为启用规则进行推理，记录其结论作为下一步推理时的证据。如此重复这个过程，直到再无可用规则可被选用或者求得了所要求的解为止。

反向推理也叫归纳法，由目标驱动，首先提出某个假设，然后寻找支持该假设的证据，若所需的证据都能找到，说明原假设是正确的；若无论如何都找不到所需要的证据，则说明原假设不成立，此时需要另做新的假设。将事实与规则进行匹配的算法。

归纳法得出的结论并不一定正确

常见的模式匹配算法有 RETE,LFA,TREAI,LEAPS。Rete 算法是目前效率最高的一个演绎法推理算法，许多规则引擎都是基于 Rete 算法来进行推理计算的。

推理步骤

1. 将初始数据（fact）输入 Working Memory 。
2. 使用 Pattern Matcher 比较规则库（rule base）中的规则（rule）和数据（fact）。
3. 如果执行规则存在冲突（conflict），即同时激活了多个规则，将冲突的规则放入冲突集合。
4. 解决冲突，将激活的规则按顺序放入 Agenda。
5. 使用执行引擎执行 Agenda 中的规则。重复步骤 2 至 5，直到执行完毕所有 Agenda 中的规则。

Drools 规则引擎框架 Demo