CN112131014A - 决策引擎系统及其业务处理方法 - Google Patents
决策引擎系统及其业务处理方法 Download PDFInfo
- Publication number
- CN112131014A CN112131014A CN202010912589.8A CN202010912589A CN112131014A CN 112131014 A CN112131014 A CN 112131014A CN 202010912589 A CN202010912589 A CN 202010912589A CN 112131014 A CN112131014 A CN 112131014A
- Authority
- CN
- China
- Prior art keywords
- data
- decision
- rule
- cep
- flink
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims description 12
- 230000009977 dual effect Effects 0.000 claims description 8
- 230000000903 blocking effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 description 6
- 238000005192 partition Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/542—Event management; Broadcasting; Multicasting; Notifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/544—Buffers; Shared memory; Pipes
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer And Data Communications (AREA)
Abstract
本申请公开了一种决策引擎系统及其业务处理方法,包括:决策服务端、规则配置服务端、CEP引擎、第一客户端以及第二客户端;决策服务端用于接收第一用户终端发送的业务数据流,将业务数据流传递到CEP引擎;业务数据流包括业务数据;规则配置服务端用于接收第二用户终端发送的规则数据流,将规则数据流下发至CEP引擎;CEP引擎包括至少一个具有双数据I/O接口的Flink CEP算子,Flink CEP算子用于通过双数据I/O接口分别接收业务数据和规则数据后,解析规则数据,并通过双数据I/O接口中的第一数据I/O接口将规则数据的解析结果发送至第一客户端;将业务数据与规则数据进行规则匹配,获得决策结果,并通过双数据I/O接口中的第二数据I/O接口将决策结果发送至第二客户端。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种决策引擎系统及其业务处理方法。
背景技术
目前在IT业务系统中,通常会通过决策引擎系统来进行决策管理。现有的基于Flink进行开发的决策引擎系统,通常是将规则数据硬编码在Flink Job中,然后在接收到决策服务端发送的业务数据时,与编码在Flink Job中的规则数据进行策略匹配后输出决策结果。这种方式使得业务数据每次都经过一样的规则匹配,在需要匹配不同的规则时,需要修改代码然后重新部署Flink Job才能更新规则,影响决策引擎系统的运行效率。
为解决上述问题,现有技术中,通过由规则配置服务端下发规则数据流,然后采用Flink算子的Join操作,把规则数据流与决策服务端下发的业务数据流进行合并,将业务数据流添加到规则数据流中进行规则匹配,从而输出决策结果。但是这种方式中规则数据流的推送只支持异步拉取,无法适应其他业务场景,使用效果差,且Join操作后只能一起处理一起输出,因此无法判断规则数据流中的规则数据是否全部解析成功或是否已经更新,导致无法进行结果校验,进而使得用户体验效果差。
发明内容
本申请实施例所要解决的技术问题在于,拓展业务的支持场景,同时可对规则数据的解析结果进行效验,提升用户体验。
为解决上述问题,本申请实施例提供一种决策引擎系统,包括:决策服务端、规则配置服务端、CEP引擎、第一客户端以及第二客户端;
所述决策服务端用于接收第一用户终端发送的业务数据流,将所述业务数据流传递到所述CEP引擎;其中,所述业务数据流包括至少一个业务数据;
所述规则配置服务端用于接收第二用户终端发送的规则数据流,将所述规则数据流下发至所述CEP引擎;其中,所述规则数据流包括至少一个规则数据;
