【文章內(nèi)容簡介】 IF P THEN Q　 （公式）其中 P是產(chǎn)生式的前提，也稱為前件或條件，由事實（fact）的邏輯組合構(gòu)成，它給出了產(chǎn)生式可否使用的先決條件；Q 是一組結(jié)論或操作，也稱為產(chǎn)生式的后件或動作，它指出當前提 P滿足時，應(yīng)該推出的結(jié)論或應(yīng)該執(zhí)行的動作。公式 ：如果前提 P滿足，則可推出結(jié)論 Q或執(zhí)行 Q所規(guī)定的操作?！　∫驗楫a(chǎn)生式表示格式固定，形式簡單，規(guī)則間相互較為獨立，沒有直接關(guān)系，這使規(guī)則庫的建立較為容易。另一方面，基于產(chǎn)生式的規(guī)則系統(tǒng)推理方式單純，沒有復(fù)雜計算，系統(tǒng)的推理路徑容易解釋；規(guī)則庫與推理機是分離的，這種結(jié)構(gòu)給規(guī)則的修改帶來了方便，因為它不涉及程序的修改。所以，產(chǎn)生式或其變形常用作規(guī)則系統(tǒng)的規(guī)則表示方法。如圖 ，Drools 的推理引擎也具有相同的系統(tǒng)結(jié)構(gòu)，它能夠處理形如公式 ，這個處理過程即是推理過程。具體來說就是（以正向推理為例） ，針對事實庫中任意的事實 Fi,模式匹配器試著用它匹配條件 P，如果匹配成功，則將 Fi添加到議程中，并由議程給它所對應(yīng)的動作 Qi分配一個執(zhí)行優(yōu)先級，把 Qi放入待執(zhí)行序列；如果匹配失敗，則不處理 Fi。當事實庫中所有的事實均被處理完畢后，執(zhí)行引擎按優(yōu)先級從高到低的順序依次執(zhí)行議程排定的動作序列?！　』诋a(chǎn)生式的規(guī)則系統(tǒng)一般能執(zhí)行三類推理：正向推理、逆向推理和雙向推理。所謂正向推理是指從已知事實出發(fā)，通過規(guī)則庫求得結(jié)論，可稱為數(shù)據(jù)驅(qū)動方式。所謂反向推理是指從目標（作為假設(shè)）出發(fā)，反向使用規(guī)則，求得已知事實，可稱為目標驅(qū)動方式。雙向推理是指同時使用正向推理和反向推理。Drools目前只支持正向推理。推理引擎是規(guī)則引擎的核心，正如圖 ，推理引擎由模式匹配器、議程和執(zhí)行引擎構(gòu)成，其中模式匹配器所用的匹配算法是影響系統(tǒng)性能的關(guān)鍵部分，因為規(guī)則引擎需要應(yīng)用在具有大量規(guī)則和事實的業(yè)務(wù)系統(tǒng)或者需要頻繁工程碩士學(xué)位論文 第一章 緒論4調(diào)用的場合，所以它的性能顯得特別重要。正因如此，所以目前大多數(shù)的理論研究都集中在如何改進模式匹配的算法上。目前已經(jīng)實現(xiàn)的規(guī)則引擎系統(tǒng)大多使用了 RETE算法和 LEAPS算法，這也是目前最成熟、性能最好的兩種算法。一些商業(yè)性規(guī)則系統(tǒng)宣稱實現(xiàn)了 RETE II或 RETE III之類的算法，這些估計都是RETE算法的改進版，筆者并沒有見到過任何公開發(fā)表的、公認的 RETE III之類算法介紹。另外還有一些不太常見的匹配算法，如 LINEAR算法、TREAT 算法等也可以作為規(guī)則引擎模式匹配算法。在規(guī)則引擎標準化領(lǐng)域，目前只有 JCP制定過 JSR 94規(guī)范。這是一個比較簡單的規(guī)范，目前已經(jīng)有 Drools、Hammurapi Rules、ILOG JRules（注：2022年 1月 ILOG被 IBM收購） 、Jess、JLisa 等規(guī)則系統(tǒng)實現(xiàn)了該規(guī)范。目前業(yè)界比較有影響的規(guī)則引擎產(chǎn)品主要有 ILOG JRules、Jess、Drools等，其中 Drools為著名開放源代碼組織 JBOSS的開源規(guī)則引擎產(chǎn)品。Drools使用 Apache License [8]。這是一種寬松的、對商業(yè)應(yīng)用友好的許可協(xié)議，使用者可以在需要時修改 Drools源代碼來滿足自己的需要，修改后的產(chǎn)品可作為開源或商業(yè)產(chǎn)品自由發(fā)布或銷售。