我们基于Flink实现了云端的规则引擎，以flink on yarn方式在运行，依赖hadoop和zookeeper，对于边缘侧来说比较重，所以打算调研下轻量级的规则引擎，我们的业务诉求如下：
业务需求背景
1、轻量级
2、支持海量规则
4、便捷的规则启停
5、动态加载
从如下几方面对比目前比较流行的几个规则引擎框架：
drools
1、社区活跃度
drools（3.7k），比较活跃的社区。三者中遥遥领先。
2、SQL支持度
不支持，通过DSL定义规则。有开发工具，生成drl文件。
3、开箱即用（支持JAVA API直接调用）
可直接maven引入依赖，开箱即用。规则需要预先加载，环境初始化比较慢2秒左右。需要自己写规则调度。
4、部署方式
可部署多个kie-server，kie-server为单机模式。
Siddhi
1、社区活跃度
Siddhi（1.2k）。
2、SQL支持度
与flink sql类似，流式处理。定义source、sink，支持多流join。丰富的插件：kafka、redis等。通过类SQL的语言描述事件流任务。
3、开箱即用（支持JAVA API直接调用）
可直接maven引入依赖，开箱即用。规则需要预先加载，环境初始化比较慢2秒左右。需要自己写规则调度。
4、部署方式
第一种方式：Standard Deployment ，单机部署，与drools的kie-server的部署方式类似。
第二种方式：完整的分布式部署
此部署规模已经很接近flink了，但是没有checkpoint的机制。
esper
esper的社区活跃度真不高esper（699），所以我们直接略过。
结论
几个主流的规则引擎其实实现机制都差不多，功能都能满足我们的业务场景，drools在sql支持方面比较弱，优势在社区活跃度。Siddhi的部署方式已经接近Flink，网上都说它比较轻量级，我是真的没看出来。最终打算采用drools，直接通过java api进行调用。自己写个简单的调度，如果上了它的执行调度模块，还不如直接使用flink，flink在这方面成熟多了，有checkpoint、status等机制。对于drools的动态加载，我会单独开一篇文章来详细说明，这个是我们的痛点，基于flink目前机制实现不了的。
网友评论