规则引擎Pyke与PyClips对比研究报告

1． 背景综述

 

规则引擎主要实现的功能是存储、分类和管理规则，执行规则、推断其它事实的应用程序。其中的规则主要是指企业或商务业务逻辑、法律条款等。在规则引擎发展的过程中，Rete算法和Prolog语言是两个重要的理论分支，多数规则引擎都是基于以上二者扩展而来的。在工业活动铸造中，发展时间较长、应用广泛的两个体系是Clips体系和Prolog体系。

Clips是美国航空航天局NASA- JOHNSON太空中心为弥补LISP 语言的不足而开发的C语言内核的专家系统。它的推理机是基于正向推理（Rete算法）的控制策略，即在事实的基础上通过设定的规则推演新的事实。因为LISP语言编写规则复杂、引擎不支持反向推理等原因也在一定程度限制了它的发展，但在其他语言开发（javaEE、Python等）的规则引擎仍有很多参考、引用了Clips，包括Drools、Jess、PyClips等。

Prolog语言基于谓词逻辑的理论。最基本的写法是定立物件与物件之间的关系，之后可以用询问目标的方式来查询各种物件之间的关系，进行匹配及回溯，找出所询问的答案。因而Prolog具备作为规则引擎的充分条件，也有若干开源项目（java为主）沿用其思路设计规则引擎，如tuProlog、jena等。下文所提到的Pyke，普遍说法其前身也是Prolog。此外，有文献提到prolog基于Markov算法。Markov算法可以作为规则引擎的基本准则，但是如果系统中存在着大量的规则，那么效率就会变低。

 

针对项目开发的实际需要，依据 “Python语言驱动引擎、规则语言语义全面、时间开销适中”的原则选取规则引擎，具体操作过程中选择了Pyke和PyClips分别进行研究，二者分别对应上文提到的Prolog体系和Clips体系，有一定代表性。经过手册研读和实验测试，目前可得到的结论是：PyClips在规则表达和性能效率方面优于Pyke，更符合应用开发的需要。具体分析见下文。

2．PyClips与Pyke的规则表达方式比较

 

2．1 Pyke的规则描述方式和特性

 

Pyke的优势、特点：

l 支持正向推理和反向推理两种推理方式，可以针对不同问题选用不同方式定义规则；

l 可以在规则中嵌入Python代码段补充描述；

l 专用谓词较多，如first，notany等可以简化表达。

 

Pyke的不便、局限：

l 数据倾倒方式单一，只显式支持将结果推送到控制台输出（只能间接从其内部取得数据List）；

l 不支持批量的事实导入；

l 正反向推理不能在同一个规则库中并存。

 

2．2 PyClips的规则描述方式和特性

 

PyClips的优势、特点：

l 在规则定义环节，支持声明函数。支持OO（面向对象）：包括类的定义，模板（类似C++中的template）的定义。针对未来复杂的规则描述可能适用；

l 规则定义时，支持事件触发；

l 支持动态地撤销事实或规则（不可逆，需谨慎）。

l 互动性良好，方法完全“继承”自0Clips。PyClips相当于对Clips做了Python的“客户端”封装。运行时，在内存中既有PyClips的存在，也有Clips的存在。因而只要Clips支持的功能，都可以由PyClips发送指令操作Clips。

 

PyClips的不便、局限：

l 规则描述使用LISP语言，上手难度较高（例如数值计算式的书写、各关键字的语法格式）；

l 只显式支持正向推理。相关英文文献也指出Clips本身不能使用反向推理，只有部分中文文献给出了通过事件触发来自定义反向推理的方案，但可重现性都很差，没有一个完备的解决方案目前。所以保留意见认为，PyClips不支持反向推理；

l 不支持批量的事实或规则导入；

 

3． PyClips与Pyke的性能比较

 

3月20日-3月22日，Pyke性能测试数据截取，见表1、表2：

	侧重较多事实
规则数	事实数	时间开销(秒)
5	10000	21
10	10000	27
5	20000	65
10	20000	96
	侧重较多规则
规则数	事实数	时间开销(秒)
500	500	23
600	500	28
700	500	32
800	500	37
900	500	42
1000	500	46
1100	500	51
1200	500	55
	均等
规则数	事实数	时间开销(秒)
500	500	23
600	600	34
700	700	46
800	800	59
900	900	73
1000	1000	88

表1

 

规则数	事实数 （运行时加载）	事实 加载时间（秒）	反向推理 时间（秒）
1	20000	16.656	1.18
5	20000	16.828	1.40
10	20000	18.588	1.678
15	20000	17.996	1.92
20	20000	17.987	2.324
25	20000	16.021	2.434
30	20000	15.959	2.699

表2

 

3月27日，PyClips性能测试，见表3：

规则数	事实数 （运行时加载）	事实 加载时间（秒）	正向推理 时间（秒）
1	20000	3.516	5.514
5	20000	3.314	6.024
10	20000	2.892	6.566
15	20000	2.934	7.244
20	20000	3.445	7.472
25	20000	2.832	7.918
30	20000	3.116	9.168

表3

 

将3张表中红色的数据行进行对比可以发现：

l 在事实加载环节上，两种引擎都只能逐条加载， PyClips的加载效率远高于Pyke；

l 客观环境不变，推理方式及引擎算法不同的情况下，推理效率排序应为：

Pyke反向推理时间开销 <  PyClips正向推理时间开销 << Pyke正向推理时间开销

虽然Pyke在推理阶段（2万条事实数据）可以通过推理方式同比节约4-6秒，但它在事实加载阶段比PyClips慢12-14秒。

时间开销应是所有环节消耗时间的总和，故而在实际使用中能明显感觉到PyClips的运行速度优于Pyke。