️This article has been over 2 years since the last update.

规则引擎(RuleEngine)是一个有限状态机，通过入参实现状态转移，在Java中定义为JSR94规范。规则引擎目前的开源实现主要是JBoss家族的Drools，采用友好的Apache协议(意味着可以作为商业产品)。以及据说非常贵的ILOG引擎，还有一些国内引擎。

1. 规则引擎的简介

规则引擎一般用于处理请求报文总类繁多，业务控制复杂的场景，比如某个订单入口，某个网络的控制域，某个路由，比如

• 决策业务(Decisiontable)，比如XX可以打折，XX可以立减多少，多少利率，风控等
• 关联推荐，比如XX符合大数据，给TA推荐一些产品广告
• 邮件分类/智能短信，比如华为手机分析短信的“智能情景”业务

在进行大型项目设计时，结合StackOverflow的问答，有如下实践

• 规则引擎处理的业务大部分应该是无状态的。请求报文为结构体，一般可以用正则表达式去处理。
• 规则引擎也可以用于处理有状态的业务。而业务规格一般涉及到查表、查定时器等操作，需要与请求规格进行分层，不要滥用Then，更不要阻塞主线程。
• 通过外部DSL(比如Regex, XML, Groovy/JRuby/Kotlin)实现高扩展性，降低新需求的硬编码
• 不要过于高估RETE算法而把所有的非关联业务扔到一个引擎中进行for循环，而要及时设计出子规格目录(也就是人为设计一个Category)

2. 把Drools批判一番

2.1. Drools源码中如何生成rule与when？

首先下载Drools，运行mvn package下载依赖并编译后，然后使用Idea导入example，断点分析即可。本文使用的版本是Drools7

Drools使用了自己的drl语法，是一种DSL，通过ASM实现了它自己的Parser(ConsequenceGenerator)，在启动时将读取META-INF/kmodule.xml中的配置，并将drl反序列化为RuleImpl与JVM字节码。

DRL文件

1
2
3
4
5
6
7
8

rule BrokenWing @Defeasible @Defeats( "AllBirdsFly" ) when
  	// Drools设计的DSL
    b : Bird(  )
    Broken( part == "wing", bird == b )
then
    // Java代码与Drools的内置函数
    insertLogical( new Fly( b ), "neg" );
end

生成的ByteCode(通过IDEA的断点Eval调用ClassGenerator.generateBytecode()与配置-Ddrools.dump.dir= ./)实现)

生成的Rule是这样的，虽然通过ASM生成了代码，但是IDEA目前无法调试此断点

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

public class Rule_BrokenWing185864016DefaultConsequenceInvokerGenerated implements Consequence, CompiledInvoker {
    private static final long serialVersionUID = 510L;

    public Rule_BrokenWing185864016DefaultConsequenceInvokerGenerated() {
    }

    public int hashCode() {
        return -505782175;
    }

    public List getMethodBytecode() {
      	//详见下面的Class
        return RuleImpl.getMethodBytecode(this.getClass(), "Rule_BrokenWing185864016", "org.drools.examples.birdsfly", "defaultConsequence", "org/drools/examples/birdsfly/Rule_BrokenWing185864016.class");
    }

    public boolean equals(Object var1) {
        return var1 != null && var1 instanceof CompiledInvoker?MethodComparator.compareBytecode(this.getMethodBytecode(), ((CompiledInvoker)var1).getMethodBytecode()):false;
    }

    public String getName() {
        return "Rule_BrokenWing185864016DefaultConsequenceInvokerGenerated";
    }

    // 从getTuple中获取输入并执行`then`
    public void evaluate(KnowledgeHelper var1, WorkingMemory var2) throws Exception {
        LeftTuple var3 = (LeftTuple)var1.getTuple();
        Declaration[] var4 = ((RuleTerminalNode)var1.getMatch().getTuple().getTupleSink()).getRequiredDeclarations();
        Tuple var8 = var3.getParent();
        InternalFactHandle var6 = var8.getOriginalFactHandle();
        Bird var7 = (Bird)var6.getObject();
        Rule_BrokenWing185864016.defaultConsequence(var1, var7, var6);
    }
}

