[發明專利]規則管理系統及方法

在審

• 申請號: 201710339186.7
• 申請日: 2017-05-15
• 公開（公告）號: CN107392407A
• 公開（公告）日: 2017-11-24
• 發明（設計）人: 鄭然水;金星一;鄭泰煥
• 申請（專利權）人: 三星SDS株式會社
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06F17/30
• 代理公司: 北京銘碩知識產權代理有限公司11286
• 代理人: 孫昌浩,李盛泉

技術領域

本發明的實施例涉及一種用于有效地執行規則處理的技術。

背景技術

規則引擎(Rule Engine)是指通過將用于企業決策的復雜的業務規則或者頻繁變更的進程(process)導出并標準化而進行管理的自動化系統、技術或者解決方案。通常，規則引擎與遺留系統聯動而執行決策。遺留系統是用于與規則引擎聯動而執行業務處理的系統，并可以基于以往的平臺、編程語言、技術等來得到開發。

然而，在現有技術中，如果在規則引擎的決策過程中需要存儲于遺留系統的數據庫(DB)的數據，則在規則引擎只能通過遺留服務器來訪問所述DB。具體而言，現有技術中存在如下的麻煩：需要在遺留系統的服務器中以件數為單位查詢DB并向規則引擎發送查詢(query)，且從規則引擎接收其查詢結果而重新發送到遺留系統的DB。因此，根據現有技術，由于每當需要在規則引擎訪問DB時都得通過遺留系統的制約事項，存在著發生過多的事務(transaction)的問題。尤其，基于現有技術，由于與規則的數量相對應地反復執行DB連接、數據收集和數據傳遞過程，所以存在著發生遺留系統的瓶頸現象，并且基于規則的執行的復雜性會增加的問題。

[現有技術文獻]

[專利文獻]

韓國授權專利公報第10-1129815號(2012.03.15)

發明內容

本發明的實施例的目的在于，將數據緩存在數據服務引擎，并且在執行規則時利用緩存到數據服務引擎的數據而執行決策，從而將多線程(Multi-threading)的優點最大化，并顯著提高規則處理速度。

根據本發明的示例性實施例，提供一種規則管理系統，包括：規則引擎(rule engine)，基于規則(rule)來執行決策(decision-making)；數據服務引擎，與遺留系統(legacy system)的數據庫連接，并分析所述規則而確定是否要緩存(cache)存儲于所述數據庫的數據，并緩存所確定的所述數據，其中，所述規則引擎利用緩存于所述數據服務引擎的數據而執行所述決策。

所述數據服務引擎可以確定是否要緩存存儲于所述數據庫的數據，以最小化所述規則的執行所需的開銷(cost)。

所述規則為多個規則中的任意一個，所述數據服務引擎可以考慮所述多個規則各自的執行頻率而確定是否要緩存存儲于所述數據庫的數據。

所述執行頻率越高，所述數據服務引擎可以越提高與所述多個規則中的相應規則相關的數據被緩存到所述數據服務引擎的概率；所述執行頻率越低，所述數據服務引擎可以越降低與相應規則相關的數據被緩存到所述數據服務引擎的概率。

所述數據服務引擎可以按所述數據所屬的表(table)來確定緩存優先級，并根據按所述數據所屬的表來確定的所述緩存優先級而確定是否要向所述數據服務引擎緩存存儲于所述數據庫的數據。

按所述數據所屬的表的所述緩存優先級可以考慮如下條件中的至少一個而確定：按各個表的訪問(access)頻率或概率、按各個表的數據操作頻率、按各個表的數據大小、所述數據服務引擎的數據存儲空間大小、所述多個規則中的各個規則的執行次數、與所述多個規則中的所述規則的執行相關的查詢的執行時間、所述查詢(query)的執行速度、所述查詢的呼叫次數或周期、在所述數據服務引擎被連接到所述數據庫的期間內的帶寬(bandwidth)使用量。

所述數據服務引擎可以緩存具有將期望緩存的多個數據全部包括的范圍的數據區域。

根據本發明的另一示例性實施例，提供一種規則管理方法，包括如下步驟：在規則引擎(rule engine)，基于規則(rule)來執行決策(decision-making)；在與遺留系統(legacy system)的數據庫連接的數據服務引擎，分析所述規則而確定是否要緩存將存儲于所述數據庫的數據；以及在所述數據服務引擎緩存所確定的所述數據，其中，在執行所述決策的步驟中，利用緩存于所述數據服務引擎的數據而執行所述決策。

在執行所述確定的步驟中，可以確定是否要緩存存儲于所述數據庫的數據，以最小化所述規則的執行所需的開銷(cost)。

所述規則為多個規則中的任意一個，在執行所述緩存的步驟中，可以考慮所述多個規則各自的執行頻率而確定是否要緩存存儲于所述數據庫的數據。

在執行所述確定的步驟中，所述執行頻率越高，可以越提高與所述多個規則中的相應規則相關的數據被緩存到所述數據服務引擎的概率；所述執行頻率越低，可以越降低與相應規則相關的數據被緩存到所述數據服務引擎的概率。