用于实时分析（python规则引擎）
durable-rules的Python项目详细描述
持久规则是一个多时隙的微观框架，用于实时、一致和可伸缩的事件协调。使用持久性规则，您可以通过组合来自多个源的数据来推断更复杂的情况，从而跟踪和分析有关发生的事情（事件）的信息。
完整的前向链接实现（也称为rete）用于实时评估事实和事件。简单的元语言抽象允许您定义简单和复杂的规则集以及控制流结构，如流程图、状态图、嵌套状态图和时间驱动流。
持久规则核心引擎在c语言中实现，实现了快速的规则计算和多语言支持。
在Durable_Rules v2中，less is more:rete树在C中完全计算。因此，该框架的速度要快5到10倍（取决于场景），并且不需要redis。用于发布事件、断言和收回事实的编程模型是同步的，并且没有规定任何web框架。
入门
持久性规则很简单：要定义规则，只需描述要匹配的事件或事实模式（先行）和要采取的操作（后续）。
要安装框架，请执行以下操作：pip install durable_rules
from durable.lang import *
with ruleset('test'):
# antecedent
@when_all(m.subject == 'World')
def say_hello(c):
# consequent
print ('Hello {0}'.format(c.m.subject))
post('test', { 'subject': 'World' })
正向推理
持久规则超能力是对规则的正向链式评价。换句话说，对一组事实或观察到的事件重复应用逻辑模式ponens（https://en.wikipedia.org/wiki/Modus_ponens）以得出结论。下面的示例显示了应用于小型知识库（事实集）的一组规则。
from durable.lang import *
with ruleset('animal'):
@when_all(c.first << (m.predicate == 'eats') & (m.object == 'flies'),
(m.predicate == 'lives') & (m.object == 'water') & (m.subject == c.first.subject))
def frog(c):
c.assert_fact({ 'subject': c.first.subject, 'predicate': 'is', 'object': 'frog' })
@when_all(c.first << (m.predicate == 'eats') & (m.object == 'flies'),
(m.predicate == 'lives') & (m.object == 'land') & (m.subject == c.first.subject))
def chameleon(c):
c.assert_fact({ 'subject': c.first.subject, 'predicate': 'is', 'object': 'chameleon' })
@when_all((m.predicate == 'eats') & (m.object == 'worms'))
def bird(c):
c.assert_fact({ 'subject': c.m.subject, 'predicate': 'is', 'object': 'bird' })
@when_all((m.predicate == 'is') & (m.object == 'frog'))
def green(c):
c.assert_fact({ 'subject': c.m.subject, 'predicate': 'is', 'object': 'green' })
@when_all((m.predicate == 'is') & (m.object == 'chameleon'))
def grey(c):
c.assert_fact({ 'subject': c.m.subject, 'predicate': 'is', 'object': 'grey' })
@when_all((m.predicate == 'is') & (m.object == 'bird'))
def black(c):
c.assert_fact({ 'subject': c.m.subject, 'predicate': 'is', 'object': 'black' })
@when_all(+m.subject)
def output(c):
print('Fact: {0} {1} {2}'.format(c.m.subject, c.m.predicate, c.m.object))
assert_fact('animal', { 'subject': 'Kermit', 'predicate': 'eats', 'object': 'flies' })
assert_fact('animal', { 'subject': 'Kermit', 'predicate': 'lives', 'object': 'water' })
assert_fact('animal', { 'subject': 'Greedy', 'predicate': 'eats', 'object': 'flies' })
assert_fact('animal', { 'subject': 'Greedy', 'predicate': 'lives', 'object': 'land' })
assert_fact('animal', { 'subject': 'Tweety', 'predicate': 'eats', 'object': 'worms' })
模式匹配
持久性规则提供字符串模式匹配。表达式被编译为一个dfa，保证每个字符的线性执行时间按一位数纳秒的顺序排列（注意：不支持回溯表达式）。
from durable.lang import *
with ruleset('test'):
@when_all(m.subject.matches('3[47][0-9]{13}'))
def amex(c):
print ('Amex detected {0}'.format(c.m.subject))
@when_all(m.subject.matches('4[0-9]{12}([0-9]{3})?'))
def visa(c):
print ('Visa detected {0}'.format(c.m.subject))
@when_all(m.subject.matches('(5[1-5][0-9]{2}|222[1-9]|22[3-9][0-9]|2[3-6][0-9]{2}|2720)[0-9]{12}'))
def mastercard(c):
print ('Mastercard detected {0}'.format(c.m.subject))
assert_fact('test', { 'subject': '375678956789765' })
assert_fact('test', { 'subject': '4345634566789888' })
assert_fact('test', { 'subject': '2228345634567898' })
业务规则和礼仪小姐
持久性规则也可以用来解决传统的生产业务规则问题。这个例子是一个行业基准。礼仪小姐决定举办一个聚会。她想让客人就座，这样相邻的人都是异性，并且至少有一个共同的爱好。
注意如何使用状态图来定义基准流结构，以提高代码的可读性，而不牺牲性能，也不改变基准所需的组合。对于128位客人，438个事实，执行时间为600毫秒。
https://github.com/jruizgit/rules/blob/master/testpy/manners.py
IMAC、4GHz i7、32GB 1600MHz DDR3、1.12 TB Fusion驱动器
图像识别和waltzdb
waltzdb是一个用于图像识别的约束传播问题：给定二维空间中的一组直线，系统需要解译图像的三维深度。算法的第一部分包括识别四种类型的连接，然后根据huffman-clowes符号标记连接。相邻的连接对彼此的边标记有约束。因此，在为初始连接选择标记之后，算法的第二部分迭代图，通过移除不一致的标记来传播标记约束。
在这种情况下，基准流结构也是使用状态图来定义的，以提高代码的可读性。基准要求没有改变。对于4个区域654 ms的情况，执行时间。
https://github.com/jruizgit/rules/blob/master/testrb/waltzdb.rb
IMAC、4GHz i7、32GB 1600MHz DDR3、1.12 TB Fusion驱动器
参考手册：
https://github.com/jruizgit/rules/blob/master/docs/py/reference.md
欢迎加入QQ群-->： 979659372
