ルールエンジン DSL の再作成

Dec 01, 2024 am 09:36 AM

数年前、私はもともと仕事のルールエンジン用に設計されたドメイン固有言語 (DSL) を再実装しました。おもちゃの再実装は Javascript (元々は Python) で書かれ、GitHub にリリースされました。これは公開すべきではない非常に特殊な使用例向けに特別に設計されていたため、あまり効果があるとは期待していませんでした。

Remaking a rule-engine DSL
bing副操縦士が吐いたちょっと可愛い写真

設計の主な目標は、簡単にシリアル化できるものにすることでした。チューリング完全性は次の 2 つのことだけを実行するだけで必要だったので、気にする必要はありませんでした。

  1. 簡単なブール比較 (x が y に対して == の場合)
  2. 辞書/ハッシュのフィールドから値を取得します

私はまず Python で匿名関数を書くことから始めました。ただし、作業を一連のスレッド/プロセスに分散しようとすると、インタープリターはラムダがシリアル化できないと不平を言いました。当時、メイン コードの外側にロジックを配置する必要があったため、最終的にはその目的のために DSL を作成しました。

最初に思い浮かんだのは Lisp でした。コードが配列/リストに似ているところが気に入っているからです。構成は既に YAML に保存されているため、類似性は良いことです。したがって、ロジックを表現するための新しい方法を作成することを心配する必要はありません。

言語をリストとして保存すると、別の利点がもたらされます。パーサーを最初から作成する必要がありません。つまり、トークン化/字句解析 (レクサー) を実行する必要がありません。言い換えれば、著者はレクサーです。実装する必要があるのは、入力リストを取得し、それがプログラムであるかどうかを確認し (これをルールと呼びます)、コンテキストに基づいて実行することだけです。

const schema = ["condition.Equal", ["basic.Field", "foo"], ["basic.Field", "bar"]];

// returns a function that checks if context.foo === context.bar
const rule = ruler.parse(rule)

const context = {foo: "meow", bar: "woof"};
rule(context) // returns false
ログイン後にコピー
ログイン後にコピー

すべてが期待どおりにうまくいきました。そして数日前、Python でスキームを実装するための記事を偶然見つけました。おそらく以前、Clojure の学習に多くの時間を費やしていたときにこの記事を読みました。ただし、今回は、Python を使用してライブラリを最初から再実装することにしました。

そこで、今回はトークン化してレクサーを自分で実行する必要がありました。数値だけを扱う場合はすべて簡単ですが、文字列となると話はさらに複雑になります。別のチュートリアルに従って、make-a-lisp プロジェクトを再発見しました。結局諦めて、hy-lang が提供するレクサーを使用しました。

レクサーは s 式を受け取り、抽象構文ツリーに似た構造を返します。そこから、ツリーをトラバースしてパーサーを構築し、コンテキストとして辞書を受け取るクロージャーとしてルールを返します。

const schema = ["condition.Equal", ["basic.Field", "foo"], ["basic.Field", "bar"]];

// returns a function that checks if context.foo === context.bar
const rule = ruler.parse(rule)

const context = {foo: "meow", bar: "woof"};
rule(context) // returns false
ログイン後にコピー
ログイン後にコピー

私は数年間仕事を辞めていたので、新しい実装には実際的な利点はありません。私が残した実装はおそらく今日まで問題なく動作します (これに至るまでに非常に多くの反復を行った後であった方が良いでしょう)。しかし、この旅を通して私はまだ一つか二つのことを学びます。これが興味深いと思われた場合は、JavaScript (配列内のルール スキーマが必要な場合) または新しい Python バージョン (s 式) を自由にチェックしてください。

以上がルールエンジン DSL の再作成の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

このウェブサイトの声明
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。

ホットAIツール

Undresser.AI Undress

Undresser.AI Undress

リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover

AI Clothes Remover

写真から衣服を削除するオンライン AI ツール。

Undress AI Tool

Undress AI Tool

脱衣画像を無料で

Clothoff.io

Clothoff.io

AI衣類リムーバー

Video Face Swap

Video Face Swap

完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

ホットツール

メモ帳++7.3.1

メモ帳++7.3.1

使いやすく無料のコードエディター

SublimeText3 中国語版

SublimeText3 中国語版

中国語版、とても使いやすい

ゼンドスタジオ 13.0.1

ゼンドスタジオ 13.0.1

強力な PHP 統合開発環境

ドリームウィーバー CS6

ドリームウィーバー CS6

ビジュアル Web 開発ツール

SublimeText3 Mac版

SublimeText3 Mac版

神レベルのコード編集ソフト(SublimeText3)

