1. 阿里巴巴算法工程师需要掌握什么技能
1、熟悉java，有大访问量系统开发经验；
2、熟练使用Spring、Mybatis等开源框架，热爱开源技术；
3、熟悉Linux，熟悉MySQL或其他数据库并了解SQL优化，对NoSQL、消息队列等有深入的理解；
4、熟悉TCP/IP、HTTP等网络协议；
5、对Elasticsearch、Drools、Dubbo、JVM、服务治理等技术
6、熟练mvc的设计和开发工作，熟悉2种以上的php开发框架，如zend，yii，laravel，熟悉laravel 优先；
7、熟悉PHP+MySQL开发和维护，熟悉LAMP／LNMP环境下的开发工作
8、熟悉laravel框架，了解php composer优先考虑；
9、熟悉前端开发技术，如html5、css3、javascript等；
10、熟悉rest 。
2. 如何成为阿里巴巴算法工程师
1、熟悉Java，有大访问量系统开发经验；2、熟练使用Spring、Mybatis等开源框架，热爱开源技术；3、熟悉Linux，熟悉MySQL或其他数据库并了解SQL优化，对NoSQL、消息队列等有深入的理解；4、熟悉TCP/IP、HTTP等网络协议；5、对Elasticsearch、Drools、Dubbo、JVM、服务治理等技术6、熟练mvc的设计和开发工作，熟悉2种以上的php开发框架，如zend，yii，laravel，熟悉laravel优先；7、熟悉PHP+MySQL开发和维护，熟悉LAMP／LNMP环境下的开发工作8、熟悉laravel框架，了解phpcomposer优先考虑；9、熟悉前端开发技术，如html5、css3、javascript等；10、熟悉rest。
3. 究竟什么才是真正的规则引擎
可能很多人还不了解规则引擎是什么东西，或者不知道规则引擎究竟有什么用。我们都知道工作流引擎，也听说过JBoss下面有个Drools，或者我们知道 weblogic或者Oracle也有自己的Business Rule，我们可能还听说过ILOG被IBM收购了，如果我们研究微软的WWF，可能也知道其中有RuleSet等内容。国内的一些web快速开发平台，也提到了规则引擎。
在我们的印象中，我们感觉规则引擎就是解决业务逻辑层的实现问题的。因此我们理所当然的觉得工作流中的某个节点的逻辑处理，应该可以用规则引擎来解决，那么工作流本身的逻辑也应该可以由规则引擎来解决。另外我们也会觉得，平时项目当中的业务逻辑应该都可以用规则引擎来解决。
但是当我们在使用上述这些规则引擎，却发现很难和我们实际应用的业务逻辑层的业务逻辑实现相对应。
我们以JBoss的Drools为例，由于其规则引擎使用了匹配规则的方式来进行，因此在应用这些规则引擎时。首先需要将我们具体应用中的业务逻辑做抽象，抽象成一条条规则之后，再打包成一个规则包。一个规则包相当于一个智能块。当数据传递给这个智能块后，系统会以匹配的方式应用满足条件的逻辑处理。
当采用这种方式时，应该说逻辑更抽象了，在一个更高的层次加以抽象化的定义。但是也使得规则引擎的应用得到了很大的限制。
首先这种抽象本身需要一个复杂的分析过程，这需要有很强的分析设计能力。另外我们平时具体应用中的业务逻辑层，大量的逻辑都是对实际数据的处理，很多时候还是一个批量数据的处理，甚至有些逻辑需要的参数我们并不能定义在规则中，而是在数据库表中进行配置。因此我们常见的业务逻辑层的开发，并不能先设计出一个数据模型，然后再在此基础上抽象逻辑。
因此我们发现Drools等规则引擎很难用，根本不是我们所需要的那样。
我们研究规则引擎也有一段时间了。有时候我们发现自己做的规则引擎并不是一个规则引擎。因为我们和像Drools这些规则引擎有很大的差别。但我们确实解决了业务逻辑层的业务逻辑配置问题。应该说我们的更实用一些。但是我们却没法去实现JSR94标准。我们不光处理业务逻辑，还把所有业务逻辑层需要处理的操作全部采用规则配置的形式，包括数据库处理逻辑等。
4. 求Rete算法实现代码
Rete 在拉丁语中是 ”net” ，有网络的意思。 RETE 算法可以分为两部分：规则编译（ rule compilation ）和运行时执行（ runtime execution ）。
