OptaPlanner将弃用DRL(Drools)评分方式！！！
作者：互联网
本来这段时间一直都在加紧我家“三胎”（易排通用智能规划平台）建设，毕竟我们的通用规划平台原定6月初就能上线，但因为其中遇到的各种技术问题及其它项目的突发情况，导致也只能跟随国家的003号航母，只能推迟上线，进度紧迫。经过近两个星期的奋战，终于将我们的【易排通用智能规划平台】的主要功能上线了，并做了一些基本的使用资料，供各位小伙伴先得试用。
因为我们的平台还处在刚上线提供试用阶段，后续还有数不清的功能、平台设计、应用小视频需要我日以继夜地奋力补充（这些资料里不仅仅有平台的介绍资料喔，也有我们做规划或供应链信息化设计过程中的一些满满干货，敬请期待），理应是安排不了时间发布新的文章，但发现OptaPlanner已官宣，将在8.x版开始弃用对Drools评分机制，并在9.x不再支持Drools作为评分，作为替换的，将使用Constraint Stream（约束流）方式作为评分。当然，之前支持的Easy Java score calculation和Incremental Java score calculation这两种方式必然不会取消的。其中，我们的【易排通用规划平台】使用的就是Incremental Java score calculation，这种方式的优点是极度高效，有能力的小伙伴可以通过官言的示例尝试一下，目前大多数案例都有多种评分方式的，可以通过修改配置来尝试不同的评分方式，当问题空间足够大时(相同的问题模型，问题空间基本上取决于数据量大小)，其运算时间差异可以是一个数量级的，甚至当数量大到一定程度时，使用Drools的评分方式会出现崩溃的情况(之前我们做过一个VRP项目遇到到这种情况，节点足够多时，不是放一两个小时就能跑出来，而是跑着跑着就出现JVM级别的溢出异常了)。
关于Drools评分方式（下称DRL评分方式，官方也使用类似的叫法）的优劣，及未来补充的ConstraintStream方式，在本文中作一些概括性介绍，更详细的资料及从DRL到ConstraintStream的转换，可以参考OptaPlanner官方发布的博文：
https://www.optaplanner.org/blog/2022/05/26/optaplanner-deprecates-score-drl.html
使用DRL评分方式的优点
逻辑表达丰富，可用较简短的脚本表达较复杂的业务逻辑
因为Drools本身是与OptaPlanner同属一项目群(KIE)的开源规划引擎软件，它具有一套成熟的规划描述脚本及规则推理引擎。算是目前世界上最成熟的开源规则引擎了（有没有之一不清晰，也许是我见识不够广）。因此，当我们使用Drools脚本，对OptaPlanner中涉及到的各种各样业务规则(都会抽象成约束)进行评分描述时，是相当有优势的。OptaPlanner这个引擎与Drools有相当丰富的接口，可实现两个引擎之间的高度匹配，从而则让OptaPlanner具备更丰富的约束表达能力。
自主生成OptaPlanner中规划实体的约束违反统计信息
我们做OptaPlanner程序的时候，归根到底是要以高效、合理的方式对让引擎对各个规划实体(Planning Entity)中的规划变量(Planning Variable)进行不同的取值组合，并照我们编写好的评分约束对各个组合方案进行评分，从中找到评分最高的组合方案。而在此过程中，若我们使用DRL评分方式，哪个规划实体的哪个取值违反了哪条约束被扣了多少分，通过DRL的评分方式在运算过程，会把上述做详细的记录。因此，当我们完成规划运算，得到一个方案时，通过这个方案和OptaPlanner的评分API，就可以完整、精确地描述出，究竟是哪个规划实体的哪个变量取了什么值违反了哪个约束，导致被扣了多少分了。这样看来这个功能是不是很炫？目前我见到的其它求解器，应该还没有提供这种功能吧？当然也可能是我孤陋寡闻。而这个功能在业务场景上来说，是相当有用的，就是说，当你的规划程序跑出一个生产计划方案，这个计划方案哪个任务放在哪个机台上，导致扣了多少分，你直接就可以通过它的约束违反信息，就可以直接找到违反约束的原因和具体数据。而不需要我们人工对整个计划方案中的各个数据，一个一个寻找。
相同的功能要求，如果我们使用的评分方式是Incremental Java score calculation，是没有自动的功能来记录这些约束违反信息的，而是需要我们在实现这个约束逻辑Java代码里，编写相应的评分逻辑，来保存这些信息的。完成了些逻辑后，最终生成的计划方案，才能统计出各个任务的约束违反情况，否则你只能从方案知道它的分数概况，也就是仅能知道哪个约束扣了多少分，但是哪个任务分配到哪个机台，因为与哪个任务冲突引起的扣分，不通过人工去编写逻辑，你是看不到的。
使用DRL评分方式的优点
老师教导我们，所有事物都要辩证地看，因为事物必然具有两面性的。那么DRL的评分方式的缺点在哪里呢？
学习成本
这个缺点对于我们没有涉及到规划引擎的小伙伴来说，肯定是一个巨大的差评。毕竟我们去掌握一门新的开发语言都需要花费不少精力了，况且还要学习掌握一门专门编写规则的脚本，虽然它是一种描述性的脚本语言(我们在学校进而学计算课的时候，把这种语言称为第四代语言，例如：SQL脚本)，但丝毫不代表它简单。在面对一些复杂的场景时，要实现一些约束的逻辑，我们写脚本虽然不长，但其实要实现它，还是要花费不少心思的。总不会有人说，SQL脚本就比C++、Java简单吧？SQL脚本简单的仅仅是表达的方法，但处理一大堆复杂关联查询时，一条SQL的难点不一定比C++低，毕竟C++还是针对具体的每个对象进行运算的，而SQL则主要设计来针对一个数据集合进行处理的。所以并不能说它就简单。