所述CEP引擎包括至少一个具有双数据I/O接口的Flink CEP算子,所述Flink CEP算子用于通过所述双数据I/O接口分别接收所述业务数据和所述规则数据后,解析所述规则数据,并通过所述双数据I/O接口中的第一数据I/O接口将所述规则数据的解析结果发送至所述第一客户端;以及,
将所述业务数据与所述规则数据进行规则匹配,获得决策结果,并通过所述双数据I/O接口中的第二数据I/O接口将所述决策结果发送至所述第二客户端;其中,所述FlinkCEP算子通过继承Flink框架的双数据接口形成所述双数据I/O接口。
进一步的,所述决策服务端、所述规则配置服务端以及所述CEP引擎部署在Flink框架平台中的分布式设备上。
进一步的,所述决策服务端具体用于:
将所述业务数据流通过Hash通道传递到所述CEP引擎。
进一步的,所述规则配置服务端具体用于:
将所述规则数据流通过广播通道下发至所述CEP引擎。
进一步的,所述第一客户端用于:
检测是否接收到所述CEP引擎中各所述Flink CEP算子的解析结果,并当接收到所述CEP引擎中各所述Flink CEP算子的解析结果时,将各所述规则数据的解析结果发送至所述规则配置服务端,以使所述规则配置服务端向所述第二用户终端反馈各所述规则数据的解析结果。
进一步的,所述第二客户端用于:
根据与各所述Flink CEP算子对应的各预设权重,选取所述各预设权重中权重值最大的所述Flink CEP算子生成的决策结果形成最终决策信息;或,
根据所述各预设权重,对各所述Flink CEP算子生成的决策结果进行加权,形成所述最终决策信息。
进一步的,所述第二客户端还用于:
检测是否接收到所述CEP引擎中各所述Flink CEP算子的解析结果,并当接收到所述CEP引擎中各所述Flink CEP算子的决策结果时,根据所述各预设权重形成所述最终决策信息。
进一步的,所述第二客户端用于将所述最终决策信息发送至所述决策服务端,以使所述决策服务端向所述第一用户终端反馈所述最终决策信息;其中,所述决策服务端在传递所述业务数据后进行阻塞等待,直至接收到所述最终决策信息。
一种决策引擎系统的业务处理方法,所述决策引擎系统包括决策服务端、规则配置服务端、CEP引擎、第一客户端以及第二客户端;所述方法包括:
所述CEP引擎的Flink CEP算子通过双数据I/O接口分别接收所述决策服务端传递的业务数据以及所述规则配置服务端下发的规则数据;其中,所述业务数据为所述决策服务端接收到的业务数据流中的任意一个业务数据;所述规则数据为所述规则配置服务端接收到的规则数据流中的任意一个规则数据;其中,所述Flink CEP算子通过继承Flink框架的双数据接口形成所述双数据I/O接口;
所述Flink CEP算子解析所述规则数据,并通过所述双数据I/O接口中的第一数据I/O接口将所述规则数据的解析结果发送至所述第一客户端;以及,
所述Flink CEP算子将所述业务数据与所述规则数据进行规则匹配,获得决策结果,并通过所述双数据I/O接口中的第二数据I/O接口将所述决策结果发送至所述第二客户端。
与现有技术相比,本实施例通过双接收双输出,使得规则数据流的推送可适应其他业务场景,使用效果佳,可以多次处理多次输出,因此可以判断规则数据流中的规则数据是否全部解析成功或是否已经更新,可以进行结果校验,从而在拓展业务的支持场景的同时,可对规则数据的解析结果进行效验,提升用户体验。
附图说明
图1一实施例提供的决策引擎系统的结构示意图;
图2是一实施例提供的决策引擎系统的业务处理方法的步骤流程图;
图3是一个实施例提供的终端设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
现有技术是通过由规则配置服务端下发规则数据流,然后采用Flink算子的Join操作,把规则数据流与决策服务端下发的业务数据流进行合并,将业务数据流添加到规则数据流中进行规则匹配,从而输出决策结果。但是这种方式中规则数据流的推送只支持异步拉取,无法适应其他业务场景,使用效果差,且Join操作后只能一起处理一起输出,因此无法判断规则数据流中的规则数据是否全部解析成功或是否已经更新,导致无法进行结果校验,进而使得用户体验效果差。
下面结合附图对本公开示例实施方式进行详细说明。
在一个实施例中,如图1所示,提供了一种决策引擎系统,包括决策服务端101、规则配置服务端102、CEP引擎103、第一客户端104、第二客户端105。
其中,决策服务端101、规则配置服务端102、CEP引擎103、第一客户端104以及第二客户端105之间通信连接,通信连接可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。第一客户端104以及第二客户端105具体可以是台式终端或移动终端,移动终端具体可以手机、平板电脑、笔记本电脑等终端中的至少一种。
决策引擎系统具体包括:
决策服务端101,用于接收第一用户终端发送的业务数据流,将业务数据流传递到CEP引擎;其中,业务数据流包括至少一个业务数据。