Python vs. C:曲線と使いやすさの学習 Python vs. C:曲線と使いやすさの学習 Apr 19, 2025 am 12:20 AM

Pythonは学習と使用が簡単ですが、Cはより強力ですが複雑です。 1。Python構文は簡潔で初心者に適しています。動的なタイピングと自動メモリ管理により、使いやすくなりますが、ランタイムエラーを引き起こす可能性があります。 2.Cは、高性能アプリケーションに適した低レベルの制御と高度な機能を提供しますが、学習しきい値が高く、手動メモリとタイプの安全管理が必要です。

Pythonの学習:2時間の毎日の研究で十分ですか? Pythonの学習:2時間の毎日の研究で十分ですか? Apr 18, 2025 am 12:22 AM

Pythonを1日2時間学ぶだけで十分ですか?それはあなたの目標と学習方法に依存します。 1)明確な学習計画を策定し、2)適切な学習リソースと方法を選択します。3)実践的な実践とレビューとレビューと統合を練習および統合し、統合すると、この期間中にPythonの基本的な知識と高度な機能を徐々に習得できます。

Python vs. C:パフォーマンスと効率の探索 Python vs. C:パフォーマンスと効率の探索 Apr 18, 2025 am 12:20 AM

Pythonは開発効率でCよりも優れていますが、Cは実行パフォーマンスが高くなっています。 1。Pythonの簡潔な構文とリッチライブラリは、開発効率を向上させます。 2.Cのコンピレーションタイプの特性とハードウェア制御により、実行パフォーマンスが向上します。選択を行うときは、プロジェクトのニーズに基づいて開発速度と実行効率を比較検討する必要があります。

Python vs. C:重要な違​​いを理解します Python vs. C:重要な違​​いを理解します Apr 21, 2025 am 12:18 AM

PythonとCにはそれぞれ独自の利点があり、選択はプロジェクトの要件に基づいている必要があります。 1)Pythonは、簡潔な構文と動的タイピングのため、迅速な開発とデータ処理に適しています。 2)Cは、静的なタイピングと手動メモリ管理により、高性能およびシステムプログラミングに適しています。

Python Standard Libraryの一部はどれですか:リストまたは配列はどれですか? Python Standard Libraryの一部はどれですか:リストまたは配列はどれですか? Apr 27, 2025 am 12:03 AM

PythonListSarePartOfThestAndardarenot.liestareBuilting-in、versatile、forStoringCollectionsのpythonlistarepart。

Python:自動化、スクリプト、およびタスク管理 Python:自動化、スクリプト、およびタスク管理 Apr 16, 2025 am 12:14 AM

Pythonは、自動化、スクリプト、およびタスク管理に優れています。 1)自動化:OSやShutilなどの標準ライブラリを介してファイルバックアップが実現されます。 2)スクリプトの書き込み:Psutilライブラリを使用してシステムリソースを監視します。 3)タスク管理:スケジュールライブラリを使用してタスクをスケジュールします。 Pythonの使いやすさと豊富なライブラリサポートにより、これらの分野で優先ツールになります。

科学コンピューティングのためのPython:詳細な外観 科学コンピューティングのためのPython:詳細な外観 Apr 19, 2025 am 12:15 AM

科学コンピューティングにおけるPythonのアプリケーションには、データ分析、機械学習、数値シミュレーション、視覚化が含まれます。 1.numpyは、効率的な多次元配列と数学的関数を提供します。 2。ScipyはNumpy機能を拡張し、最適化と線形代数ツールを提供します。 3. Pandasは、データ処理と分析に使用されます。 4.matplotlibは、さまざまなグラフと視覚的な結果を生成するために使用されます。

Web開発用のPython:主要なアプリケーション Web開発用のPython:主要なアプリケーション Apr 18, 2025 am 12:20 AM

Web開発におけるPythonの主要なアプリケーションには、DjangoおよびFlaskフレームワークの使用、API開発、データ分析と視覚化、機械学習とAI、およびパフォーマンスの最適化が含まれます。 1。DjangoandFlask Framework:Djangoは、複雑な用途の迅速な発展に適しており、Flaskは小規模または高度にカスタマイズされたプロジェクトに適しています。 2。API開発:フラスコまたはdjangorestFrameworkを使用して、Restfulapiを構築します。 3。データ分析と視覚化:Pythonを使用してデータを処理し、Webインターフェイスを介して表示します。 4。機械学習とAI:Pythonは、インテリジェントWebアプリケーションを構築するために使用されます。 5。パフォーマンスの最適化:非同期プログラミング、キャッシュ、コードを通じて最適化

See all articles