编译算法描述了规则如何在 Proction Memory 中产生一个有效的辨别网络。用一个非技术性的词来说，一个辨别网络就是用来过滤数据。方法是通过数据在网络中的传播来过滤数据。在顶端节点将会有很多匹配的数据。当我们顺着网络向下走，匹配的数据将会越来越少。在网络的最底部是终端节点（ terminal nodes ）。在 Dr Forgy 的 1982 年的论文中，他描述了 4 种基本节点： root , 1-input, 2-input and terminal 。下图是 Drools 中的 RETE 节点类型：
Figure 1. Rete Nodes
根节点（ RootNode ）是所有的对象进入网络的入口。然后，从根节点立即进入到 ObjectTypeNode 。 ObjectTypeNode 的作用是使引擎只做它需要做的事情。例如，我们有两个对象集： Account 和 Order 。如果规则引擎需要对每个对象都进行一个周期的评估，那会浪费很多的时间。为了提高效率，引擎将只让匹配 object type 的对象通过到达节点。通过这种方法，如果一个应用 assert 一个新的 account ，它不会将 Order 对象传递到节点中。很多现代 RETE 实现都有专门的 ObjectTypeNode 。在一些情况下， ObjectTypeNode 被用散列法进一步优化。
Figure 2 . ObjectTypeNodes
ObjectTypeNode 能够传播到 AlphaNodes, LeftInputAdapterNodes 和 BetaNodes 。
1-input 节点通常被称为 AlphaNode 。 AlphaNodes 被用来评估字面条件（ literal conditions ）。虽然， 1982 年的论文只提到了相等条件（指的字面上相等），很多 RETE 实现支持其他的操作。例如， Account.name = = “Mr Trout” 是一个字面条件。当一条规则对于一种 object type 有多条的字面条件，这些字面条件将被链接在一起。这是说，如果一个应用 assert 一个 account 对象，在它能到达下一个 AlphaNode 之前，它必须先满足第一个字面条件。在 Dr. Forgy 的论文中，他用 IntraElement conditions 来表述。下面的图说明了 Cheese 的 AlphaNode 组合（ name = = “cheddar” ， strength = = “strong” ）：
Figure 3. AlphaNodes
Drools 通过散列法优化了从 ObjectTypeNode 到 AlphaNode 的传播。每次一个 AlphaNode 被加到一个 ObjectTypeNode 的时候，就以字面值（ literal value ）作为 key ，以 AlphaNode 作为 value 加入 HashMap 。当一个新的实例进入 ObjectTypeNode 的时候，不用传递到每一个 AlphaNode ，它可以直接从 HashMap 中获得正确的 AlphaNode ，避免了不必要的字面检查。
<!--[if !supportEmptyParas]-->
2-input 节点通常被称为 BetaNode 。 Drools 中有两种 BetaNode ： JoinNode 和 NotNode 。 BetaNodes 被用来对 2 个对象进行对比。这两个对象可以是同种类型，也可以是不同类型。
我们约定 BetaNodes 的 2 个输入称为左边（ left ）和右边（ right ）。一个 BetaNode 的左边输入通常是 a list of objects 。在 Drools 中，这是一个数组。右边输入是 a single object 。两个 NotNode 可以完成‘ exists ’检查。 Drools 通过将索引应用在 BetaNodes 上扩展了 RETE 算法。下图展示了一个 JoinNode 的使用：
Figure 4 . JoinNode
注意到图中的左边输入用到了一个 LeftInputAdapterNode ，这个节点的作用是将一个 single Object 转化为一个单对象数组（ single Object Tuple ），传播到 JoinNode 节点。因为我们上面提到过左边输入通常是 a list of objects 。
<!--[if !supportEmptyParas]-->