其中,决策服务端101在启动时可以动态获取本机的可用端口并绑定,同时把决策服务端101的IP地址和端口注册到中间件中,通过此决策服务端101的IP地址对外提供Restful接口服务。
在进行决策前,用户可以在第一用户终端执行业务操作,在接收到用户的业务操作后,第一用户终端可以响应该业务操作,生成该业务操作对应的业务数据流,并将该业务数据流发送至决策服务端101,该业务数据流包括至少一个业务数据。在接收到业务数据流后,决策服务端101可以将该业务数据流发送到CEP引擎,同时决策服务端101进行阻塞等待决策结果同步返回。
在一实施例中,决策服务端101可以支持Http协议的同步请求,使得用户可以快速同步的得到决策结果,满足实时决策的需求。也可以采用Kafka队列服务接收第一用户终端生成的业务数据流,通过Flink CEP算子监听Kafka队列并实时消费其中的业务数据流,决策服务端101获取到业务数据流后把业务数据流下发到Flink CEP算子,实现准实时决策。在准实时决策中,系统会将第一用户终端发送的业务数据发布到Kafka主题中,然后由决策服务端101根据Kafka主题去消费kafka对应的数据。
规则配置服务端102用于接收第二用户终端发送的规则数据流,将规则数据流下发至CEP引擎103;其中,规则数据流包括至少一个规则数据。
在一实施例中,配置服务端102在启动时可以动态获取本机的可用端口并绑定,同时把配置服务端102的IP地址和端口注册到中间件zookeeper中,通过此配置服务端102的IP地址对外提供Restful接口服务。
在进行决策前,用户可以在第二用户终端执行规则操作。在接收到用户的规则操作后,第二用户终端可以响应该规则操作,生成该规则操作对应的规则数据流,并将该规则数据流发送至规则配置服务端102,该规则数据流包括至少一个规则数据。在接收到规则数据流后,规则配置服务端102可以将该规则数据流发送至CEP引擎103。
CEP引擎103包括至少一个具有双数据I/O接口的Flink CEP算子,其中,Flink CEP算子可通过继承Flink框架的两个数据接口形成双数据I/O接口。Flink CEP算子用于通过双数据I/O接口分别接收业务数据和规则数据后,解析规则数据,并通过双数据I/O接口中的第一数据I/O接口将规则数据的解析结果发送至第一客户端104;其中,第一数据I/O接口是双数据I/O接口中接收规则数据的接口。
在规则配置服务端102发送规则数据流以及决策服务端101发送业务数据流后,CEP引擎103中的Flink CEP算子可以通过至少一个双数据I/O接口分别接收业务数据和规则数据。具体的,在接收到业务数据和规则数据后,CEP引擎103中的Flink CEP算子解析规则数据,并通过双数据I/O接口中的第一数据I/O接口将规则数据的解析结果发送至第一客户端104。
CEP引擎103将业务数据与规则数据进行规则匹配,获得决策结果,并通过双数据I/O接口中的第二数据I/O接口将决策结果发送至第二客户端105;其中,第二数据I/O接口是双数据I/O接口中接收业务数据的接口。
在规则配置服务端102发送规则数据流以及决策服务端101发送业务数据流后,CEP引擎103将业务数据与规则数据进行规则匹配,获得决策结果,并通过双数据I/O接口中的第一数据I/O接口将决策结果发送至第二客户端105,由第二客户端105把决策结果返回到决策服务端101,最后由决策服务端101响应用户终端的业务数据流。由于第二客户端105获取到结果后,需要能够立刻把结果返回到决策服务端101中,这个过程往往是需要毫秒级响应的。因此,如果使用短连接,则每次返回结果都需要重新获取决策服务端101的地址,然后重新连接,此过程最少需要花费数毫秒,而对于同步决策的场景中是不能接受这种白白的性能开销。因此在一实施例中,第二客户端105与决策服务端101建立socket长连接,从而不需要每次重新连接决策服务端101。第二客户端105与决策服务端101建立socket长链接后,第二客户端105定时向决策服务端101发送心跳以维持与服务端的长链接,以保持连接长期存在。
在一实施例中,CEP引擎103可以在接收到规则数据流以及业务数据流后,把规则数据流以及业务数据流合并成一个数据流,使一个数据流可以同时接收决策数据和规则数据,保证不同的数据流的决策数据流可以匹配不同的策略,数据流之间的数据、策略相互不影响。通过改造规则数据流和业务数据流的Flink CEP算子,使得Flink CEP算子可以支持两个流输入,分别是数据流和规则流,数据流可支持同步和异步数据源,扩展了业务的支持场景;另外,改造后的Flink CEP算子,可以对两个流分别处理分别输出,而非只能一起处理一起输出,优点是规则数据流处理后可以输出是否解析完成,而业务数据流处理后可以输出决策结果,两个流处理相互不影响。
在一实施例中,决策服务端101、规则配置服务端102以及CEP引擎103部署在Flink框架平台中的分布式设备上。
