规则引擎的设计

认识规则引擎

规则引擎的定义

嵌入在应用程序的组件，对业务决策能够从应用中抽取出来，使用自定义的语义进行业务的决策。通过输入数据，解释业务规则，根据业务规则进行决策

通常情况下我们的业务实现逻辑是这样的

但是当规则较为复杂，且影响因素过多、频繁修改时这种方式就不太可取了

所以就出现了下面这种情况

采取这种方式的好处

1. 业务人员可以直接修改决策
2. 可以减少开发人员的工作量
3. 开发人员只需要维护规则引擎即可，解决重复编码的问题
4. 对业务与服务进行解耦，提高服务的可维护性
5. 缩短开发路径，提高效率

规则引擎的组成和应用场景

组成

1. 数据输入(接受预定义的语义编写的规则作为策略，接受业务数据作为执行过程的参数)
2. 规则理解(按照预定的词法、语法、优先级、运算符等正确理解业务规则的表达式的语义)
3. 规则执行(根据输入参数的对策略集中的规则进行解释与执行，包括类型的检查和结果的正确性)

Note: 按照预定的一些规则书写表达式

应用场景

• 风控对抗

  策略研发和产品能够对黑灰产的特征进行识别与对抗，规则引擎作为风控系统的核心，能够调整和优化对抗策略，以达到最好的识别效果(防止薅羊毛)

• 活动策略运营

  活动运行根据用户的反馈或者效果进行策略的修改，在规则引擎的引入可以提高运营策略的迭代效率，方便新玩法的探索和效果验证

• 数据分析和清洗

  在数据分析系统中使用规则引擎可以快捷地对数据进行整理、清洗和转换(我们可以更具数据分析师的需求的规则进行数据的处理,提高数据的产出率)

规则引擎的核心原理(编译原理相关的概念)

理解

• 词法分析(把源代码进行转化为词法单元token的过程)

  有限自动机(DFM): 它是一个状态机，并且是有限的，没输入一个字符所到达的状态都是唯一确定的

• 语法分析(从token中识别表达式的语法结构)

  • 自顶向下分析: 面向目标分析法 就是用文法硬凑与输入符号匹配的句子
  • 递归下降预测分析: 需要进行回溯

执行

• 构建 AST Tree(唯一，不能存在二义性，不然结果可能步唯一)

  使用树来对语法单元进行表示，每一个节点或者子树都是一个语法单元，单元的构成规则就是语法(每个节点还可以有下级节点)

上下文无关语法(二型文法)

产生式左边只有一个非终结符，语言句子无需考虑上下文，就可以判断正确性

视频里使用 ：我个人喜欢使用 ->

exp -> add
add -> add '+' mul | mul // 加法表达式
mul -> mul '*' pri | pri // 乘法表达式
pri -> string | bool | number | identifer // 基础表达式

输入输出

• 类型检查

  验证结果是否为正确的类型，我们可以在 抽象语法树中的某一个父亲节点进行类型的检查，验证是否合法，否则进行返回

• 参数注入

  对子树进行求值并进行替换，知道求出最终的结果