rete可以被分为两部分：规则编译和运行执行。规则编译是指根据规则集生成推理网络的过程，运行时执行指将数据送入推理网络进行筛选的过程。

基本概念

Rete算法的初衷是：利用规则之间各个域的公用部分减少规则存储，同时保存匹配过程的临时结果以加快匹配速度。为了达到这种效果，算法将规则拆分，其中每个条件单元作为基本单位（节点）连接成一个数据辨别网络，然后将事实(facts)经过网络筛选并传播，最终所有条件都有事实匹配的规则被激活。

网络共有５类节点：root节点、type节点、alpha节点（也称单输入节点）、beta节点（也称双输入节点）、terminal节点等。

根节点

代表整个Rete网络的入口，它可以让所有的事实通过，并传递给ObjectType节点。作为根节点的后继，

类型节点

ObjectType Node就是我们的fact，也就是我们规则所用到的pojo，用于选择事实的类型，将符合本节点类型的事实向后继的alpha节点传播。

alpha节点

alpha节点主要进行同对象类型内属性的约束或常量测试，比如“name＝＝zhang”，“age＞15”等等。

一条简单的规则

rule "规则1：账户余额小于100"
  when
    $account:Account(balance<100)
  then
    print("账户余额小于100");
end

规则1对应的rete网络如下：

这里写图片描述

LeftInputAdapterNode节点

这个节点的作用是将一个事实对象转化为一个元组，主要为beta节点提供作用。

beta节点

beta节点主要根据不同对象之间的约束,如“ｐ.name＝＝c.friend”，“ｐ.age＞cat.age”等进行连接操作。beta节点又分为join节点、Not节点等。Join节点包括两种输入，左部输入事实列表，称为元组（Tuple），右部输入一个事实对象，对象与元组在Join节点按照类型间约束进行Join操作，将符合的事实加入元组中继续传入下一个beta节点。

在规则1基础上增加条件，形成另外一条规则

rule "规则2：账户余额小于100的姓张的学生卡"
  when
    $account:Account(balance<100,type=Account.Type.学生)
    $customer:Customer(firstName = 'zhang',accounts contains $account)
  then
    print("账户余额小于100的姓张的学生卡");
end

规则2对应的rete网络如下：

这里写图片描述

Terminal节点

Terminal节点是规则的末尾节点，它代表一个规则匹配结束，当事实或元组传递到Terminal节点时,表示该Terminal节点对应的规则被激活。

RETE网络的构建

Rete算法的编译结果是创建了规则集对应的Rete网络,它是一个事实可以在其中流动的图。创建rete网络的过程如下：

创建根节点；

加入一条规则

a. 取出规则中的一个模式 ，（模式就是规则中的最小一个匹配项例如（age>10,age<20）拿么age>10 就是一个模式，age<20 就是另一个模式。）检查模式中的参数类型，如果是新类型(也就是新的fact类型)，则加入一个类型节点；
b. 检查模式对应的Alpha节点是否已存在，如果存在则记录下节点位置，如果没有则将模式作为一个 Alpha节点加入到网络中，同时根据Alpha节点的模式建立Alpha内存表；
c. 重复b直到所有的模式处理完毕；
d. 组合Beta节点，按照如下方式：Beta左输入节点为Alpha(1)，右输入节点为Alpha(2) 。Beta(i)左输入节点为Beta(i-1)，右输入节点为Alpha(i) i>2 并将两个父节点的内存表内联成为自己的内存表；
e. 重复 d 直到所有的 Beta 节点处理完毕；
f. 将动作（Then 部分）封装成叶节点（Action 节点）作为 Beta(n) 的输出节点；

重复 2 直到所有规则处理完毕

按照上面创建rete网络的算法，生成规则3

rule "规则3：账户余额小于100的北苑路姓张的学生"
  when
    $account:Account(balance<100,type=Account.Type.学生)
    $customer:Customer(accounts contains $account)
    $addr:Addr(street="北苑路",customers contains $customer)
  then
    print("账户余额小于100的北苑路姓张的学生");
end

