2017搜索引擎优化规则(博主是一家开源规则引擎drools的应用案例分析及解决办法)

　　2017搜索引擎优化规则(博主是一家开源规则引擎drools的应用案例分析及解决办法)

　　一、背景

　　博主是国内某大型保险公司的勤奋开发者。在日常工作中，他们需要接触大量的客户风控相关规则，面临很多差异化的逻辑，比如制度差异、销售人员差异、个体客户差异，甚至不同的销售平台也大相径庭，而且其中的逻辑复杂性只会比我们想象的更复杂和不舒服。这些业务规则经常被更改和更改。为了适应这样的需求，我们的 IT 业务系统应该能够以低成本快速更新。为了满足这样的需求，一般的做法是将业务规则的配置分开，以保持它们与业务系统的低耦合。目前，

　　二、计划响应

　　规则引擎是一个推理引擎，它根据已有的事实从规则知识库中匹配规则，对冲突的规则进行处理，并执行最终过滤后的规则。因此，规则引擎是人工智能（AI）研究领域的一部分，具有一定的选择判断、人工智能和丰富的知识。目前比较流行的规则引擎是商业规则引擎iLog和开源规则引擎drools。本文将详细介绍开源规则引擎drools，并分析一个保险行业的实际应用案例，让大家对开源规则流引擎有更深入的了解。

　　针对这些情况，我们提供成熟的业务规则处理解决方案，具体如下：

　　1.将业务逻辑与业务规则分离，集中管理业务规则。简化系统架构，方便后期维护。

　　2.编写规则文件实现业务规则，通过一个架子包存储所有规则文件。规则文件的逻辑结构清晰易懂。编写规则文件就像编写 SQL 脚本一样，语法简单易学。每条规则的逻辑独立，耦合度降低，可以快速准确定位问题。规则包可按版本控制，修改记录一目了然。在编辑环境中对规则进行单元测试很方便。

　　3.调用规则执行子系统得到业务规则推理结论。快速匹配算法用于规则推理，其匹配速度与规则数量无关，非常适合业务规则数量较多的场景。支持规则不间断更新，快速响应生产事件。方便规则包的整体测试。

　　4.规则通过规则管理子系统进行管理。方便查看规则包中的规则文件。修改业务规则执行中使用的动态参数，提供权限控制，保证数据安全。快速查询每个规则执行条目的执行结果，方便排查。

　　三、代码

　　举一个非常简单的例子，检查客户的索赔信息。客户的理赔ID已经在业务系统中提前获取。当需要验证时，需要通过调用drools相关的规则系统以及所有其他信息来验证规则：

　　package com.xxx.lcloud.rules.bean.vo;

import com.xxx.lcloud.frs.api.base.Translate;

import com.xxx.lcloud.rules.bean.vo.addition.InsurantAddition;

import com.xxx.lcloud.rules.bean.vo.base.Insurant;

import java.io.Serializable;

@Translate("被保人对象")

public class InsurantVO implements Serializable {

private static final long serialVersionUID = 1L;

private Insurant insurant = new Insurant();

private InsurantAddition insurantAddition = new InsurantAddition();

public String toString() {

return "InsurantVO [insurant=" + this.insurant + ", insurantAddition=" + this.insurantAddition + "]";

}

public InsurantVO() {

}

public Insurant getInsurant() {

return this.insurant;

}

public void setInsurant(Insurant insurant) {

this.insurant = insurant;

}

public InsurantAddition getInsurantAddition() {

return this.insurantAddition;

}

public void setInsurantAddition(InsurantAddition insurantAddition) {

this.insurantAddition = insurantAddition;

}

}

复制代码

　　package com.xxx.lcloud.rules.bean.vo.addition;xxx

import com.xxx.lcloud.frs.api.base.Translate;

import java.io.Serializable;

import java.math.BigDecimal;

@Translate("被保人附加信息")

public class InsurantAddition implements Serializable {

private static final long serialVersionUID = 1L;

@Translate("特殊理赔记录标识")

private Boolean specialClaimFlag;

public Boolean getSpecialClaimFlag() {

return this.specialClaimFlag;

}

public void setSpecialClaimFlag(Boolean specialClaimFlag) {

this.specialClaimFlag = specialClaimFlag;

}

}复制代码

　　规则文件：

　　package rules

import com.xxx.lcloud.rules.bean.vo.*;

import com.xxx.lcloud.rules.bean.vo.base.*;

import com.xxx.lcloud.rules.bean.vo.addition.*;

import com.xxx.lcloud.rules.bean.results.*

import com.xxx.lcloud.rcs.util.ClientType;

rule "insured"

dialect "mvel"

when

InsurantVO(

insurant != null,

insurantAddition != null,

insurant.mainInsurantFlag == true,

insurantAddition.specialClaimFlag == true,

$insurant :insurant

)

executionResult : ExecutionResult()

then

RuleFailureResult ruleFailureResult = new RuleFailureResult();

ruleFailureResult.setClientNo($insurant.getClientNo());

ruleFailureResult.setReasonType("02");

ruleFailureResult.setReasonDesc("客户存在理赔报案记录");

ruleFailureResult.setReasonFileCode(drools.getRule().getName());

executionResult.addRuleFailureResult(ruleFailureResult);

executionResult.setPassed(false);

end

复制代码

　　上述代码的语义：如果客户为主要被*敏*感*词*且有历史理赔记录，则需要将相应的业务规则返回业务系统，统一后续业务流程；

　　当然，面对更复杂更奇特的场景，drools可以帮我们解决问题，比如多条件判断，我们可以使用决策表，可以理解为一个小型的数据库表；

　　决策表又称判断表，是一种表格形式的图形化工具，适用于描述加工判断条件较多、条件相互结合、决策方案多样的情况. 一种描述复杂逻辑的精确而简洁的方式，将多个条件映射到满足这些条件时要执行的操作。但与传统编程语言中的控制语句不同，决策表可以清晰地表达多个独立条件和多个动作之间的直接联系。

　　目的：将相同逻辑、不同数据的规则组织成决策表

　　实现原理：决策表管理决策表头，一个表头可以有多组决策表数据。决策表数据可以关联多个业务子规则（通常是一个）

　　决策表管理用户生成的规则包中的 xls。决策表是从N条数据生成N条DRL规则，逻辑由表头生成；