Drools 规则引擎的使用总结



    前一段时间在开发了一个做文本分析的项目。在项目技术选型的过程中，尝试使用了Drools规则引擎。让它来作为项目中有关模式分析和关键词匹配的任务。但后来，因为某种原因，还是撇开了Drools。现将这个过程中使用Drools的一些经验和心得记录下来。
（一）什么时候应该使用规则引擎
    这实际是一个技术选型的问题。但这个问题又似乎是一个很关键的问题（一旦返工的话，你就知道这个问题是多么重要了）。不知大家有没有过这样的经验和体会。往往在项目开始的时候，总会遇到应该选用什么技术？是不是应该使用最新的技术？或者应该选用什么技术呢（PS：现在计算机软件中的各种技术层出不穷，具有类似功能的技术很多）？
    不管怎么样，这些问题总会困扰着我。比如，这次的这个项目。项目要求是要在一些log文件中（这些log文件都是很大的应用系统所产生的，但由于legacy的原因，log本身的维护和规范工作一直没有得到改善，所以想借助于一些外部应用对这些log做以分析和清洗）抽取出有用的信息。
    于是，第一个想到的就是，这是一个文本挖掘类的项目。但又想，要抽取有用信息，必须得建立一些规则或pattern（模式）。所以，我第一个想到了规则引擎。因为这里面要建立好多规则，而这些规则可以独立于代码级别（放到一个单独的drl文件里）并可以用规则引擎去解析和执行。另一个重要的原因是，我原来用过，比较熟悉。这样，也可以节省开发时间吧。于是，好不犹豫的就开始做了Demo....
    但事实上，在经历了一个多星期的编码、测试后，我发现运用规则引擎实在是太笨拙了。
    （1）首先必须建立一些数据模型。通过这些模型来refer规则文件中的LHS和Action。
    （2）还要考虑规则的conflict。如果有一些规则同时被触发，就要考虑设定规则的优先级或者是设定activiation-group来保证在一个group中的规则只有一个规则可以被触发。
    （3）对于‘流’规则group ruleflow-group的使用。如果要控制在workingmemory中的规则被触发的顺序，则可以将这些规则分组。然后，通过规则建模的方式来实现。但这也添加了一定的effort。修改或者更新不大方便。
    所以，基于上述体会，我更认为规则引擎更适用于那些对非流程性规则匹配的应用。当然，Drools也支持对流程性规则的建模过程。但，这也许不是最好的方式。
（二）Drools规则引擎的使用杂记
    （1）Fact 的变更监听。在Drools里，如果一个Fact通过规则而改变，则需将这种改变通知给规则引擎。这里，一般有两种方式：显式和隐式。
         显式---在drl文件中通过 update、modify来通知；在程序中，通过Fact的引用调用modifyObject等方法来实现。
         隐式---通过在java bean实现property Listener Interface来让引擎自动监听到属性值的变化。我更习惯于这种方式。因为，一般看来凡是在规则引擎中添加到fact都是希望引擎来帮你进行管理的。所以，那它自己看到fact的变化是种很省事的办法。也很简单，就是用java bean property 监听的方式。
         通过StatefulSession来注册。
         调用StatefulSession的某个instance 的insert（Object，true）实现。而这个object是一个java bean。其中，要实现
      
         private final PropertyChangeSupport changes  = new PropertyChangeSupport( this );
    public void addPropertyChangeListener(final PropertyChangeListener l) {
        this.changes.addPropertyChangeListener( l );
    }

    public void removePropertyChangeListener(final PropertyChangeListener l) {
        this.changes.removePropertyChangeListener( l );
    }
  
        然后在set方法中调用
    this.changes.firePropertyChange( "temp",null,this.temp );
     （2）规则触发的优先级、组设置
    往往，在设计我们自己的规则时，要考虑规则的触发条件。这不仅限于LHS的条件部分，还有规则本身被触发的有些设置等等。这里，列出一些比较常用和有效的规则优先级设置方式，以及需要注意的地方。
         A.通过Salience方式。此值可正可负。越大优先级越高，也会被引擎首先执行。
         B.通过ruleflow-group 方式。实际上，使用这种方式也就是在使用建立规则流的方式。在Eclipse 3.3 中，Drools提供了建立规则流的插件。要在drl的同级目录中建立rf和rfm两个文件（当然，插件会帮助你建立这些）。
        