Terminal nodes 被用来表明一条规则已经匹配了它的所有条件（ conditions ）。 在这点，我们说这条规则有了一个完全匹配（ full match ）。在一些情况下，一条带有“或”条件的规则可以有超过一个的 terminal node 。
Drools 通过节点的共享来提高规则引擎的性能。因为很多的规则可能存在部分相同的模式，节点的共享允许我们对内存中的节点数量进行压缩，以提供遍历节点的过程。下面的两个规则就共享了部分节点：
这里我们先不探讨这两条 rule 到的是什么意思，单从一个直观的感觉，这两条 rule 在它们的 LHS 中基本都是一样的，只是最后的 favouriteCheese ，一条规则是等于 $cheddar ，而另一条规则是不等于 $cheddar 。下面是这两条规则的节点图：
Figure 5 . Node Sharing
从图上可以看到，编译后的 RETE 网络中， AlphaNode 是共享的，而 BetaNode 不是共享的。上面说的相等和不相等就体现在 BetaNode 的不同。然后这两条规则有各自的 Terminal Node 。
<!--[if !supportEmptyParas]-->
RETE 算法的第二个部分是运行时（ runtime ）。当一个应用 assert 一个对象，引擎将数据传递到 root node 。从那里，它进入 ObjectTypeNode 并 沿着网络向下传播。当数据匹配一个节点的条件，节点就将它记录到相应的内存中。这样做的原因有以下几点：主要的原因是可以带来更快的性能。虽然记住完全或 部分匹配的对象需要内存，它提供了速度和可伸缩性的特点。当一条规则的所有条件都满足，这就是完全匹配。而只有部分条件满足，就是部分匹配。（我觉得引擎 在每个节点都有其对应的内存来储存满足该节点条件的对象，这就造成了如果一个对象是完全匹配，那这个对象就会在每个节点的对应内存中都存有其映象。）
2. Leaps 算法：
Proction systems 的 Leaps 算法使用了一种“ lazy ”方法来评估条件（ conditions ）。一种 Leaps 算法的修改版本的实现，作为 Drools v3 的一部分，尝试结合 Leaps 和 RETE 方法的最好的特点来处理 Working Memory 中的 facts 。
古典的 Leaps 方法将所有的 asserted 的 facts ，按照其被 asserted 在 Working Memory 中的顺序（ FIFO ），放在主堆栈中。它一个个的检查 facts ，通过迭代匹配 data type 的 facts 集合来找出每一个相关规则的匹配。当一个匹配的数据被发现时，系统记住此时的迭代位置以备待会的继续迭代，并且激发规则结果（ consequence ）。当结果（ consequence ）执行完成以后，系统就会继续处理处于主堆栈顶部的 fact 。如此反复。
rule
when
Cheese( $chedddar : name == " cheddar " )
$person : Person( favouriteCheese != $cheddar )
then
System.out.println( $person.getName() + " does likes cheddar " );
end
rule
when
Cheese( $chedddar : name == " cheddar " )
$person : Person( favouriteCheese == $cheddar )
then
System.out.println( $person.getName() + " likes cheddar " );
end
本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/icefishchwd/archive/2007/01/22/1489668.aspx
5. 谁能介绍一些关于规则引擎方面的书籍，论文参考用！
基于规则引擎的企业服务开发模式
陶晓俊,朱敏
(华东师范大学 信息科学技术学院 计算中心,上海 200062)
摘要:本文围绕规则引擎技术分离业务流程和业务规则的思想,探讨并提出一套有效使用规则引擎技术开发企业服务应用系统时所遵循的开发模式,其中包括设计一种基于规则引擎的企业服务模型;提出实际开发过程中紧密结合规则引擎思想,使用规则引擎技术实现企业服务应用的具体步骤和方法.
