一种基于规则引擎Drools的量化方法与流程

一种基于规则引擎drools的量化方法
技术领域
1.本发明属于面向软件研制过程中的量化管理领域，具体涉及一种基于规则引擎drools的量化方法。


背景技术：

2.软件产品的系统架构日益复杂，迭代周期越来越短。而每次修改数据采集测量项，都需要开发人员开发、编译、重新部署上线，使得过程中花费时间较多，效率低下。因此针对此问题，本发明通过drools进行数据采集测量项的维护，可线上实时修改，即改即用，节省维护成本，提升迭代速率。


技术实现要素：

3.(一)要解决的技术问题
4.本发明要解决的技术问题是如何提供一种基于规则引擎drools的量化方法，以解决业务维护困难，迭代成本高的问题。
5.(二)技术方案
6.为了解决上述技术问题，本发明提出一种基于规则引擎drools的量化方法，该方法包括如下步骤：
7.步骤一：定义drools规则内容，根据实际业务场景自定义规则实体；
8.步骤二：用户发起数据采集，触发数据采集项定义好的采集规则，获取持续集成环境执行过程中产生的数据，针对产生的数据进行清洗，筛选，分析获取采集规则相关的数据结果后，平台通过数据库对数据结果进行存储；
9.步骤三：模型库依据采集规则采集到的数据结果进行分析和清洗，然后建立模型、建立基线，通过蒙特卡罗模拟预测指导质量指标数据趋势，正向反馈于用户的数据采集，提升量化管理能力。
10.进一步地，所述步骤一具体包括：
11.s11、开发人员编写drools规则，一个规则文件包含若干规则条目，drools本身内置工作空间支持规则条目各之间依赖调用；
12.s12、当业务需求发生变化时，无需停止服务，直接线上修改规则实体。
13.进一步地，所述步骤s11中，drools规则包括：
14.规则分组：一个规则文件分一个组，在执行时需指明规则分组，从而执行该组下的各规则条目；
15.规则条件：根据业务方传入的数据条件进行符合性匹配，即当条件满足时，执行该规则，规则条件为一种判断，同时各规则条目支持优先级的设定，优先级属性值越大越先执行；
16.规则内容：该部分为规则条目的主要部分，涉及sql和函数的运算，这些运算包含了对相关持续集成环境业务的调用；之后线上的动态维护针对规则内容和规则条件；
17.规则结论：规则内容运算完成之后产生的数据结果即为规则结论，该结论通过全局变量的形式供业务模块使用；结论数据的累计即为量化分析的基础数据；
18.以上四部分构成一个完整的规则条目，也称之为规则实体，各规则实体对应一个业务需求，业务需求的执行即通过规则实体的运行得到结果。
19.进一步地，所述步骤s12中，变化包括：采集条件变更、结论定义变更和业务需求的新增或修改。
20.进一步地，所述步骤二具体包括：
21.s21、用户进行定期采集、里程碑采集或结项采集三种方式的数据采集，根据步骤一中的规则定义，采集模块发起调用，执行规则文件；
22.s22、根据匹配的规则，执行规则实体，各规则实体发起持续集成环境业务的调用，规则运行后得到数据结果；
23.s23、上一步数据结果的清洗并汇总获得量化的目标数据，各目标数据表征当前改进活动；每次执行后将目标数据保存到业务方中的关系型数据库中。
24.进一步地，所述步骤s21中，
25.定期采集指：按时间月采集，或用户自由安排时间采集；
26.里程碑采集指：根据任务进度计划的设定，到某里程碑节点进行数据采集统计；
27.结项采集指：项目结项时进行，统计该项目完整周期的数据。
28.进一步地，所述步骤s23还包括：多次执行及项目横向对比累计后，根据目标的达成率反馈出活动的改进效果。
29.进一步地，所述步骤三具体包括：
30.s31、依据步骤二多次采集数据的积累，通过接口推送的方式，将数据进行清洗后，供基线、模型使用；
31.s32、基线衡量某测量项指标，确认其是否具有明确特征，是否服从正态分布，据此作为业务中参考值；