选择RuleFlow File。
      这里，需要注意的一点是要在启动规则引擎的时候，加入启动rule flow的代码。

     InputStreamReader source = new InputStreamReader(RuleManager.class
                    .getResourceAsStream(rule_path));
           PackageBuilder builder = new PackageBuilder();
            builder.addPackageFromDrl(source);
            builder.addRuleFlow(new InputStreamReader(RuleManager.class
                    .getResourceAsStream(rule_flow_path)));
           Package pkg = builder.getPackage();
            RuleBase ruleBase = RuleBaseFactory.newRuleBase();
            ruleBase.addPackage(pkg);
      然后，在每次启动规则引擎的时候，调用如下方法：

            StatefulSession ss;
            ss.startProcess(flowProgress)；
            ss.fireAllRules();

            flowProgress 是一个string类型。这个flow的名字。

这个rule flow图中，显示了一个简单的规则流。如RSA就是一个rule-flow的名字。在这个rule set中可以设定一组rules。这样，就可以分开规则执行的顺序。在于rf和rfm同名的另一个 drl文件中定义这些组的名字。通过关键字 ruleflow-group 来表明。
    C.通过activation-group的方式。通过这种方式，可以exclude一组rule中一旦有一个rule被invoke，而其它rule不会被execute。同时，可以搭配使用salience关键字来标明每个rule的优先级，这样就能够使得你想要的一般性概念的rule先被匹配执行。
    D.在使用ruleflow-group 的时候要注意使用lock-on-active true 关键字在每个rule。这样可以避免一旦有rule被触发，不会造成循环匹配执行。
    E.如果在LHS部分，需要调用某个方法来返回真、假值作为判断的一个条件，那么可以用eval函数。
    如，eval(pattern.matched(5,$line.getCurrLine()))
    其中，pattern是某个加入到workingmemory中的一个实例。matched是这个实例所代表类的一个方法。它返回boolean类型。
   
  (3)Drools规则引擎的使用感受
    总之，Drools还是一个很不错的开源规则引擎。现在v4.0以上的版本已经比以前的版本在速度上有了很大的提升。可以作为我们一般应用程序系统的中间件产品（那些规则不是很经常改变的系统，已经非流程类规则）。但是，这其中还是需要一些额外的effort来学习它的使用文档以及整体架构，有一定的学习曲线。
  
    最后，我想一个较好的对于技术使用的practice就是：首先知道它能为你做什么，它最好的应用领域，然后再去深入。
   
    （PS:如果谁有使用Drools的问题，可以联系我！一起讨论！）
 

题外话：

Drools是规则引擎，主要是用于实现基于规则的专家系统的。而专家系统是什么，要解决什么样的问题，可能大家不是很清楚。所以在解决问题是，要首先有个全面的了解才行。如果只是流程型的东西，可以考虑工作流引擎实现。
另外，对话引擎是很复杂的，涉及很多技术，NPL、推理机、知识库，甚至包含整个人工智能领域的技术。而其中每个技术又有不同的理论和方法，选择哪个，又如何组合这些技术也是很复杂的。

基于条件匹配方式的规则引擎必定存在一个抽象分析的过程，而且你很难控制流程式的逻辑的执行。
我们做的VisualRules也称做一个规则引擎产品，但是我们不是按照条件匹配的方式来做的。我们是顺序执行的。因此可以通过分支来实现决定规则执行的轨迹，甚至可以做循环类的规则。另外可以直接在规则中操作数据库，以便于提取一些参数以及存取操作。
其实最开始我们研发这个产品时，也碰到匹配算法将规则配置变得非常难，研究挺长时间的程序员要设计规则都觉得分析的难度挺大。不要说将来的维护人员或者业务人员。
因此我们的目标是使逻辑配置变得简单，有机会欢迎探讨。