當前，規(guī)則引擎產(chǎn)品在實際業(yè)務(wù)中已經(jīng)有了一些成功的應(yīng)用案例，特別是在金融、保險和電信業(yè)，例如光大銀行和太平人壽保險就使用了 ILOG公司的 JRules規(guī)則系統(tǒng) [9]。規(guī)則引擎主要應(yīng)用在那些存在大量業(yè)務(wù)規(guī)則、業(yè)務(wù)規(guī)則經(jīng)常發(fā)生變化、或者需要集中管理業(yè)務(wù)規(guī)則的地方,它也可以作為一個內(nèi)嵌的引擎用于需要動態(tài)進行決策的軟件系統(tǒng)中。例如，用于可配置的系統(tǒng)框架、用于需要動態(tài)配置的工作流系統(tǒng)、用于需要經(jīng)常調(diào)整決策的業(yè)務(wù)系統(tǒng)等等?！? 規(guī)則引擎具有強大的動態(tài)管理業(yè)務(wù)邏輯的能力，能夠很好地應(yīng)用于前面所述的各種場合。但規(guī)則引擎也有它自身的缺點，在決定一個軟件系統(tǒng)中是否使用規(guī)則引擎時我們應(yīng)該衡量各方面的利弊再做決定。一方面，規(guī)則引擎是一個復(fù)雜的軟件系統(tǒng)，在熟練地使用它之前需要一定的學(xué)習成本；一旦使用了規(guī)則引擎就必須按它特有的方式來配置和管理規(guī)則。另一方面，在某些場合不使用規(guī)則引擎就可以輕易實現(xiàn)需求；或者某些場合規(guī)則引擎可能難以滿足實際需求。即使在規(guī)則引擎能夠勝任的場合，也可能存在其它可替代規(guī)則引擎的技術(shù)。下面就是兩種傳統(tǒng)上最常見的用來替代規(guī)則引擎的技術(shù)：1）借助元數(shù)據(jù)或數(shù)據(jù)庫來描述規(guī)則的系統(tǒng)。如果規(guī)則能夠清晰方便地使用配置系統(tǒng)或數(shù)據(jù)庫來描述，那么通過精心的設(shè)計，完全可以通過配置系統(tǒng)或數(shù)據(jù)庫的修改來影響系統(tǒng)的行為，達到與使用規(guī)則引擎相同的效果。這類系統(tǒng)的缺點是：它只能在一個相對固定的范圍內(nèi)很好地工作，超出這個范圍，它很可能就會失控或者無能為力。工程碩士學(xué)位論文 第一章 緒論52）使用腳本技術(shù)。腳本語言的動態(tài)性是眾所周知的，從某個角度來說，腳本引擎的動態(tài)能力甚至遠超規(guī)則引擎，所以在很多場合，我們完全可以通過預(yù)留接口調(diào)用腳本引擎來實現(xiàn)需求。腳本技術(shù)的缺點是性能低下、規(guī)則分散，并且非專業(yè)技術(shù)人員很難維護。 論文研究內(nèi)容及組織結(jié)構(gòu) 論文的研究內(nèi)容傳統(tǒng)的 ERP系統(tǒng)在應(yīng)對復(fù)雜的業(yè)務(wù)邏輯、業(yè)務(wù)邏輯經(jīng)常變化以及降低系統(tǒng)維護成本等問題時，幾乎無一例外地依靠如數(shù)據(jù)庫系統(tǒng)、文件配置系統(tǒng)和腳本技術(shù)。但隨著規(guī)則引擎技術(shù)的日益成熟，其巨大的優(yōu)勢便逐漸顯露出來。本文重點研究如何在 ERP系統(tǒng)中應(yīng)用規(guī)則引擎技術(shù)，以應(yīng)對復(fù)雜業(yè)務(wù)邏輯，提高系統(tǒng)的動態(tài)可修改性，并降低系統(tǒng)維護的成本。具體研究內(nèi)容如下：規(guī)則引擎的工作原理Drools 規(guī)則引擎的開發(fā)技術(shù)基于規(guī)則引擎的需求分析、系統(tǒng)設(shè)計思想Drools 規(guī)則引擎在 ERP系統(tǒng)中的應(yīng)用場景Drools 規(guī)則引擎的性能問題如何低成本地維護經(jīng)常變化的業(yè)務(wù)規(guī)則庫 論文的組織結(jié)構(gòu)本文共分 6章來討論 Drools規(guī)則引擎在 ERP系統(tǒng)中的應(yīng)用。第一章為緒論；第 2至 5章為本文研究內(nèi)容；第 6章為總結(jié)與展望。各章的主要內(nèi)容如下：第二章　介紹什么是規(guī)則引擎、規(guī)則引擎的發(fā)展現(xiàn)狀及常見應(yīng)用場景；本文的研究內(nèi)容及文章的組織結(jié)構(gòu)。第三章　介紹開源規(guī)則引擎系統(tǒng) Drools的工作原理及目前大多數(shù)規(guī)則引擎所使用的模式匹配算法――RETE 算法及 LEAPS算法。