关键词:规则引擎 JSR-94 Rete算法 Drools
Pattern of Building Enterprise Services with Rule Engine
TAO Xiao-jun,ZHU Min
(Computer Center, East China Normal University, Shanghai, 200062, China)
Abstract:This article will study and advance a pattern which is based on the idea of rule engine for practical building enterprise services that using rule engine technology effectively and handy. The pattern includes a model of enterprise services based on rule engine, and the step and process of developing enterprise services using rule engine technology.
Key Words:Rule Engine JSR-94 Rete Arithmetic Drools
1. 引言
规则引擎是用以管理和自动实现业务规则的软件系统,其主要实现的功能是存储,分类和管理规则,验证规则的一致性,通过规则推断其它规则,联系规则和执行这些规则的应用程序,其中的规则主要是指企业或商务业务逻辑,法律条款,企业政策等.规则引擎概念的思想是从软件的应用逻辑中分离出商业规则,以实现商业应用的灵活性.在传统的企业服务应用程序开发模式下,业务逻辑被直接固定在应用程序代码中,这使得应用程序维护复杂并且代价昂贵,变化的商业规则和业务流程总是引起对应用程序的频繁修改,尤其面临动态商业模型和业务流程的挑战时,传统模式下开发的应用程序往往面临全面和代价高昂的修改,甚至设计变化.解决这个问题就需要采用新的开发模式,将业务逻辑从代码层剥离.使用规则引擎恰恰提供了一个将业务处理和业务规则处理分离,共用和统一管理维护业务规则的系统开发构架.本文以下探讨的就是基于规则引擎的企业服务应用开发模式,其中包括基于规则引擎的企业服务模型和基本的开发步骤和方法.
2. 基于规则引擎的企业服务模型
设计明确和有效的系统模型是企业服务系统得以顺利进行的前提.图1设计了一个简单的基于使用符合JSR-94标准的规则引擎及其模式开发的企业服务应用程序的体系结构.
图1
"图1"描述的企业服务体系分为三个部分:
应用程序/数据获得系统:捕获和存储应用程序提交的所有数据,是业务服务的使用者.主要功能是提交业务请求和处理业务判定.
业务服务:通过具体实现的可调用的网络服务器或者API,调用选定的规则引擎来执行业务规则逻辑或对业务规则逻辑进行运算,产生反馈信息和数据.同时也提供方便和有效维护业务规则逻辑的功能.
支持服务:提供业务服务使用者所提交的相关数据,即规则引擎执行业务规则或运算业务规则所需要的相关数据或应用程序或服务接口.
3. 基于规则引擎的企业服务开发模式中的步骤和方法
在基于规则引擎的企业服务开发模式中,至关重要的原则是:(1)分离工作流程和业务规则;(2)形式化地描述业务规则.在这个开发模式过程中,这两个原则贯穿始终.分离工作流程和业务规则的目的在于将关键的业务判断规则和业务事件响应提取出来,置于系统的公共部位(业务服务),供不同的应用程序工作流程使用,并且便于维护和管理.这是此模式下开发系统得以顺利进行的前提.形式化地描述业务规则的目的则是将业务规则以一种能够被规则引擎处理的形式描述和表示,使业务规则可被运算化,使应用程序可以按照即定义的约定通过一个服务层来访问这些规则.
以下提及和讨论的开发模式中的方法和原则都围绕着以上两个原则展开.
3.1 使用决策表提取规则
在基于规则引擎的企业服务开发模式中首先要解决的问题是明确企业应用中有哪些规则以及对应的业务判定.商业事务中条件元素的集合构成规则,规则决定判定和反馈,在散乱的企业业务中初步提取规则和对应的判定可以使用决策表的方法.
规则1
规则2
……
规则i
条件1
条件值
条件2
……
条件j
判定1
是否反馈
判定2
……
判定k
表1
"表1"给出的是决策表的一般格式.参照"图一"所示模型,其中条件将成为系统中的数据域,条件值则是对应的数据,是支持服务管理和维护的对象,同时是应用程序/数据获得系统捕获和提交的对象.若干条件及其值的集合构成规则,是业务服务管理和维护的对象,也是规则引擎处理的根据.判定是业务服务通过规则引擎处理给出的反馈,最后由应用程序/数据获得系统接收.
