Python 核心外规则引擎

是否有任何生产规则系统的实现可以运行

我已经检查过像和这样的开源实现，但它们只在内存中运行，因此在操作大量事实和规则（例如，数十亿/万亿）时，它们往往会崩溃或强制进行大量磁盘交换

我正在考虑使用Django的ORM移植一个简单的规则引擎，比如SQL后端。然而，支持剪辑中的功能级别是非常重要的，我不想重新发明轮子

---

是否有其他方法可用于扩展生产规则系统？

您可以检查和类似的RDF规则引擎，这些引擎设计用于处理非常大的事实数据库。

这不是对您的问题的直接回答，但它可能会给您一条针对该问题的攻击路线

早在80年代和90年代，我们就部署了一个信息检索系统，允许进行大量的长期查询。具体地说，我们的系统有64MB的内存（在当时是一个无用的负载），每天接收超过一百万条消息，并对该流应用10000到100,00多个长期查询

如果我们所做的只是对最近的文档迭代地应用每个长期查询，那么我们将是死肉。我们所做的是执行一种查询，特别是识别查询中的必有和可有术语。然后，我们使用文档中的术语列表来查找那些有可能成功的查询。客户学会了创建具有强大差异性的查询，因此，有时只需对10或20个查询进行全面评估

---

我不知道您的数据集，也不知道您的规则是什么样子的，但是您可以尝试类似的方法。

“是否有其他方法可以扩展生产规则系统？”是的，更多的RAM！给一个算法一些额外的内存，并修复它一天。将算法更改为不使用RAM，并永久修复它。我的评论当然是开玩笑的。我根本不知道你的问题的答案。愚蠢的问题，但你究竟是如何管理/定义数十亿和/或万亿条规则的？耶拿将其规则存储在内存中。据我所知，所有RDF规则引擎都是相同的方式。大型事实数据库！=超出核心规则。