在本实施例中,将CEP引擎103部署在Flink框架平台中的分布式设备上,可以利用Flink框架平台的分布式特性将一个CEP引擎103分别部署在多个节点(设备)中,使得CEP引擎103支持高并发和高可靠性;将决策服务端101部署在Flink框架平台中的分布式设备上,可以用以暴露接口给决策服务端101,使得决策服务端101可以将业务数据流发到特定的CEP引擎103的所有分布式设备中;规则配置服务端102部署在Flink框架平台中的分布式设备上,可以将接收的规则数据流下发到对应的CEP引擎103的所有决策算子中,并在决策算子的内存中缓存起来,以上数据交互过程都是在计算机进程中完成的,不需要网络传输,提高了传输效率。
在一实施例中,决策服务端101具体用于:将业务数据流通过Hash通道传递到CEP引擎。实现方式是通过修改Flink CEP算子的源码,把Flink CEP算子的单数据源输入(通道1OneInputStreamOperator)改为双数据源输入(通道2TwoInputStreamOperator),即单通道变为双通道,使得Flink CEP算子可以同时接收决策请求报文数据以及规则配置数据。决策服务端101下发决策数据时,通过通道1(Hash模式)进入Flink CEP算子并开始NFA流程;来自规则配置服务端102下发的规则数据,则通过通道2(广播模式)进入Flink CEP算子,进行规则解析并缓存。
在本实施例中,Hash通道中的每个数据流都只会根据它的主键传递到一个特定的分区,分区间的数据独立,使得业务数据流传递到CEP引擎时,传输效率更高,决策执行的效率也更高。
在一实施例中,规则配置服务端102具体用于:将规则数据流通过广播通道下发至CEP引擎103。
在本实施例中,广播算子是通过广播方式传递到下游算子,是传递到下游算子的所有分区,所有分区共享一份数据,因为一个算子内的规则应该保持一致,所以规则数据不需要在每个分区中独立保存,只需要在算子中保存一份即可,使用广播模式节省内存开销。
在一实施例中,第一客户端104用于:检测是否接收到CEP引擎103中各Flink CEP算子的解析结果,并当接收到CEP引擎103中各Flink CEP算子的解析结果时,将各规则数据的解析结果发送至规则配置服务端102,以使规则配置服务端102向第二用户终端反馈各规则数据的解析结果。在本实施例中,第一客户端104在汇集所有CEP算子的解析结果后才执行解析反馈的整合并将解析结果进行反馈,加上由于各规则数据发布到CEP算子是以同步推送的方式进行发布,从而使每个解析结果均能够正确地通知到第二用户终端,从而提高用户体验。其中,最终解析信息包括规则解析是否成功,哪条规则更新失败,失败原因是什么等。
第一客户端104在根据各规则数据的解析结果形成最终的结果报文后,采用侧输出策略,将结果报文发送到规则配置服务端102中,从而通过规则配置服务端102将解析信息展示到第二用户终端上。
在一实施例中,第二客户端105用于:根据与各Flink CEP算子对应的各预设权重,预设权重可以为预先设置的每个Flink CEP算子对应的权重值,代表的是每个Flink CEP算子的重要程度,选取各预设权重中权重值最大的Flink CEP算子生成的决策结果形成最终决策信息;或,根据各预设权重,对各Flink CEP算子生成的决策结果进行加权,形成最终决策信息。通过上述方式形成最终决策信息,提高了决策的准确度。
在一实施例中,第二客户端105还用于:检测是否接收到CEP引擎103中各FlinkCEP算子的解析结果,并当接收到CEP引擎103中各Flink CEP算子的决策结果时,根据各预设权重形成最终决策信息。在汇集所有CEP算子的决策结果后才执行整合,避免决策结果出错。
在一实施例中,第二客户端105用于将最终决策信息发送至决策服务端101,以使决策服务端101向第一用户终端反馈最终决策信息;其中,决策服务端101在传递业务数据后进行阻塞等待,直至接收到最终决策信息。决策服务端101同步获取决策结果。
与现有技术相比,本实施例通过双接收双输出,可支持http和kafka两种对接方式,拓展了业务数据流的场景,使其可以支持同步和异步的场景,使用效果佳。且规则数据流和业务数据流可以分开处理和输出,因此可以判断规则数据流中的规则数据是否全部解析成功或是否已经更新,可以进行结果校验,从而在拓展业务的支持场景的同时,可对规则数据的解析结果进行效验,提升用户体验。
在一个实施例中,如图2所示,提供了一种决策引擎系统的业务处理方法的步骤流程图,决策引擎系统包括决策服务端、规则配置服务端、CEP引擎、第一客户端以及第二客户端,具体包括如下步骤:
步骤301,CEP引擎的Flink CEP算子通过双数据I/O接口分别接收决策服务端传递的业务数据以及规则配置服务端下发的规则数据;其中,业务数据为决策服务端接收到的业务数据流中的任意一个业务数据;规则数据为规则配置服务端接收到的规则数据流中的任意一个规则数据;Flink CEP算子通过继承Flink框架的双数据接口形成双数据I/O接口。