32.s33、模型是分析多测量项的分布关系，将各测量项作为其方程的自变量与因变量，通过其数据模拟得到其符合的数学拟合方程，直观反应出各测量项关系；同时基线作为某个因子的参考项，因子的选择范围需符合基线的上下限值；模型创建后，通过蒙特卡罗方法得到因变量的范围数据，因变量值作为过程改进的指标项，更好地反馈数据质量；
33.s34、根据模型方程，因子的上下限会根据基线自动加载设定，动态调整各因子的取值，从而得到因变量值的较优解；模型方程具备明显特征，这些特征供过程量化分析所用，同时量化的数据结果正向作用于模型模拟的基础数据，从而进一步得到基线及过程特征的最优值，不断改进量化目标。
34.进一步地，所述步骤s32中，建立基线时，用户自由选择数据例，同时支持分组比较。
35.进一步地，模型方程的特征包括：方差、极差和标准差。
36.(三)有益效果
37.本发明提出一种基于规则引擎drools的量化方法，与现有技术相比，本发明具有以下明显的优势和有益效果：
38.(1)drools规则支持用户自定义，用户通过修改规则条件、规则内容及规则结论可
自定义业务边界，线上即改即用，无需重启服务。该方式简化运维的更新部署流程，提升效率。
39.(2)持续集成模块包括各质量数据，如静态代码扫描情况、代码编译情况等。各业务流程数据实现自动化流转清洗，无需人工采集操作。
40.(3)采用蒙特卡罗模拟的方式进行量化分析，数据推送以增量的形式进行，随着数据增多，样本数据增多，从而可不断优化模型、基线的结果。模型结果作为量化基础，递进正向反馈目标质量数据结果。该量化方式缩短分析数据的过程，省时省力，高效得到目标结果。以结果为导向，项目过程中通过分析目标结果的各影响因子(测量项)，适时调整业务走向，对达成可行性目标提供价值参考和适当性决策。
附图说明
41.图1为本发明基于规则引擎drools的量化方法框架图。
具体实施方式
42.为使本发明的目的、内容和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。
43.本发明主要面向软件研制过程中的量化管理领域，针对项目质量数据的采集与预测问题，使用drools可灵活定义各采集项，支持采集项之间的逻辑调用，支持采集项的循环使用，支持结果目标值的自由配置。为了提升项目数据的质量，依据已产生的历史数据，可作出量化指导。本发明通过drools可快速解决数据采集项的定义，同时具备修改后即时生效，实现线上不停服的个性化配置使用，减少了停服再启动的人工运维成本。通过蒙特卡罗模拟方式，将模拟结果作用于项目过程，该方式可模拟出各测量项的阈值，阈值指导建议项目实施过程中相应环节的数据把控，从而提升项目过程质量。
44.针对软件迭代开发过程中，手动采集数据，修正数据，从而满足高质量的过程绩效量化目标，本发明提供了一种基于规则引擎drools及蒙特卡罗模拟的量化方法。首先，执行基础平台的持续集成业务，依据drools定义的采集指标收集持续集成各个环节产生的业务数据；其次，采集接口运行规则文件，根据规则内容计算产生数据结果；最后，业务数据的累计作为量化分析管理的基础，量化过程中可随数据的积累而不断迭代更新，以便高质量地实现质量与过程绩效目标。本发明通过drools解决了业务维护困难，迭代成本高的问题。相比于其他量化方法，该发明更加灵活高效，同时具备高质量的过程管理方式，针对过程绩效目标地实现具备良好的管控方法。
45.drools是用java语言编写的规则引擎，易用方便维护，同时也具有快速的执行速度。此外，在线上使用时可不重启服务的情况下，随时对实体规则进行扩展和维护，从而快速响应需求变更，减少了硬编码业务规则的成本和风险。
46.蒙特卡罗模拟方法是利用随机性来解决理论上可能是确定性的问题，利用该方法近似求出最优解，也可为其过程量化目标提供参考帮助。同时正向反馈数据采集测量项，针对于其影响因子，进行适当调整，以便更好达成预先设置的量化目标。