討論 Drools規(guī)則引擎系統(tǒng)的開發(fā)環(huán)境、規(guī)則的表征以及如何使用 Drools進行開發(fā)、測試及部署。討論如何在 ERP基礎(chǔ)框架中使用 Drools規(guī)則引擎、討論了數(shù)據(jù)校驗、數(shù)據(jù)聯(lián)動、信息交換、工作流等各種常見場景下規(guī)則引擎的應(yīng)用方法、可能產(chǎn)生的問題及解決辦法。第四章　討論如何在實際的 ERP業(yè)務(wù)中使用 Drools規(guī)則引擎、討論在典型的財務(wù)和業(yè)務(wù)應(yīng)用場景中使用 Drools、使用過程中可能產(chǎn)生的問題及解決辦法。工程碩士學(xué)位論文 第一章 緒論6第五章　總結(jié)全文、指出本文的獨到之處、展望未來的研究方向。工程碩士學(xué)位論文 第二章 相關(guān)理論基礎(chǔ)7第二章 相關(guān)理論基礎(chǔ)本章介紹 Drools 規(guī)則引擎的工作原理。絕大多數(shù)開源或商業(yè)規(guī)則引擎的工作原理與 Drools 規(guī)則引擎的工作原理大同小異，所以這里介紹的規(guī)則引擎工作原理也同樣適用于其它規(guī)則引擎。 Drools 規(guī)則引擎的基本概念　Drools 早先是一個由 Bob McWhirter開發(fā)的開源項目 [10]，后來被著名的開源組織 JBOSS接管，并逐漸成為當今最具影響力的開源規(guī)則引擎。在筆者寫作本文時 Drools的最新版本是 ，但從 Drools 的開源規(guī)則引擎，目前界業(yè)還有不少遺留系統(tǒng)使用的是 Drools 。Drools ，它在規(guī)則描述、系統(tǒng)概念、開發(fā)接口、多線程規(guī)則匹配、規(guī)則流等方面進行了較大的改進甚至重新設(shè)計 [11]。本文以 Drools ，文中所提到的概念、所討論的開發(fā)、測試、部署方法等均以 Drools 。 Drools 規(guī)則系統(tǒng)　　完整的 Drools規(guī)則系統(tǒng)被分成了四大組成部分，它們是：Drools Guvnor (BRMS/BPMS)、Drools Expert (rule engine)、Drools Flow (process/workflow)和 Drools Fusion (event processing/temporal reasoning)。其中 Drools Guvnor是一個規(guī)則管理系統(tǒng)（Business Rule Management System簡稱 BRMS） ，它的主要部分是一個基于 WEB的可以用來管理規(guī)則庫的應(yīng)用程序。Drools Expert就是狹義上的“規(guī)則引擎” ，它是一個獨立的、可以嵌入到應(yīng)用系統(tǒng)中使用的規(guī)則引擎。Drools Flow 是一個工作流系統(tǒng)。Drools Fusion用于在規(guī)則系統(tǒng)中支持復(fù)雜事件處理（Complex Event Processing簡稱 CEP）以及時序推理 [12]。此外，Drools 還附帶有相應(yīng)的系統(tǒng)開發(fā)集成環(huán)境，包括一整套的開發(fā)、測試、部署工具。本文主要關(guān)注 Drools Expert系統(tǒng)的開發(fā)以及它在 ERP系統(tǒng)中的應(yīng)用。一個使用了規(guī)則管理技術(shù)的信息系統(tǒng)的體系結(jié)構(gòu)如圖 ：圖 　　在上述的圖中，規(guī)則引擎被嵌入到商業(yè)應(yīng)用系統(tǒng)中，IT 技術(shù)人員通過系統(tǒng)集成環(huán)境（IDE）來創(chuàng)建和管理業(yè)務(wù)規(guī)則；而業(yè)務(wù)人員通過專有的規(guī)則管理程序工程碩士學(xué)位論文 第二章 相關(guān)理論基礎(chǔ)8來管理業(yè)務(wù)規(guī)則，不需要技術(shù)人員的干預(yù)；企業(yè)的業(yè)務(wù)規(guī)則庫被獨立出來集中管理。 