在一实施例中,CEP引擎的Flink CEP算子通过双数据I/O接口接收决策服务端通过Hash通道传递的业务数据,以及接收规则配置服务端通过广播通道下发的规则数据。
步骤302,Flink CEP算子解析规则数据,并通过双数据I/O接口中的第一数据I/O接口将规则数据的解析结果发送至第一客户端。
步骤303,Flink CEP算子将业务数据与规则数据进行规则匹配,获得决策结果,并通过双数据I/O接口中的第二数据I/O接口将决策结果发送至第二客户端。
在一实施例中,提供了一种终端设备的结构示意图。如图3所示,该终端设备包括通过系统总线连接的处理器、存储器、输入/输出接口和数据库。其中,该终端设备的处理器用于提供计算和控制能力。该终端设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该终端设备的网络接口用于与外部的数据库连接,以接收数据库中的组件数据。该终端设备在处理器执行时以实现上述实施例所述的决策引擎系统的业务处理方法。本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的终端设备的限定,具体的终端设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
以上所述是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本申请的保护范围。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
Claims (10)
1.一种决策引擎系统,其特征在于,包括:决策服务端、规则配置服务端、CEP引擎、第一客户端以及第二客户端;
所述决策服务端用于接收第一用户终端发送的业务数据流,将所述业务数据流传递到所述CEP引擎;其中,所述业务数据流包括至少一个业务数据;
所述规则配置服务端用于接收第二用户终端发送的规则数据流,将所述规则数据流下发至所述CEP引擎;其中,所述规则数据流包括至少一个规则数据;
所述CEP引擎包括至少一个具有双数据I/O接口的Flink CEP算子,所述Flink CEP算子用于通过所述双数据I/O接口分别接收所述业务数据和所述规则数据后,解析所述规则数据,并通过所述双数据I/O接口中的第一数据I/O接口将所述规则数据的解析结果发送至所述第一客户端;以及,
将所述业务数据与所述规则数据进行规则匹配,获得决策结果,并通过所述双数据I/O接口中的第二数据I/O接口将所述决策结果发送至所述第二客户端;其中,所述Flink CEP算子通过继承Flink框架的双数据接口形成所述双数据I/O接口。
2.根据权利要求1所述的决策引擎系统,其特征在于,所述决策服务端、所述规则配置服务端以及所述CEP引擎部署在Flink框架平台中的分布式设备上。
3.根据权利要求1所述的决策引擎系统,其特征在于,所述决策服务端具体用于:
将所述业务数据流通过Hash通道传递到所述CEP引擎。
4.根据权利要求1所述的决策引擎系统,其特征在于,所述规则配置服务端具体用于:
将所述规则数据流通过广播通道下发至所述CEP引擎。
5.根据权利要求1所述的决策引擎系统,其特征在于,所述第一客户端用于:
检测是否接收到所述CEP引擎中各所述Flink CEP算子的解析结果,并当接收到所述CEP引擎中各所述Flink CEP算子的解析结果时,将各所述规则数据的解析结果发送至所述规则配置服务端,以使所述规则配置服务端向所述第二用户终端反馈各所述规则数据的解析结果。
6.根据权利要求1所述的决策引擎系统,其特征在于,所述第二客户端用于:
根据与各所述Flink CEP算子对应的各预设权重,选取所述各预设权重中权重值最大的所述Flink CEP算子生成的决策结果形成最终决策信息;或,
根据所述各预设权重,对各所述Flink CEP算子生成的决策结果进行加权,形成所述最终决策信息。
7.根据权利要求1所述的决策引擎系统,其特征在于,所述第二客户端还用于:
检测是否接收到所述CEP引擎中各所述Flink CEP算子的解析结果,并当接收到所述CEP引擎中各所述Flink CEP算子的决策结果时,根据所述各预设权重形成所述最终决策信息。
8.根据权利要求6或7所述的决策引擎系统,其特征在于,所述第二客户端用于将所述最终决策信息发送至所述决策服务端,以使所述决策服务端向所述第一用户终端反馈所述最终决策信息;其中,所述决策服务端在传递所述业务数据后进行阻塞等待,直至接收到所述最终决策信息。
9.一种决策引擎系统的业务处理方法,其特征在于,所述决策引擎系统包括决策服务端、规则配置服务端、CEP引擎、第一客户端以及第二客户端;所述方法包括:
