Rete算法

1.1.2 rete 算法相关概念

Rete 算法规则相关的概念有以下几个：

Fact：已经存在的事实，它是指对象之间及对象属性之间的多元关系，为简单起见，事实用一个三元组来表示：（标识符 ^ 属性 值）[1]，例如以下事实：

w1:(B1 ^ on B2) w6:(B2 ^color blue) 
 w2:(B1 ^ on B3) w7:(B3 ^left-of B4) 
 w3:(B1 ^ color red) w8:(B3 ^on table) 
 w4:(B2 ^on table) w9:(B3 ^color red) 
 w5:(B2 ^left-of B3)

Rule：规则，包含条件和行为两部分，条件部分又叫左手元（LHS），行为部分又叫右手元（RHS）。条件部分能够有多条条件，而且能够用 and 或 or 链接 [1]。其通常形式以下：

(name-of-this-production 
 LHS /*one or more conditions*/ 
 --> 
 RHS /*one or more actions*/ 
 ) 
例如，下面的例子：
 (find-stack-of-two-blocks-to-the-left-of-a-red-block 
 (^on) 
 (^left-of) 
 (^color red) 
 --> 
 ...RHS... 
 ) 
 Patten：模式，也就是规则的条件部分，是已知事实的泛化形式，是未实例化的多元关系 [1]。好比，前面的那条规则的条件部分：
 (^on) 
 (^left-of) 
 (^color red) 
 Rete 网络的概念 [1][9][10]以下：

RootNode：Rete 网络的根节点，全部对象经过 Root 节点进入网络。

ObjectTypeNode：对象类型节点，保证所传入的对象只会进入本身类型所在的网络，提升了工做效率。

AlphaNode：Alpha 节点是规则的条件部分的一个模式，一个对象只有和本节点匹配成功后，才能继续向下传播。

JoinNode：用做链接（jion）操做的节点，至关于 and，至关于数据库的表链接操做，属于 betaNode 类型的节点。BetaNode 节点用于比较两个对象和它们的字段。两个对象多是相同或不一样的类型。咱们将这两个输入称为左和右。BetaNode 的左输入一般是一组对象的数组。BetaNode 具备记忆功能。左边的输入被称为 Beta Memory，会记住全部到达过的语义。右边的输入成为 Alpha Memory，会记住全部到达过的对象。

NotNode：根据右边输入对左边输入的对象数组进行过滤，两个 NotNode 能够完成‘ exists ’检查。

LeftInputAdapterNodes：将单个对象转化成对象数组。

Terminal Nodes 被用来代表一条规则已经匹配了它的全部条件（conditions）。

图 1 展现的是一个简单的 rete 网络：

1.1.3 建立 rete 网络

Rete 算法的编译结果是建立了规则集对应的 Rete 网络 , 它是一个事实能够在其中流动的图。建立 rete 网络的过程 [1]以下： 1) 建立根节点； 2) 加入一条规则 1 (Alpha 节点从 1 开始，Beta 节点从 2 开始 )； a. 取出规则中的一个模式 1，检查模式中的参数类型，若是是新类型，则加入一个类型节点； b. 检查模式 1 对应的 Alpha 节点是否已存在，若是存在则记录下节点位置，若是没有则将模式 1 做为一个 Alpha 节点加入到网络中，同时根据 Alpha 节点的模式创建 Alpha 内存表； c. 重复 b 直到全部的模式处理完毕； d. 组合 Beta 节点，按照以下方式： Beta(2) 左输入节点为 Alpha(1)，右输入节点为 Alpha(2) Beta(i) 左输入节点为 Beta(i-1)，右输入节点为 Alpha(i) i>2 并将两个父节点的内存表内联成为本身的内存表； e. 重复 d 直到全部的 Beta 节点处理完毕； f. 将动做（Then 部分）封装成叶节点（Action 节点）做为 Beta(n) 的输出节点； 3) 重复 2) 直到全部规则处理完毕； 执行完上述步骤，创建的 rete 网络以下图 2 (a 图为含有 3 个规则的 rete 网络，b 图为含有一个规则的 rete 网络 )：