Drools 規(guī)則系統(tǒng)上一節(jié)我們提到，規(guī)則引擎起源于基于規(guī)則的專家系統(tǒng)（RBES） ，并且介紹過 RBES的系統(tǒng)結(jié)構(gòu)圖，Drools 規(guī)則引擎的系統(tǒng)構(gòu)架與 RBES的系統(tǒng)架構(gòu)有很大的相似性。下面是一幅來自 JBoss官方文檔記載的 Drools系統(tǒng)結(jié)構(gòu)圖 [13]：圖 Drools系統(tǒng)結(jié)構(gòu)圖　　如圖 ，Drools 把規(guī)則（rule）保存在規(guī)則庫（Production Memory）中，推理機要匹配的事實（fact）保存在工作內(nèi)存（Working Memory）中。開始工作時，Drools 首先把所有規(guī)則讀入 Production Memory，再把事實插入到 Working Memory，然后系統(tǒng)開始進行匹配工作，一個有大量規(guī)則和事實的系統(tǒng)可能會有很多條規(guī)則被成功匹配，此時這些規(guī)則被稱為具有沖突性。議程（Agenda）使用沖突解決策略來管理這些有沖突的規(guī)則的執(zhí)行順序。以正向推理為例，下圖描述了整個推理的過程：圖 Drools的正向推理過程2. 2 RETE 算法如圖 ，Drools 的推理引擎使用的模式匹配算法 [14]是 ReteOO和Leaps，所謂 ReteOO算法其實是對 Rete算法的一種改進，Drools 為面向?qū)ο笙到y(tǒng)（Object Oriented System）增強并優(yōu)化了 Rete算法 [15]。模式匹配算法是影響規(guī)則引擎性能的關(guān)鍵部分，本節(jié)討論 Drools所實現(xiàn)的 Rete算法，下節(jié)將介紹 Leaps算法。 RETE 算法1) RETE算法介紹　　Rete（拉丁語“網(wǎng)絡(luò)”的意思）算法最早在 1979年由美國卡耐基梅隆大學(xué)的 Charles L. Fy 在他的博士論文中發(fā)表 [16]，1982 年曾公開發(fā)表過 Rete算法的一個簡化版。它至今仍被認為是效率最高的正向推理算法之一。其核心思想是根據(jù)內(nèi)容動態(tài)構(gòu)造匹配樹，在匹配的過程中大量使用記憶和共享，以避免不必要的重復(fù)計算，達到顯著降低計算量的目的。工程碩士學(xué)位論文 第二章 相關(guān)理論基礎(chǔ)9　　Rete 算法可以分為規(guī)則編譯和運行時執(zhí)行兩部分。規(guī)則的編譯描述了如何在規(guī)則工作空間中產(chǎn)生一個有效的辨別網(wǎng)絡(luò)，方法是在匹配網(wǎng)絡(luò)的傳遞過程中過濾數(shù)據(jù)。在匹配網(wǎng)絡(luò)中，數(shù)據(jù)從根節(jié)點進入網(wǎng)絡(luò)，此時根節(jié)點會有很多匹配的數(shù)據(jù)。當順著網(wǎng)絡(luò)往下走，通過層層過濾，離根節(jié)點越遠的節(jié)點，其匹配的數(shù)據(jù)也就越少，網(wǎng)絡(luò)的最底部是終止節(jié)點。在 Fy博士 1982年的論文 [17]中描述了 4種最基本的節(jié)點：根節(jié)點、1input節(jié)點、2input 節(jié)點和終止節(jié)點。另外，在匹配過程中還會出現(xiàn)其它的節(jié)點，如對象類型節(jié)點、求值節(jié)點和左輸入適配器節(jié)點等，如圖 。圖 Rete算法的節(jié)點類型ReteNode 根節(jié)點，所有對象由此節(jié)點進入匹配網(wǎng)絡(luò)。ObjectTypeNode 對象類型節(jié)點，通常是最初級的過濾節(jié)點，只有類型與規(guī)則相匹配的對象才能通過此節(jié)點的過濾。如圖 ,經(jīng)過 ObjectTypeNode節(jié)點的過濾后，符合規(guī)則的對象將被傳遞到后續(xù)節(jié)點。后續(xù)節(jié)點可能是AlphaNode、LeftInputAdapterNode 或 BetaNode等（這些類型的節(jié)點的介紹見后文） 。圖 對象類型節(jié)點1input節(jié)點，即 AlphaNode，AlphaNode 用來對字符串進行求值。在Fy博士的論文中只提到了等式操作，但許多 Rete算法的實現(xiàn)還支持其它操