所述CEP引擎的Flink CEP算子通过双数据I/O接口分别接收所述决策服务端传递的业务数据以及所述规则配置服务端下发的规则数据;其中,所述业务数据为所述决策服务端接收到的业务数据流中的任意一个业务数据;所述规则数据为所述规则配置服务端接收到的规则数据流中的任意一个规则数据;所述Flink CEP算子通过继承Flink框架的双数据接口形成所述双数据I/O接口;
所述Flink CEP算子解析所述规则数据,并通过所述双数据I/O接口中的第一数据I/O接口将所述规则数据的解析结果发送至所述第一客户端;以及,
所述Flink CEP算子将所述业务数据与所述规则数据进行规则匹配,获得决策结果,并通过所述双数据I/O接口中的第二数据I/O接口将所述决策结果发送至所述第二客户端。
10.根据权利要求9所述的决策引擎系统的业务处理方法,其特征在于,所述CEP引擎的Flink CEP算子通过双数据I/O接口分别接收所述决策服务端传递的业务数据以及所述规则配置服务端下发的规则数据,包括:
所述CEP引擎的Flink CEP算子通过双数据I/O接口接收所述决策服务端通过Hash通道传递的所述业务数据,以及接收所述规则配置服务端通过广播通道下发的所述规则数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010912589.8A CN112131014B (zh) | 2020-09-02 | 2020-09-02 | 决策引擎系统及其业务处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010912589.8A CN112131014B (zh) | 2020-09-02 | 2020-09-02 | 决策引擎系统及其业务处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112131014A true CN112131014A (zh) | 2020-12-25 |
CN112131014B CN112131014B (zh) | 2024-01-26 |
Family
ID=73847857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010912589.8A Active CN112131014B (zh) | 2020-09-02 | 2020-09-02 | 决策引擎系统及其业务处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112131014B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116775041A (zh) * | 2023-08-21 | 2023-09-19 | 四川兴川贷数字科技有限公司 | 基于流计算框架和rete算法的大数据实时决策引擎 |
CN116955427A (zh) * | 2023-09-18 | 2023-10-27 | 北京长亭科技有限公司 | 一种基于Flink框架的实时多规则动态表达式数据处理方法以及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050125687A1 (en) * | 2003-12-05 | 2005-06-09 | Microsoft Corporation | Security-related programming interface |
CN102105842A (zh) * | 2008-07-24 | 2011-06-22 | Abb研究有限公司 | 将业务规则与工程应用相集成的系统和方法 |
CN107943963A (zh) * | 2017-11-27 | 2018-04-20 | 上海交通大学 | 基于云平台的海量数据分布式规则引擎操作系统 |
CN110019651A (zh) * | 2019-03-01 | 2019-07-16 | 广州亚美信息科技有限公司 | 一种流式规则引擎及业务数据处理方法 |
CN110389748A (zh) * | 2019-06-17 | 2019-10-29 | 平安银行股份有限公司 | 业务数据处理方法及终端设备 |
-
2020
- 2020-09-02 CN CN202010912589.8A patent/CN112131014B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050125687A1 (en) * | 2003-12-05 | 2005-06-09 | Microsoft Corporation | Security-related programming interface |
CN102105842A (zh) * | 2008-07-24 | 2011-06-22 | Abb研究有限公司 | 将业务规则与工程应用相集成的系统和方法 |
