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）