47.本发明主要通过drools规则的方式进行数据采集项的定义，实现了高效开发上线使用，通过蒙特卡罗模拟方法不断优化量化管理及原因分析，对项目策划及项目过程实施
提供价值参考，对决策性的指标提供数据支持。基于规则引擎drools的量化方法框架图如图1所示。以下步骤展开描述此过程：
48.步骤一：定义drools规则内容，根据实际业务场景自定义规则实体，该方式优势在于线上实时调整；
49.s11、开发人员编写drools规则，一个规则文件包含若干规则条目，drools本身内置工作空间支持规则条目各之间依赖调用，drools规则主要包括：
50.规则分组：一般一个规则文件分一个组，在执行时需指明规则分组，从而执行该组下的各规则条目。
51.规则条件：根据业务方传入的数据条件进行符合性匹配，即当条件满足时，执行该规则，规则条件通常意义上为一种判断，如常见的比较判断、包含关系判断等，同时各规则条目支持优先级的设定，优先级属性值越大越先执行。
52.规则内容：该部分为规则条目的主要部分，涉及sql和函数的运算，这些运算包含了对相关持续集成环境业务的调用；之后线上的动态维护主要针对于规则内容和规则条件。
53.规则结论：规则内容运算完成之后产生的数据结果即为规则结论，该结论可通过全局变量的形式供业务模块使用。结论数据的累计即为量化分析的基础数据。
54.以上四部分构成一个完整的规则条目，也称之为规则实体，各规则实体对应一个业务需求，业务需求的执行即通过规则实体的运行得到结果。
55.s12、当业务需求发生变化时，这种变化包括采集条件变更、结论定义变更和业务需求的新增或修改，这种情况无需停止服务，可直接线上修改规则实体。
56.步骤二：用户发起数据采集，触发数据采集项定义好的采集规则，获取持续集成环境执行过程中产生的数据，针对产生的数据进行清洗，筛选；分析获取采集规则相关的数据结果后，平台通过数据库对数据结果进行存储。其累计的数据也作为量化模型的基础数据。
57.s21、用户可进行定期采集、里程碑采集、结项采集三种方式的数据采集，根据步骤一中的规则定义，采集模块发起调用，执行规则文件；
58.定期采集：可按时间月采集，也可用户自由安排时间采集；
59.里程碑采集：即根据任务进度计划的设定，到某里程碑节点进行数据采集统计；
60.结项采集：即项目结项时进行，统计该项目完整周期的数据；
61.s22、根据匹配的规则，执行规则实体，各规则实体发起持续集成环境业务的调用，规则运行后得到数据结果；
62.s23、上一步数据结果的清洗并汇总获得量化的目标数据，各目标数据表征当前改进活动。每次执行后将目标数据保存到业务方中的关系型数据库中。多次执行及项目横向对比累计后，根据目标的达成率反馈出活动的改进效果。
63.步骤三：模型库依据采集规则采集到的数据结果进行分析和清洗，然后建立模型、建立基线，通过蒙特卡罗模拟预测指导质量指标数据趋势，正向反馈于用户的数据采集，提升量化管理能力
64.s31、依据步骤二多次采集数据的积累，通过接口推送的方式，将数据进行清洗后，供基线、模型使用。
65.s32、基线衡量某测量项指标，确认其是否具有明确特征，是否服从正态分布，据此
可作为业务中参考值。建立基线时，用户可自由选择数据例，同时支持分组比较。
66.s33、模型是分析多测量项的分布关系，将各测量项作为其方程的自变量与因变量，通过其数据模拟得到其符合的数学拟合方程，这样可直观反应出各测量项关系。同时基线可作为某个因子的参考项，因子的选择范围需符合基线的上下限值。模型创建后，通过蒙特卡罗方法得到因变量的范围数据，因变量值一般作为过程改进的指标项，更好地反馈数据质量。
67.s34、根据模型方程，因子的上下限会根据基线自动加载设定，动态调整各因子的取值，从而得到因变量值的较优解。模型方程具备明显特征，如方差、极差、标准差等，这些特征供过程量化分析所用，同时量化的数据结果正向作用于模型模拟的基础数据，从而进一步得到基线及过程特征的最优值，不断改进量化目标。