CN107943963A (zh) * | 2017-11-27 | 2018-04-20 | 上海交通大学 | 基于云平台的海量数据分布式规则引擎操作系统 |
CN110019651A (zh) * | 2019-03-01 | 2019-07-16 | 广州亚美信息科技有限公司 | 一种流式规则引擎及业务数据处理方法 |
CN110389748A (zh) * | 2019-06-17 | 2019-10-29 | 平安银行股份有限公司 | 业务数据处理方法及终端设备 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116775041A (zh) * | 2023-08-21 | 2023-09-19 | 四川兴川贷数字科技有限公司 | 基于流计算框架和rete算法的大数据实时决策引擎 |
CN116775041B (zh) * | 2023-08-21 | 2023-12-05 | 四川兴川贷数字科技有限公司 | 基于流计算和rete算法的实时决策引擎实现方法 |
CN116955427A (zh) * | 2023-09-18 | 2023-10-27 | 北京长亭科技有限公司 | 一种基于Flink框架的实时多规则动态表达式数据处理方法以及装置 |
CN116955427B (zh) * | 2023-09-18 | 2023-12-15 | 北京长亭科技有限公司 | 一种基于Flink框架的实时多规则动态表达式数据处理方法以及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112131014B (zh) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108009028B (zh) | 消息处理方法、装置、设备及计算机可读存储介质 | |
CN111800443B (zh) | 数据处理系统和方法、装置以及电子设备 | |
US9742667B2 (en) | Packet processing method, device and system | |
CN111258627B (zh) | 一种接口文档生成方法和装置 | |
US20170163478A1 (en) | Method,electronic device and system for updating client configuration in key-value pair database | |
US9900167B2 (en) | Document sharing method, system, and device | |
CN106445473B (zh) | 一种容器部署方法及装置 | |
CN109547524B (zh) | 基于物联网的用户行为存储方法、装置、设备及存储介质 | |
CN112118315A (zh) | 数据处理系统、方法、装置、电子设备和存储介质 | |
CN111200622B (zh) | 一种资源传输方法及装置、存储介质 | |
JP2019525604A (ja) | ネットワーク機能nf管理方法及びnf管理装置 | |
CN110381058B (zh) | 基于全双工通信协议WebSocket的请求传输方法及装置 | |
US20230161541A1 (en) | Screen projection method and system | |
CN112131014B (zh) | 决策引擎系统及其业务处理方法 | |
CN113572864B (zh) | 一种数据处理方法、网元设备以及可读存储介质 | |
CN111858083A (zh) | 一种远程服务的调用方法、装置、电子设备及存储介质 | |
CN114896025A (zh) | 服务网格的架构优化方法、装置、计算机设备和存储介质 | |
CN111541662A (zh) | 一种基于二进制通信协议的通信方法、装置、系统及设备 | |
CN115022205A (zh) | 一种应用于海量终端高并发场景的跨网数据传输方法 | |
CN110798495B (zh) | 用于在集群架构模式下端到端的消息推送的方法和服务器 | |
US8886913B2 (en) | Apparatus and method for identifier management | |
CN109672718A (zh) | 系统间的文件传递方法、服务器、存储介质及装置 | |
CN115996187A (zh) | 路由信息处理方法、装置、路由信息交互系统和路由设备 | |
CN112532534B (zh) | 一种数据传输方法、装置以及计算机可读存储介质 | |
CN115776461A (zh) | 投屏方法、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |