Durable rules(持久规则引擎) 学习小记

这篇文章记录下学习durable rules的过程， 持久规则引擎是一个多语言框架， 用于创建能够对大量事实陈述进行推理的基于规则的系统，白话的讲就是事先制定好一些规则， 这些规则描述要匹配的事件以及采取的操作。 这样，当有事实过来的时候， 就可以去匹配事件然后采取相应的行为了。 很类似我们代码中写的if...else if..else的逻辑。

那么为啥要用这东西呢？ 快，且适用于多语言，且如果判断太多，不像if else那么臃肿。 写出来的判断语句更加的优雅。

当然，由于我也是刚学，且可参考的文档不多，我就拿github项目来通过3个demo整理下怎么用，并且最后自己想了个demo，整理下实际使用应该怎么用。 在公司见同事用的这个操作，感觉还是很骚气的，于是就像学习下。

场景：

比如一个女生找对象的条件： 长得帅并且有房子，并且收入很高，并且是职业是老师或者程序员的时候，才会和他约会， 那么假设我们有很多个男生的前面这几个属性，最后判断这个女生对他的态度。 这时候，假设有个男生的数据：{"name": "zhangsan", "age": 25, "job": "teacher", "salary": 2000, "appearance": "good"}， 我们判断女生最后的态度， 喜欢，一般，不喜欢三种感觉吧。

demo是我自己编的， 这个比较常规的做法，就是写if语句，if ... then ....的这种，但当条件判断很多的时候， 这个写法就显得很繁琐臃肿， 并且也不优雅，所以如果这个女生选对象的标准固定之后，我们就可以写一个规则，往后再有新数据判断，只需要调用这个规则，就可以。

这里整理上面链接中的demo理解。

定义规则，描述要匹配的事件或事实模式（先行）和要采取的操作（后续）

首先，安装包：

我这里发现，如果系统里面装上pyenv，然后再装conda之后， 发现直接用pip，并不会把包装到了conda的环境中，而是pyenv的环境中了，所以我这里必须进入具体的conda虚拟环境，然后调用那里面的pip才行。 否则，在conda里面运行jupyter会报错找不到包，这是因为直接pip会把包装到pyenv中。这个得注意下。当然，没有pyenv的直接pip即可。

这是最基本最常用的使用方法，看这个语法也比较简单， 先定义一个规则名字，然后开始写先行条件，以及满足这个先行条件之后，触发的行为。

这个逻辑很简单， 不用多说，但是有两点注意：

这个写法就有点复杂了，讲真，没想出来啥时候会用到， 但我大约看明白他的例子了。

这个东西用于正向推理，类似三段论：

他给的那个例子，其实一开始没看明白，后面经过调试，差不多搞懂了。

这里其实定义了先决条件， 比如我运行下面这行代码：

这个会输出Fact: Kermit eats flies， 这是因为传入的这个东西，不满足上面任何一个先行条件（因为只有他自己）， 但是运行了这个之后，接下来，如果再运行下面这行代码：

这个的输出结果：

这个是因为， 有了一个先决条件(c.first)，也就是运行的第一行代码， 然后再运行下面这个的话，正好匹配上第一条先决条件

只会输出Fact: Kermit lives water， 但在这个基础上，再运行

这个同样也会输出：

竟然也会是上面的这个逻辑，就很纳闷，不知道为啥。

但这个使用场景，我理解会有一个先行条件先发生，发生了之后，在做匹配，如果匹配上先决条件， 就会执行相应的语句。

这个就是上面最基本的用法

所以用的时候，如果条件互斥的情况，我们就可以写到同一个规则下面。

通过了一上午摸索，发现这个东西并不是很难，和if…else很像， 下面通过开头的场景demo来看看如何用。

实际使用的时候，我们一般会把规则引擎携写成一个类

把规则名字传进去，建立对象

建立一个新数据

编写规则， 这步是核心

然后调用get_result函数就能拿到结果

把这个更新到person

这个东西感觉在做新的特征列的时候，也可以用。

这次探索就到这里， 由于可参考资料实在太少了，后面遇到新的再回来补。

参考