规则3对应的rete网络如下：
这里写图片描述

运行时执行

从工作内存中取一工作存储区元素WME（Working Memory Element，简称WME）放入根节点进行匹配。WME是为事实建立的元素，是用于和非根结点代表的模式进行匹配的元素。
遍历每个alpha节点（含ObjectType节点），如果alpha节点约束条件与该WME一致，则将该WME存在该alpha节点的匹配内存中，并向其后继节点传播。
对alpha节点的后继结点继续（２）的过程，直到alpha内存所有通过匹配的事实保存在alpha内存中。
对每个beta节点进行匹配，如果单个事实进入beta节点左部，则转换成一个元素的元组存在节点左侧内存中。如果是一个元组进入左部，则将其存在左内存中。如果一个事实进入右侧，则将其与左内存中的元组按照节点约束进行匹配，符合条件则将该事实对象与左部元组合并，并传递到下一节点。bate结点有left存储区和right存储，其中left存储区是beta内存，right存储区是alpha内存。存储区储存的最小单位是WME。
重复（４）直到所有beta处理完毕，元组对象进入到Terminal节点。对应的规则被触活，将规则后件加入议程（Agenda）。
对Agenda里的规则进行冲突消解，选择合适的规则执行。

Rete算法的特点

rete算法通过共享规则节点和缓存匹配结果，获得产生式推理系统在时间和空间上的性能提升。

1、状态保存

事实集合中的每次变化，其匹配后的状态都被保存再alpha和beta节点中。在下一次事实集合发生变化时，绝大多数的结果都不需要变化，rete算法通过保存操作过程中的状态，避免了大量的重复计算。Rete算法主要是为那些事实集合变化不大的系统设计的，当每次事实集合的变化非常剧烈时，rete的状态保存算法效果并不理想。

2、节点共享

另一个特点就是不同规则之间含有相同的模式，从而可以共享同一个节点。Rete网络的各个部分包含各种不同的节点共享。

3、节点索引

索引方法是指对rete网络的节点建立当前节点对后继的索引，在事实断言时可以通过索引快速找到对应的后继节点而无需逐个查找。drools在rete的面向对象版本rete－oo算法中对ObjectType节点增加后继alpha节点的索引，以事实的属性为key，alpha节点为value，这样在事实通过类型节点验证后可以迅速找到对应的alpha节点进行断言。
同样，对beta节点也可以建立索引，beta节点的索引主要是针对节点左右内存的查询。当一个事实传递到beta节点的右内存中时，需要与该节点的左内存进行连接操作，即遍历左侧内存中的事实元组，找到符合节点约束的事实进行连接。该过程的遍历查找效率较低，将beta内存分成若干单元，每个单元分配一个id；对右侧的事实用哈希函数求索引，该索引就是某个单元的位置，通过索引快速找到相应单元进行匹配，如果不在该分区，则将该对象组成一个新的单元加入左内存。

Rete 算法的不足

存在状态重复保存的问题，比如匹配过模式1和模式2的事实要同时保存在模式1和模式2的节点缓存中，将占用较多空间并影响匹配效率。
事实的删除与事实的添加顺序相同, 除了要执行与事实添加相同的计算外, 还需要执行查找, 开销很高。rete的一个主要缺点就是不适合处理快速变化的数据和规则。主要表现在：

１．数据变化引起节点保存的临时事实频繁变化，这将让rete失去增量匹配的优势。
２．数据的变化使得对规则网络的种种优化方法如索引、条件排序等失去效果。

rete算法使用了alpha内存存储已计算的中间结果, 以牺牲空间换取时间, 从而加快系统的速度。然而当处理海量数据与规则时，beta内存根据规则的条件与事实的数目而成指数级增长, 所以当规则与事实很多时, 会耗尽系统资源。
规则引擎不能处理缺失的数据及模糊的逻辑。例如规则“如果年级大则容易患中风”。产生式推理系统将不能精确表达“年级大”及“容易”这样的概念，相应的推理也不能得到精确的结果。这种场合下，算法变得很脆弱。

参考：

基于Rete算法的规则引擎Drools的研究

Drools规则工作流引擎全面开发教程

Rete算法：研究现状与挑战

drools RETE算法