图 2. beta-network and alpha-network

上图（a 图和 b 图），他们的左边的部分都是 beta-network, 右边都是 alpha-network, 圆圈是 join-node。右边的 alpha-network 是根据事实库和规则条件构建的，其中除 alpha-network 节点的节点都是根据每一条规则条件的模式 , 从事实库中 match 过来的，即在编译构建网络的过程当中静态创建的。只要事实库是稳定的，RETE 算法的执行效率应该是很是高的，其缘由就是已经经过静态的编译，构建了 alpha-network。左边的 beta-network 表现出了 rules 的内容，其中 p1,p2,p3 共享了许多 BetaMemory 和 join-node, 这样能加快匹配速度。

1.1.4 Rete 算法的匹配过程

匹配过程以下： 1) 对于每一个事实，经过 select 操做进行过滤，使事实沿着 rete 网达到合适的 alpha 节点。2) 对于收到的每个事实的 alpha 节点，用 Project( 投影操做 ) 将那些适当的变量绑定分离出来。使各个新的变量绑定集沿 rete 网到达适当的 bete 节点。3) 对于收到新的变量绑定的 beta 节点，使用 Project 操做产生新的绑定集，使这些新的变量绑定沿 rete 网络至下一个 beta 节点以致最后的 Project。4) 对于每条规则，用 project 操做将结论实例化所需的绑定分离出来。

若是把 rete 算法类比到关系型数据库操做，则事实集合就是一个关系，每条规则就是一个查询，再将每一个事实绑定到每一个模式上的操做看做一个 Select 操做，记一条规则为 P，规则中的模式为 c1,c2,…,ci, Select 操做的结果记为 r(ci), 则规则 P 的匹配即为 r(c1)◇r(c2)◇…◇(rci)。其中◇表示关系的链接（Join）操做。

Rete 网络的链接（Join）和投影 (Project) 和对数据库的操做形象对好比图 3 所示：

图 3. join and project

1.1.5 Rete 算法的特色、不足和建议 Rete 算法有以下特色：

a． Rete 算法是一种启发式算法，不一样规则之间每每含有相同的模式，所以在 beta-network 中能够共享 BetaMemory 和 betanode。若是某个 betanode 被 N 条规则共享，则算法在此节点上效率会提升 N 倍。

b. Rete 算法因为采用 AlphaMemory 和 BetaMemory 来存储事实，当事实集合变化不大时，保存在 alpha 和 beta 节点中的状态不须要太多变化，避免了大量的重复计算，提升了匹配效率。

c. 从 Rete 网络能够看出，Rete 匹配速度与规则数目无关，这是由于事实只有知足本节点才会继续向下沿网络传递。

Rete 算法的不足：

a. 事实的删除与事实的添加顺序相同, 除了要执行与事实添加相同的计算外, 还须要执行查找, 开销很高 [3]。

b. RETE 算法使用了β存储区存储已计算的中间结果, 以牺牲空间换取时间, 从而加快系统的速度。然而β存储区根据规则的条件与事实的数目而成指数级增加, 因此当规则与事实不少时, 会耗尽系统资源 [3]。

针对 Rete 算法的特色和不足，在应用或者开发基于 Rete 算法的规则引擎时，提出以下建议：

a. 容易变化的规则尽可能置后匹配，能够减小规则的变化带来规则库的变化。

b. 约束性较为通用或较强的模式尽可能置前匹配，能够避免没必要要的匹配。

c. 针对 Rete 算法内存开销大和事实增长删除影响效率的问题，技术上应该在 alpha 内存和 beata 内存中，只存储指向内存的指针，并对指针建里索引（可用 hash 表或者非平衡二叉树）。

d. Rete 算法 JoinNode 能够扩展为 AndJoinNode 和 OrJoinNode，两种节点能够再进行组合 [5]。

 

优化：

1. 模式尽可能完整和独立，便于规则之间的模式重复利用；

2. 因为规则之间的模式匹配结果会缓存和重复利用，为了尽可能保持规则库稳定不变，规则生效时间放在规则外面，同时，在Action里，禁止修改Facts属性；

3. 在规则里面，约束性较为通用或较强的模式尽可能置前匹配，能够避免没必要要的匹配；

4. 规则包加载后加入缓存，运行期禁止动态加载规则，为了性能和安全；

5. 将数据准备和规则执行拆分，也是为了保持Facts的稳定，利于规则之间的模式复用