要完成对Drools引擎在OptaPlanner上的应用，除了要了解Drools脚本以外，还需要对Drools这个规则引擎的一些基本原理与结构有一定理解，才能更好的理解每个评分约束中，每个变更的含义，例如：哪些变量代表的是一个对象，什么情况下一个变量代表的是一个对象列表。
当然若完全掌握了Drools的评分方式，并积累了一定用DRL表达OptaPlanner约束的经验后，面对一些约束，还是很有“拿着锤子你看到的满眼都是钉子”感觉的。也就是，当你面对一个约束时，会自然而然地很快通过Drools脚本来构思出它的大概逻辑结构。
运算效率
运算效率指的是使用DRL评分时，引擎的计算速度。若你深入了解了OptaPlanner引擎的主要工作就知道，它所谓的运算，绝大多数时间都是在进行分数计算，还有小部分是使用各种启发式算法对搜寻过程的搜寻方向进行控制。因此，在这过程中，若使用DRL评分方式，Drools规则引擎就是担起了一个非常大运算责任。但Drools其实还是需要把这些约束转换成Java字节码进行运算的，而且是大量的集合运算，因此，很多情况下，性能上相对直接用Java编写的逻辑会更慢的。大家回忆一下各自的系统的性能卡顿点，是不是很多时候都是一些超长超复杂的SQL存储过程造成的？而其实它卡的原因还不一定是它的逻辑复杂，而是一些逻辑涉到数据集的运算，当我们处理不好这些数据集的关联查询时，就会引起很大规模的集合与集合之间的关联运算(就是各种表、视图进行的各种Join)，从而成为绝对的性能瓶。
Drools在进行约束评分运算时，实际上它就是一个规则推导过程，也有可能涉及很多对象集合的操作与判断。因此，当数据量大，评分约束相当复杂，或关联到众多对象列表时，也有可能引起如SQL查询一样的效果，从而大大影响了运算性能。
DRL评分的替代 - ConstraintStream.
这种评分方式大概是从7.8x版本开始提出，8.x版本后开始慢慢完善。它充分使用了Java8以后的版本中出现的Stream特性，对大量的场景使用了函数式编程，从而大大地简化了集合数据处理的难度。也就是说，如果我们在使用Java的Stream功能，能很灵活地编写其中的Lambda表达式，ConstraintStream应用起来也是得心应手的。只是因为ConstraintStream是专门针对约束编程的，因此，它提供了一些特定的API供我们使用，我们要理解这引起API的前提，还是要理解评分过程的一些原理与原则。这也是我们学习ConstraintStream最大难点。
我目前主要投入的精力都在我们的“三胎” - 【易排通用规划平台】上，这个平台因为基于灵活性与运算性能的考虑，我并没有使用DRL或ConstraintStream方式，而是直接使用Incremental Java score calculation的方式。这种方式与前两种对比，最贴切就理解就是单反相机与傻瓜相机的差别吧。正是因为我能在没有时间压力的前提下，把我目前掌握到的各种排产约束通过Incremental Java score calculation方式精心实现，从而让这个平台在运算大数据量订单时，性能远比使用Drools或ConstraintStream高。期待大家可能尝试该平台，这个平台我们将会使用租用方式，以SaaS方式提供一些有规划要求的场景，例如MES、MOM的计划模块。令专门提供这类系统、方案的小伙伴可以开箱即用地拥有一个规划引擎。当然，当你们遇到一些客户的个性化需求、约束或优化目标，而在我们平台上还没有提供的，也欢大家向我们提出，我们可以通过项目合作的方式定制这些功能。
最后，我做了一个关于这个平台的操作说明。因为这个平台主要是针对我们业内小伙伴，他们都有相应的软件技术能力，且目前时间与精力都比较紧张；因此暂时未提供操作界面供大家使用，而是使用WebAPI方式供各位小伙伴集成到自己的系统中。当然要调用这些接口，其中一个很重要的步骤是把你们自己的系统中的业务数据，构建成这个接口的数据规范，才能把它传进来调用这些接口。关于这个接口说明视频，我已经发布在我的公众号上，当然知呼视频我也会上传。后续我会把构建这些数据的各个要点以短视频方式给大家提供讲解，从这些短视频中，并仅仅可以掌握这个平台接口的一些约束，还可以学到一些不错的干货，因为这两个月来，为了构建这个接口数据，里面表达业务的各种原理、规则、方案，设计一个推翻一个，经过无数次的迭代，最终才形成现在相对科学合理的结构。
接口说明：
https://mp.weixin.qq.com/s/DFLFNgRbJBP-iSONdeTPEQ
https://mp.weixin.qq.com/s/x46p0en7AQVxRIsioSAmhg
本系列文章在公众号不定时连载，请关注公众号（搜“让APS成为可能”）
如需了解更多关于OptaPlanner的应用，请发电邮致：12977379@http://qq.com
若有需要可添加本人微信（13631823503）或QQ(12977379)实时沟通，但因本人日常工作繁忙，通过微信,QQ等工具可能无法深入沟通，较复杂的问题，建议以邮件或讨论组方式提出。(讨论组属于google邮件列表，国内网络可能较难访问，需自行解决)
标签：Drools,方式,OptaPlanner,评分,约束,将弃,DRL 来源： https://www.cnblogs.com/kentzhang/p/16498174.html