生成的then是这样的

1
2
3
4
5
6
7
8

public class Rule_BrokenWing185864016 {
    private static final long serialVersionUID = 510l;

    public static void defaultConsequence(KnowledgeHelper drools, Bird b, FactHandle b__Handle__   ) throws Exception { 	
        RuleContext kcontext = drools;
        drools.insertLogical( new Fly( b ), "neg" );
    }
}

这种可读性非常差的DSL注定了Drool只是一个半成品，你只要用过了，你就马上明白

• DRL语法奇特，过于接近AST，不亚于又学了一门新语言
• 生成代码过程是黑盒，而且代码中不能打断点

这两个缺点注定了Drools只是少数人的玩具，无法普及。

2.2. RETE算法与WorkingMemory

我们接着讲Drools的优点。它使用了 RETE(/ri:ti/)算法，RETE是net的拉丁文，可以翻译为【网络算法】，英文好的可以参考这里，中文可以参考这里。它可以将多个“规则”编译生成一个AST，其中重复的条件编译到树的前面，不相同的校验编译到后面，实现最后For循环的叶子最少。

举个官网上的例子，定义了如下的规则

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

rule
  when
    Cheese( $chedddar : name == "cheddar" )
    $person : Person( favouriteCheese == $cheddar )
  then
    println( $person.getName() + " likes cheddar" );
end

rule
  when
    Cheese( $chedddar : name == "cheddar" )
    $person : Person( favouriteCheese != $cheddar )
  then
    println( $person.getName() + " does not like cheddar" );
end   

RETE通过算法，将重复的条件放到最前面，最后生成如下的树

• 红色为AlphaNode表示字面意义上的对比，类似Java8中的Predicate<T>
• 黄色为LeftInputNodeAdapter, 表示节点的一对多转换，类似于flatmap<Predicate>操作
• 绿色为JoinNode，类似Java8中的Predicate<T>.and()操作

具体RETE算法需要对RuleImpl进行FindUsage与断点分析，就分析到这里了。它本质上是生成了一个Trie，比较类似于ElasticSearch中的NGram的Autocomplete，但是Elastic中通过分词来合并相同的字段，而RETE中通过DSL中提供的函数以维护Tokenizer并按照权重排序。

2. 3. Drools的优与劣

Drools成也RETE算法，败也RETE算法。

• Drools完美实现了RETE算法，如果用的好应该是循环次数最少的规则引擎。
• Drools设计的DSL受限于RETE算法中需要合并条件的约束，Rule扩展性太弱，无法承载复杂业务。

个人观点：我们在引入Drool后，由于语法表达能力弱，很难进行大规模/外包化开发（项目太庞大了，Drools的质量无法控制），最终还是牺牲性能（用更多的for循环+手动维护重要分支）把它换掉了。

3. 更好的规则引擎

某厂为运营商提供后台系统，运营商的套餐有多复杂大家都知道。

• 如何处理众多套餐的业务识别呢？
• 如果防止大规模规则名称冲突？
• 如何让运营商通过网页点点点就可以定制与配置业务呢？

如果你希望了解，欢迎联系加入，我们不996加班。

4. SUM

需求决定架构，有可能客户/业务也不明白自己要什么，规则引擎从最开始的if-else到正则表达式，再到最后的Drools，经过很多次迭代才完善软件，因此要计算时间投入收益比，没必要强行用drl实现无码化，从网上的中文资料数量可以看出国内精通Drools的人也不是很多。硬编码/正则表达式也是一种方法。

下面是我个人的推荐选型流程

• 复杂的企业级业务(上百人开发团队): 在for循环中调用ScriptEngine执行Groovy/Ruby实现可配置动态化的规则，开发工作量可外包，代码表达业务能力强；缺点就是贵，需要中间件团队来支撑实现。
• 中等复杂度业务(20～100人):建议Drools或者开源的Easy Rules。如果是基于NodeJS团队，可以选择Nools作为工具，这个也实现了rete算法。缺点上面也讲了，表达能力弱，门槛高，需要团队人均水平较强。
• 硬件编码/字符串解析/算法: 这里大部分是数据清洗流程，直接用正则表达式，或者ELK中的Grok/Logstash，最小编辑距离等方法，想要自己复杂实现的可以用LL Parser进行解析
• 领域业务语言(DSL)编解码: 建议直接转换为AST进行分析，这个在半导体/IC设计等工具中非常广泛。