68.实施例1：
69.基于规则引擎drools的量化方法，包括以下步骤，
70.步骤一：定义drools规则内容，根据实际业务场景自定义规则实体，该方式优势在于线上实时调整。
71.步骤二：用户发起数据采集，触发数据采集项定义好的采集规则，获取持续集成环境执行过程中产生的数据，针对产生的数据进行清洗，筛选。分析获取采集规则相关的数据结果后，平台通过数据库对数据结果进行存储。其累计的数据也作为量化模型的基础数据。
72.步骤三：模型库依据采集规则采集到的数据结果进行分析和清洗，然后建立模型、建立基线，通过蒙特卡罗模拟预测指导质量指标数据趋势，正向反馈于用户的数据采集，提升量化管理能力。
73.进一步地，采集项的采集规则定义基于drools规则，drools规则支持线上修改，动态扩展。drools是java语言编写的一个易于访问策略、易于调整及易于管理的业务规则引擎，速度快且效率高。可以将业务决策从代码中抽离出来，规则接受数据输入，解释业务规则，并根据规则作出业务决策，较好的融合各采集数据，最终产生的数据结果保存到数据库中；
74.进一步地，量化方法以蒙特卡罗模拟为基础，各个项目的结项采集项数据为依据，多项目累计作为模拟的基本条件，根据所建立的基线模型模拟预测出最有结果。最后在对关键过程实施量化管理及原因分析中，保障了量化结果的最优性，同时指导了量化领导决策。
75.与现有技术相比，本发明具有以下明显的优势和有益效果：
76.(1)drools规则支持用户自定义，用户通过修改规则条件、规则内容及规则结论可自定义业务边界，线上即改即用，无需重启服务。该方式简化运维的更新部署流程，提升效率。
77.(2)持续集成模块包括各质量数据，如静态代码扫描情况、代码编译情况等。各业务流程数据实现自动化流转清洗，无需人工采集操作。
78.(3)采用蒙特卡罗模拟的方式进行量化分析，数据推送以增量的形式进行，随着数据增多，样本数据增多，从而可不断优化模型、基线的结果。模型结果作为量化基础，递进正向反馈目标质量数据结果。该量化方式缩短分析数据的过程，省时省力，高效得到目标结果。以结果为导向，项目过程中通过分析目标结果的各影响因子(测量项)，适时调整业务走
向，对达成可行性目标提供价值参考和适当性决策。
79.以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

技术特征：
1.一种基于规则引擎drools的量化方法，其特征在于，该方法包括如下步骤：步骤一：定义drools规则内容，根据实际业务场景自定义规则实体；步骤二：用户发起数据采集，触发数据采集项定义好的采集规则，获取持续集成环境执行过程中产生的数据，针对产生的数据进行清洗，筛选，分析获取采集规则相关的数据结果后，平台通过数据库对数据结果进行存储；步骤三：模型库依据采集规则采集到的数据结果进行分析和清洗，然后建立模型、建立基线，通过蒙特卡罗模拟预测指导质量指标数据趋势，正向反馈于用户的数据采集，提升量化管理能力。2.如权利要求1所述的基于规则引擎drools的量化方法，其特征在于，所述步骤一具体包括：s11、开发人员编写drools规则，一个规则文件包含若干规则条目，drools本身内置工作空间支持规则条目各之间依赖调用；s12、当业务需求发生变化时，无需停止服务，直接线上修改规则实体。3.如权利要求2所述的基于规则引擎drools的量化方法，其特征在于，所述步骤s11中，drools规则包括：规则分组：一个规则文件分一个组，在执行时需指明规则分组，从而执行该组下的各规则条目；规则条件：根据业务方传入的数据条件进行符合性匹配，即当条件满足时，执行该规则，规则条件为一种判断，同时各规则条目支持优先级的设定，优先级属性值越大越先执行；规则内容：该部分为规则条目的主要部分，涉及sql和函数的运算，这些运算包含了对相关持续集成环境业务的调用；之后线上的动态维护针对规则内容和规则条件；规则结论：规则内容运算完成之后产生的数据结果即为规则结论，该结论通过全局变量的形式供业务模块使用；结论数据的累计即为量化分析的基础数据；以上四部分构成一个完整的规则条目，也称之为规则实体，各规则实体对应一个业务需求，业务需求的执行即通过规则实体的运行得到结果。