下面使用一个企业决定销售人员当月销售奖金的例子来进一步说明决策表的使用:
A
B
C
D
E
F
G
1
rule1
rule2
rule3
rule4
rule5
rule6
2
achieveTarget
N
N
N
Y
Y
Y
3
saleVolume
preMonth
>=10k
<10k
=10k
4
warn
Y
N
N
N
Y
N
5
amortization
0%
1%
2%
2%
2%
3%
表2
表2中的"achieveTarget"表示条件"完成销售指标";"saleVolume"表示条件"销售额";"amortization" 表示判定"提成";"warn"表示判定"提出警告";"preVolume"表示数据"上月销售额".
在"表2"中,列A描述了应用中所涉及的条件和系统处理后的判定,与各个条件或者判定同行的单元格中的值组合构成列B至列G,列B至列G中的每一列都是通过决策表得以分离的规则,规则通过条件值集合和判定反馈值的形式得以描述.例如规则2(rule2)描述的业务规则是:若没有完成销售指标,且销售额大于上月销售额,那么不给警告,并且判定提成比率为1%.规则5(rule5)描述的业务规则是:若完成销售指标,且销售额小于或等于上月销售额,那么给予警告,并且判定提成比率为1%.在实际的应用中可以通过对企业成文或不成文商业规则的总结和归纳来生成决策表,在必要时,例如商业规则不明确时也可以通过对条件组合的穷举来制定决策表,在以后的开发过程中再进行精简.
分离商业规则是基于规则引擎开发企业应用的前提,它是基于规则引擎的企业服务开发模式中的第一步,也是必须和最重要的步骤.如果使用本文提供的决策表方法可以比较方便地分离业务逻辑和商业规则,比较清晰准确地描叙规则,并且具有与基于规则引擎的企业服务模型结合比较紧密的特点,这一特性使其可以对后续开发步骤中问题的解决提供有力支持.
3.2 分析和解决规则冲突.
在分离和提取出规则之后,必须考虑规则之间的冲突,这里提到的冲突主要是指由于规则之间同一条件的值域相交而引起的判定歧义.如果规则之间存在冲突而没有得到解决将造成判定结果的不确定,使规则引擎的处理不能正确进行.我们可以通过使用决策网格来侦测规则之间的冲突.具体的做法是将各条规则依次置于网格的行首和列首,网格中的每一个单元表示对应规则的交叉点,用以记录相交的规则或者规则集合为真时,反馈值是否发生歧义.判断规则是否冲突的依据是相交规则所包含条件值域的交集以及各个判定的反馈值,具体流程如"图2"所示:
图2
以2.1中得到的规则为例,使用决策网格分析对于判定amortization的反馈,各条规则之间的冲突情况,结果如"表3"所示.
rule1
rule2
rule3
rule4
rule5
rule6
rule1
NC
Y[1,2]
N
N
N
N
rule2
Y[1,2]
NC
Y[2]
N
N
N
rule3
N
Y[2]
NC
N
N
N
rule4
N
N
N
NC
Y[1]
N
rule5
N
N
N
Y[1]
NC
Y[1,2]
rule6
N
N
N
N
Y[1,2]
NC
表3
"表3"清晰地描述了各条规则之间的冲突情况,其中Y表示规则可能同时为真,并且有冲突,跟随其后的"[]"中指出具体发生冲突的判定名,判定序号或判定的描述;N表示规则没有冲突或者不可能同时发生.
在明确了规则之间的冲突关系之后,自然必须考虑如何解决冲突.在本文中我们提出三种解决规则冲突的方案:(1)优先级模式;(2)队列模式;(3)常用模式
优先级模式:设定规则的优先级顺序,在规则发生冲突时采纳较高优先级规则的判定反馈.有利于保持业务处理结果的长期稳定性,适用于业务处理规则比较明确的企业应用
队列模式:先进先出原则,即先使用原则.在一个时间段内集中批处理业务时,若发生规则冲突,则采纳先使用(前一次或第一次处理已使用)规则的判定反馈.有利于保证统一批次业务处理结果的一致性,适用于有业务高峰的企业应用.
