在上篇博客中,介绍了策略型业务逻辑处理中几种选择,其中有一种选择就是利用规则引擎来进行逻辑处理。其实藏在规则引擎的底层中还是有很多算法的,其中有一种算法是rete算法,最近正好也关注算法,就简单的学习了一下,因为对这个算法理解的非常清楚,所以如果有有对这个算法熟悉的朋友,可以给予指正。
RETE算法是一个用于产生式系统的高效模式匹配算法。在一个产生式系统中,被处理的数据叫做working memory,用于判定的规则分为两个部分LHS(left-hand-side)和RHS(right hand side),分别表示前提和结论。主要流程可以分为以下步骤:
- Match:找出符合LHS部分的working memory集合
- Confilict resolution:选出一个条件被满足的规则
- Act:执行RHS的内容
- 返回1
RETE算法主要改进Match的处理过程,通过构建一个网络进行匹配。
算法详细描述
RETE网络主要分为两个部分,alpha网络和beta网络。如下图所示(图片引用其他网站)。
(1)alpha网络:过滤working memory,找出符合规则中每一个模式的集合,生成alpha memory(满足该模式的集合)。有两种类型的节点,过滤type的节点和其他条件过滤的节点。
(2)Beta网络:有两种类型的节点Beta Memory和Join Node。前者主要存储Join完成后的集合。后者包含两个输入口,分别输入需要匹配的两个集合,由Join节点做合并工作传输给下一个节点。
匹配过程描述
- 导入需要处理的事实到facts集合中。
- 如果facts不为空,选择一个fact进行处理。否则停止匹配过程。
- 选择alpha网的第一个节点运行(建立网络的时候设定的),通过该节点则进入alpha网的下一个节点,直到进入alpha memory。否则跳转到下一条判断路径
- 将alpha memory的结果加入到beta memory中,如果不为Terminal节点,则检测另一个输入集合中是否存在满足条件的事实,满足则执行join,进入到下一个beta memory重复执行3。若另一个输入集合无满足条件的事实,返回到2。如果该节点为Terminal节点,执行ACT并添加到facts中。
用一个例子描述过程
(1)现在WME中有以下这些事实。
w1:(B1 ^on B2)
w2:(B1 ^on B3)
w3:(B1 ^color red)
w4:(B2 ^on table)
w5:(B2 ^left-of B3)
w6:(B2 ^color blue)
w7:(B3 ^left-of B4)
w8:(B3 ^on table)
w9:(B3 ^color red)
(2)下面描述规则
下面是三条匹配条件
C1: (<x> ^on <y>)
C2:(<y> ^left-of <z>)
C3:(<z> ^color red)
下面是规则要满足的所有条件,即所有LHS
p1 has conditions C1^C2^C3
p2 has conditions C1^C2^C4^C5
p3 has conditions C1^C2^C4^C3
(3)推理描述
根据Ci,图中的蓝色alpha结点应该有三种,分别判定on,left-of和color。则黄色的alpha memory中包含三个集合,分别是
满足C1:{w1 w2 w4 w8}
满足C2:{w5 w7}
满足C3:{w2 w6 w9}
以p1为例,首先以C1,C2为输入,在绿色Dummy Input节点中进行操作,并传入到梅红色beta momory中,此时这个节点存储的是(w1^w5,w2^w7)。然后以这个集合和C3为输入,操作得出w1^w5^w9,此时发现没有更多的模式需要匹配,到达Terminal节点,匹配结束。这样就得到满足规则的集合组合了。
通过这些理论和一个实例应该对rete算法清除了些,下面博客介绍drools规则引擎工具,它是一个实现Rete算法的很好的规则引擎框架。
有疑问加站长微信联系(非本文作者)