引言
如果決策引擎是風控的大腦，那么規則引擎則是大腦內的重要構成，其編排了各種對抗黑產的規則，是多年對抗黑產的專家經驗的累計，本文將向你介紹規則引擎的構成及實作，
背景
什么是規則引擎？
規則引擎可以幫助企業將業務決策從應用程式代碼中分離出來，并使用預定義的語意模塊撰寫業務規則，這使得企業可以更靈活地管理和修改業務規則，而無需修改應用程式代碼，
規則引擎可以接受資料輸入，并根據業務規則解釋資料，做出業務決策，這些業務決策可以是自動的，也可以是人工干預的，
規則引擎通常包含如下幾個部分：
- 規則庫：規則庫包含了所有可用的規則，這些規則可以是預先定義好的，也可以是動態生成的，
- 策略：用于管理規則，是對規則的條件組裝，如評分卡策略、最壞匹配策略等，
- 規則執行引擎：負責規則的執行，讀取規則庫中所有可用規則，根據規則的條件執行規則，
為什么需要規則引擎？
規則引擎可以幫助企業更有效的管理和執行業務規則，提高決策的質量、效率和可靠性，
特點如下：
- 將業務決策從代碼中剝離出來：運營人員可以更靈活有效的管理和修改業務規則，而無需修改業務代碼，節省對抗時間
- 提高決策質量：規則引擎按照業務規則自動做出決策，無需依賴人為干預
- 提效：規則配置好后，可永久自動執行，減少人力消耗
- 穩定性：減少發版，減少測驗，減少人為錯誤
設計實作
技術選型
在選擇規則引擎時，需要考慮如下幾點：
- 業務需求：應該根據企業的業務需求來選擇規則引擎，如果企業需要快速執行大量規則，則應選擇性能較高的規則引擎，
- 技術平臺：選擇與企業現有技術平臺相兼容的規則引擎，如果企業使用的是 Java 技術平臺，則應選擇支持 Java 的規則引擎，
- 成本：考慮規則引擎的購買成本、實施成本和運行成本，是否開源也是很多技術團隊的選擇因素，
- 可維護性：選擇易于維護的規則引擎，在需要時能夠快速修改和更新規則，
- 市場占有率：選擇市場占有率較高的規則引擎，在需要時能夠獲得較好的技術支持和培訓，
- 技術支持：選擇提供較好技術支持的規則引擎，以便在使用程序中能夠得到及時的幫助，
當然，如果人力足夠，可以考慮自己實作規則引擎亦可，自實作版本的規則引擎肯定靈活性更高，但是在性能和穩定性上需要較長時間的驗證和考驗，
如下是市場上熱門的開源規則引擎：
| 規則引擎 | 簡介 |
|---|---|
| JBoss Drools | JBoss Drools 是一款開源的規則引擎，支持 Java 和其他語言， |
| OpenRules | OpenRules 是一款開源的規則引擎，支持 Java 和其他語言， |
| Hippo Rules Engine | Hippo Rules Engine 是一款開源的規則引擎，支持 Java 和其他語言 |
| Apache Flink | Apache Flink 是一款開源的流處理框架，也可以用作規則引擎 |
| Easy Rules | Easy Rules 是一個基于 Java 的開源規則引擎框架，它提供了簡單易用的 API，使得開發人員可以輕松地使用規則引擎， |
| 基于 Groovy 實作規則引擎 | Groovy 是一種動態語言，可以運行在 Java 平臺上，由于 Groovy 的語法簡單，因此可以通過使用 Groovy 來實作規則引擎， |
規則引擎術語
- 規則（Rule）：規則是描述業務決策的規則或條件的陳述句，規則通常由兩部分組成：條件和動作，條件是描述規則被觸發的判斷，動作是描述規則執行的操作，
- 事實（Fact）：事實是描述業務場景的資料，事實可以是一個單獨的資料項，也可以是一組資料，規則引擎會根據事實來觸發規則，
- 決策表：決策表是一種以表格形式表示規則的資料結構，決策表通常由多個條件列和一個結果列組成，當條件列的值都滿足時，決策表就會觸發結果列的規則，
- 規則集合：規則集合是一種由規則組成的資料結構，規則集合通常以樹形結構存盤，每個規則都有一個條件和一個動作，當條件滿足時，規則集合就會執行規則的動作，
規則配置決議
規則引擎最終是需要交付給運營人員去配置使用的，所以必須能滿足靈活的配置編排，且易懂，才能最大發揮它的威力，
規則配置
說明：
- 觸發條件：任意一個、滿足所有、自定義，其中自定義最靈活，用戶可以使用條件運算式配置任意想要的觸發與或條件
- 變數（指標）：左值，指標是輸入資料衍生、或查詢、或計算所得的值
- 比較符：等于、不等于、包含、屬于、大于、小于、空 等等
- 閾值：右值，與指標計算所得值相比較，如果比較符關系成立，則認為命中當前規則
- 默認值：當指標執行出錯或者超時，默認回傳的值
策略配置
說明：
- 評分卡模式：依據每條規則命中所得分數之和，判定是否命中相應分數段的決策
- 最壞匹配：只要有一條規則命中，則立即拒絕
- 閾值：如果是評分卡模式，需要設定三個段位并且指定閾值
性能調優
決策引擎每天承載企業業務全部的風險決策，峰值 QPS 基本過萬，但是風控的決策耗時需要足夠的短，在不影響業務的情況下，盡可能快的回傳決策結果，這是一大挑戰，
從以往的調優經驗來看，可以從以下幾點來優化規則引擎：
- 并行執行規則：一次決策流中可能包含 N 個規則節點，每個規則節點包含 M 個規則，充分利用多核 CPU 優勢，發揮最大威力，但同時需要考慮多執行緒資料安全問題
- 預加載指標：規則執行都是在記憶體中的，但是所需要的指標值往往都是需要呼叫外部系統得到的，一是網路開銷，二是指標計算開銷，可以在執行規則集之前，全部預加載一次指標再快取，這樣執行時直接從記憶體取值就會快很多，但是需要注意成本問題（如付費指標，存盤成本，架構復雜度等），廢呼叫問題（前置規則已拒絕）等等
- 規則加載預編譯：規則首次加載往往比較耗時，此時最好能
warm up一下，這樣在流量進來后，即可立即執行，但是使用預編譯可能會增加系統的啟動開銷時間，需要做好相應的平衡作業 - 規則執行優化：運營配置規則時可能不會考慮規則執行順序問題，但是程式在執行的時候可以智能編排一下，通過加入
與或及順序關系，盡可能的把大耗時和大成本的指標放在最后面執行，優先執行記憶體指標，萬一命中則直接斷言，后續指標則不會再執行，節省了時間，要做到這一點，需要對指標進行較為詳細的歸類及元資料管理，需要全域的資料配合，對風控這種需要大資料的介面來說是一大挑戰，
總結
規則引擎在風控整體架構內的重要性毋庸置疑，它的穩定性直接關系到風控決策的性能、資料質量，同時，對運營來說，好的決策引擎是足夠靈活，足夠智能，滿足規則資料編排需求，且能立即生效上線，這是保障他們對抗黑產的前提，希望本文對構建高效的規則引擎又較好的啟發，
往期精彩
●性能優化必備——火焰圖
●我是怎么入行做風控的
●Flink 在風控場景實時特征落地實戰
歡迎關注公眾號：咕咕雞技術專欄
個人技術博客：https://jifuwei.github.io/
轉載請註明出處，本文鏈接：https://www.uj5u.com/ruanti/541405.html
標籤：其他