常用模式:记录和参考业务处理中规则的使用频率(规则为真的频率),在发生规则冲突时采纳使用频率较高或较低的规则反馈.有利于根据业务开展情况灵活适用规则,适用于业务开展情况多变的企业应用.
在一个企业应用服务中,以上提出的规则冲突解决方案可以单一使用也可以结合使用,以构成企业应用的规则冲突解决机制.在没有采取规则冲突解决方案的情况下,一般规则引擎会采用LIFO (last in, first out)原则解决规则冲突,但是对于一个成功的基于规则引擎开发的企业应用,一套规则冲突解决机制是必不可少的.
3.3 形式化描述规则
规则集的冲突问题得到解决之后,基于规则引擎的企业服务开发模式的下一步是要形式化地描述规则,使其具有可代码化和可运算化的性质.当前的规则引擎一般都是基于Dr. Charles L. Forgy 于1979年提出的Rete算法(网络算法).Rete算法的基本思想是组织一个有效的辨别网络,通过数据在网络中的传播来过滤数据.Rete算法的具体做法是首先建立一个根结点(root node)作为数据对象进入辨别网络的入口,根据规则所包含的条件建立测试结点构成辨别网络,在网络的最底层构建若干终结点(terminal node)描述相应的规则.数据对象进入辨别网络之后经过途径结点,最终到达某个终结点,激活这个终结点所描述的规则.根据Rete算法的特性,要求将规则分割为LHS(left hand side)和RHS(right hand side),LHS由规则的条件部分组成,决定辨别网络中测试结点的生成,RHS由规则的判定部分组成,决定辨别网络中终结点的生成.
以2.1中得到的规则为例,可以采用在提取规则步骤中得到的决策表来解决问题,对于各个规则,其所在的列条件值构成它的LHS,判定反馈值则构成它的RHS.由此,每一条规则都可以被形式化地描述为:
形式化地描述规则为基于规则引擎的企业服务开发模式中后续的将规则代码化过程做了铺垫.
3.4 设计业务流程
与通常的设计模式相同,基于规则引擎的企业服务开发模式也包含和关注企业服务的业务流程设计.由于实现了业务流程与业务规则的分离,使得业务流程的设计得到很大的简化,业务流程中不再需要设计繁琐和庞大的条件判断,大大减轻了业务程序的负担.业务流程的设计原则应遵从"图1"描述的服务模型,设计方法则采用与以往设计模式相同的UML方法,在本文中不作详细的讨论,只以2.1中提出的例子为例,给出相应的业务流程活动图来直观说明分离业务流程与业务规则之后使得业务流程设计得到简化的程度.
图3
从"图3"中可以清晰地看到,业务流程已不包含业务逻辑,当业务逻辑改变时,不需要对业务流程作出改变.
3.5 业务规则代码化和业务流程代码化
代码化的步骤既是企业服务具体得到实现的过程,简而言之就是程序代码实现的过程.在这个过程中,需要遵从前序步骤的设计和结果,并且围绕"图1"描述的服务模型展开.在此以2.1中提出的例子为例,选用Java语言和"Drools"规则引擎来实现代码化.本文只给出需要实现的类及其简述,而不给出具体实现代码.
应用程序部分的实现
SellApplication.class 捕获数据,提交业务判定请求,接收反馈,实现业务流程.
SalesPerson.class 记录销售人员相关数据的数据对象.
FeedBack.class 记录判定和反馈数据.
支持服务部分的实现
AchieveTargetService.class 负责给出销售人员完成销售指标的情况.
SaleVolume.class 负责提供销售人员月和上月的销售额.
