Drools基于数据的策略服务器规则引擎

Question

这是我的用例。我们正在尝试使用Drools实现策略服务器。可能有几十万（~200K）条规则，都是基于数据驱动的。一些示例规则：

POLICY #1:  Gender = Male &&
            AGE BETWEEN 30 AND 40 &&
            BORN_STATE IN (NC,CA,PA)
===> [Outcome = Allow] 
POLICY #2:  (Gender = Male OR Gender = Female) &&
            AGE = 40 &&
            COUNTRY IN (USA,UK,BRA, IND)
===> [Outcome = Allow]
POLICY #3:  Gender = Female &&
            (AGE BETWEEN 10 AND 20 || BORN_YEAR > 1990) &&
            BORN_STATE IN (NC,CA,PA) &&
            BORN_STATE_SUPPORTIVE = TRUE
===> [Outcome = NotAllow]

注意：我在这里只使用了4个参数，但在任何给定的规则中最多可以有20个参数

策略#1和策略#2看起来简单明了。然而，策略#3很棘手。策略#3的最后一个条件（BORN\u STATE\u supporting=TRUE）表示策略上的状态是“包含的”，这意味着，如果规则匹配，结果将是“不允许的”，但是，如果所有参数匹配但不匹配，则结果应该是“允许的”。对于我们的用户来说，这只是一种方式，不能列出这种情况下的所有47个州。

其他用例很少：

• 在用户维护规则时查找并防止重复规则
• 正如我提到的，可能有成千上万个这样的规则，所以如果有冲突（多个冲突的规则匹配），我们应该考虑高优先级规则的结果。

我们的用户既不喜欢Drools Guvnor，也不相信它适合我们的需求。因此，我们的任务是构建一个自定义UI来管理规则。我计划提出一个DSL，供我们的用户以编程方式使用和生成DRL文件。我不确定Drools DSL功能是否适用于此。

我熟悉Drools和DRL文件。但是，我不确定Drools中的一些复杂性是否可以解决（例如：查找重复规则和策略#3），以及Drools是否能够处理负载。任何参考或方向将不胜感激。

BORN\u STATE\u Supporting更新：

Polic#3预期行为：

Input #1:   Female, Age=15, State=NC
===> [Expected Outcome = NotAllow]
Input #2:   Female, Age=25, State=NC 
===> [Expected Outcome = <age not in range, rule didn't match>] (Neither NotAllowed Nor Allowed) 
Input #3:   Female, Age=15, State=NY 
===> [Expected Outcome = Allow] (Opposite of NotAllow)

简而言之，如果除BORN\u STATE之外的所有其他条件都匹配，则结果必须与规则相反。而且，如果任何其他条件不匹配，则必须无视该规则。

Answer 1

您正在创建一个没有并发症的地方：BORN_STATE_SUPPORTIVE可以通过提供运算符Not IN来消除。

至于测试：您有一个具有离散坐标的20维空间，这意味着点数至少为2^20。在运行时发现多个或没有匹配项不成问题，因此为这种情况提供一个被研究人员接受的解决方案可能是可行的。如果您需要确保这种情况永远不会发生，您必须验证您的规格。

我建议不要使用优先级。

不要创建O（100000）规则。一个类似的案例并没有少起作用。

至于验证：您的逻辑基于20维空间S中的点集。您有两个集，A∪ F=S和A∩ F=Φ 。每个规则定义一个子集Ai⊂ A、 你需要检查一下∪Ai=A和Ai∩ Aj=Φ≠ j、 这不是一个大问题，可以在一两天内实现（除非你在17个维度中有一些非常奇怪的东西，你没有展示）。

更新：15岁女孩有一组州：{AL:NY，ND:WY}。所以您将有一个参数集（{15}，{AL:NY，ND:WY}，…），可能还有其他的，比如（{16:20}，{AL:WY}，…），（{21:99}，{AL:WY}，…）。

如果专家们说，除了来自北卡罗来纳州的15岁女性外，所有州（15-99岁）的女性都符合条件，那么你就必须计算出设定的差值

({15:99},{AL:WY}) - ({15},{NC})

作为相互不相交集的并集（其中有一个最优解，除此之外还有许多最优解）。--我对保险单只有一个门外汉的理解，但我很确定处理这些集合代数运算的好策略是不言而喻的。毕竟，“不允许”并不是一些随机操作的结果。