这是我参与「第五届青训营 」伴学笔记创作活动的第6天。
规则引擎的组成及应用
规则引擎是一种嵌入到应用程序中的组件，实现了将业务决策从应用程序的代码中分离出来，并使用预定义的语义模块编写业务决策。接受数据输入，解释业务规则，并根据业务规则做出业务决策。
没有规则引擎前：
由业务人员提出修改规则决策，开发人员进行代码开发，从而实现业务逻辑。
有规则引擎后：
由开发人员开发规则引擎，业务人员提出修改规则决策，修改的规则决策直接置于规则引擎中，即可实现业务逻辑。
优点：解决了开发人员重复编码的问题，业务决策与服务本身解耦，提高了服务的可维护性，缩短了开发路径，提高开发效率。
规则引擎的组成部分
数据输入：支持接受使用预定义的语义编写的规则作为策略集；接受业务的数据作为执行过程中的参数，比如价格、标签等。
规则理解：能够按照预先定义的词法、语法、优先级、运算符等正确理解业务规则所表达的语义。
规则执行：根据执行时输入的参数对策略集中的规则进行正确的解释和执行。同时对规则执行过程中的数据类型进行检查，确保执行结果的正确。
规则引擎的应用场景
- 风控对抗：策略研发和产品需要能够根据灰产特征进行快速识别和对抗。规则引擎作为风控系统的核心，使产研人员能够不断调整和优化对抗策略，以实现最好的风控识别效果。
- 活动策略运行，业务活动的运营需要根据用户效果反馈进行运营策略的优化和调整。引入规则引擎后，可以将服务代码与业务运营逻辑解耦。
- 数据分析和清晰：在数据分析系统中使用规则引擎可以便捷的实现对数据进行整理、清洗和转换。数据分析师可以根据不同的需求来自定义数据处理的规则，方便快捷的产出所需要的数据。
理解规则引擎的核心原理
编译原理基本概念
理解->执行->输入输出
词法分析：把源代码字符串转化为词法单元（Token）的过程。
利用有限自动机来识别Token
有限自动机就是一个状态机，其状态数量是有限的。该状态机在任何一个状态，基于输入的字符，都能做一个确定的状态转换。
语法分析：在词法分析的基础上识别出表达式的语法结构。
抽象语法树：表达式抽象语法结构的树状标识，对于一个表达式，抽象语法树一定是唯一表示的。
表达式的语法结构可以用树来表示，其每个节点是一个语法单元，这个单元的构成规则就是“语法”。每个节点还可以有下级节点。
上下文无关文法：Context-Free Grammar
语言句子无需考虑上下文就可以判断正确性，可以使用BNF来表达
递归下降算法：
递归下降算法就是自顶向下构造语法树，不断对Token进行语法展开，展开过程中可能会遇到递归的情况。
类型检查： 验证执行的结果是否为合适的数据类型。在抽象语法树中，通常会验证某个节点的子节点数据类型是否合法。
类型综合： 根据子表达式的类型构造出父表达式的类型。例如：表达式A+B的类型是根据A和B的类型定义的。
编译时检查&运行时检查： 类型检查可以发生在表达式的编译阶段，即在构造语法树的阶段；也可以发生在执行时的阶段。
参数注入：在规则执行过程中，使用输入的参数值来计算语法树中的标识符节点值的过程。
总结
在本节课中我主要学习了规则引擎的相关基础知识，主要包括规则引擎的组成与应用、规则引擎的应用场景、规则引擎的核心原理，后续我将根据之后的实践内容尝试自行设计一个简单的规则引擎。