业务服务部分的实现
AmortizationService.class 接受业务判定请求,调用规则引擎服务,反馈判定
规则的代码化
以"表1"中的rule1为例,其对应"Drools" 规则引擎的代码如下
rule "rule1"
salience -100 //优先级设定
when //LHS
SalesPerson(achieveTarget == false, SaleVolume <= 100000)
$sa: SellApplication()
$fb: FeedBack()
then //RHS
fb.setWarn(true);
fb.setAmortization("0%");
sa.setFeedBack(fb);
end
4.结束语
本文提出的基于规则引擎构架的企业服务开发模式紧密地与规则引擎思想相结合,提出的步骤和方法能够很好地帮助开发人员在开发企业应用服务过程中分离业务流程和业务规则,明确业务规则,并且使得这些业务规则具有可描述化,可用化的性质,最终得以在应用服务中实现作用.虽然规则引擎的应用还不广泛,不深入,但是其概念和理论已经比较成熟,针对于企业服务应用,尤其在动态商业模式下的企业应用有着明显的优势.在实际的企业应用服务开发过程中,引入基于规则引擎构架的企业服务开发模式将使得企业服务应用具有更高的可维护性和更高的灵活性,具有推广使用的价值.
参考文献:
[1] Malcolm Chisholm.How to Build a Business Rules Engine [M]. USA:Morgan Kaufmann,2003.11
[2] Ian Graham.Business Rules Management and Service Oriented Architecture [M]. USA:Wiley,2007.01
[3] (美)伽玛 等着,李英军 等译.设计模式[M]. 北京:机械工业出版社,2005.06
[4] (美)迪达等 着,李宏东等 译,模式分类(原书第2版)[M]. 北京:机械工业出版社,2003.09
6. drools 是什么
Drools（JBoss Rules ）具有一个易于访问企业策略、易于调整以及易于管理的开源业务规则引擎，符合业内标准，速度快、效率高。业务分析师或审核人员可以利用它轻松查看业务规则，从而检验是否已编码的规则执行了所需的业务规则。
JBoss Rules 的前身是Codehaus的一个开源项目叫Drools。最近被纳入JBoss门下，更名为JBoss Rules，成为了JBoss应用服务器的规则引擎。
Drools是为Java量身定制的基于Charles Forgy的RETE算法的规则引擎的实现。具有了OO接口的RETE,使得商业规则有了更自然的表达
7. 关于发动机引擎书籍
内燃机工作原理方面的书籍很多，有海伍德的《internal combustion engine fundamental是》英文版、《Internal Combustion Engine Handbook: Basics, Components, Systems, and Perspectives》等。你可以到MIT或者网上搜，关于内燃机的书很多，每本书的侧重点不同，根据自己的需要，合理地选择适合自己的书。
关于内燃机制造工艺方面的书籍，我不了解。据说马勒出过这方面的书。
国外比较权威的汽车书籍出版有SAE，你可以去官网查查。
仅供参考
8. drools规则的性能跟if else比较哪个好
1.一样的If--Then 句式与Rete引擎
三者都会把原来混乱不堪的if---else---elseif----else谜团，
拆成N条带优先级的"If 条件语句 then 执行语句" 的句式。
三者都主要使用foreward-chaining的Rete引擎，按优先级匹配条件语句，执行规则语句。
规则执行后会引发事实的变化，引擎又会重新进行条件匹配，直到不能再匹配为止，Rete的算法保证了效率的最高。
2.开发人员使用的规则语言
2.1 Drools的XML框架+Java/Groovy/Python嵌入语言
Drools的用XML的<Conditons>、<Consequence> 节点表达If--Then句式，而里面可以嵌入上述语言的代码作为判断语句和执行语句。
其中Java代码会使用Antlr进行解释，而Groovy和Python本身就是脚本语言，可以直接调用。
Drools的聪明之处在于，用XML节点来规范If--Then句式和事实的定义，使引擎干起活来很舒服。
而使用Java,Groovy等原生语言来做判断和执行语句，让程序员很容易过渡、移植，学习曲线很低。