4.如权利要求3所述的基于规则引擎drools的量化方法，其特征在于，所述步骤s12中，变化包括：采集条件变更、结论定义变更和业务需求的新增或修改。5.如权利要求1-4任一项所述的基于规则引擎drools的量化方法，其特征在于，所述步骤二具体包括：s21、用户进行定期采集、里程碑采集或结项采集三种方式的数据采集，根据步骤一中的规则定义，采集模块发起调用，执行规则文件；s22、根据匹配的规则，执行规则实体，各规则实体发起持续集成环境业务的调用，规则运行后得到数据结果；s23、上一步数据结果的清洗并汇总获得量化的目标数据，各目标数据表征当前改进活动；每次执行后将目标数据保存到业务方中的关系型数据库中。6.如权利要求5所述的基于规则引擎drools的量化方法，其特征在于，所述步骤s21中，定期采集指：按时间月采集，或用户自由安排时间采集；里程碑采集指：根据任务进度计划的设定，到某里程碑节点进行数据采集统计；
结项采集指：项目结项时进行，统计该项目完整周期的数据。7.如权利要求5所述的基于规则引擎drools的量化方法，其特征在于，所述步骤s23还包括：多次执行及项目横向对比累计后，根据目标的达成率反馈出活动的改进效果。8.如权利要求5所述的基于规则引擎drools的量化方法，其特征在于，所述步骤三具体包括：s31、依据步骤二多次采集数据的积累，通过接口推送的方式，将数据进行清洗后，供基线、模型使用；s32、基线衡量某测量项指标，确认其是否具有明确特征，是否服从正态分布，据此作为业务中参考值；s33、模型是分析多测量项的分布关系，将各测量项作为其方程的自变量与因变量，通过其数据模拟得到其符合的数学拟合方程，直观反应出各测量项关系；同时基线作为某个因子的参考项，因子的选择范围需符合基线的上下限值；模型创建后，通过蒙特卡罗方法得到因变量的范围数据，因变量值作为过程改进的指标项，更好地反馈数据质量；s34、根据模型方程，因子的上下限会根据基线自动加载设定，动态调整各因子的取值，从而得到因变量值的较优解；模型方程具备明显特征，这些特征供过程量化分析所用，同时量化的数据结果正向作用于模型模拟的基础数据，从而进一步得到基线及过程特征的最优值，不断改进量化目标。9.如权利要求8所述的基于规则引擎drools的量化方法，其特征在于，所述步骤s32中，建立基线时，用户自由选择数据例，同时支持分组比较。10.如权利要求8所述的基于规则引擎drools的量化方法，其特征在于，模型方程的特征包括：方差、极差和标准差。

技术总结
本发明涉及一种基于规则引擎Drools的量化方法，属于面向软件研制过程中的量化管理领域。本发明首先执行基础平台的持续集成业务，依据Drools定义的采集指标收集持续集成各个环节产生的业务数据；其次采集接口运行规则文件，根据规则内容计算产生数据结果；最后业务数据的累计作为量化分析管理的基础，量化过程中可随数据的积累而不断迭代更新，以便高质量地实现质量与过程绩效目标。本发明通过Drools解决了业务维护困难，迭代成本高的问题。相比于其他量化方法，该发明更加灵活高效，同时具备高质量的过程管理方式，针对过程绩效目标地实现具备良好的管控方法。实现具备良好的管控方法。实现具备良好的管控方法。


技术研发人员：刘文波 耿宏伟 冯大成 贾张涛 安恒 郭含章 张建伟 曾祥勇 朱朝宁 杜鑫龙 张倩 邵飒 夏冰 刘岩 李幸 李浩东
受保护的技术使用者：北京计算机技术及应用研究所
技术研发日：2023.04.17
技术公布日：2023/7/12