规则配置抽象化
决策树同决策矩阵部分？
首先确定规则集，然后再确定决策树
pipeline模型，用链式串联不同节点组件，组成直线工作流
Rete模型，构建成网络，区分alpha网络和beta网络
实现决策树和决策矩阵是把每个可选的条件都置为单独规则处理，而rule_1和rule_2存在互斥关系，如果一个为true，另一个则无需计算，rule_3和rule_4也是如此。如果决策树更加复杂，一个选择即一个分支，将存在更多无需计算的规则。为了提高决策效率，一个简单的实现方案：可将互斥的规则增加个属性标签“规则组”，将决策上下文缓存，已获得true结果的规则组下规则不再参与重复匹配计算。
实际上，是一个模式匹配的问题，如何更高效地匹配和轮转
rete模型
构建rete网络流程：
- 网络的构建始于根节点Root Node（黑色）
- 构建Alpha网络，根据rule_1获取执行条件（module模式）中参数类型，添加Type Node节点（Object Type Node），并将module作为AlphaNode加入网络（已添加忽略），重复执行所有rule下的module，构建Alpha内存表 （Alpha Memory 黄色节点）。
- 构建Beta网络，Beta Node节点，Beta(i)左输入节点为Beta(i-1)，右输入节点为Alpha(i)，连接节点Join Node（绿色节点）
- 规则执行部分封装成Terminal Node（灰色节点）
有向图结构（如有向无环图DAG），图的解析主要是进行深度或广度遍历，可以执行每条分支流程，因此图的遍历更适合做并行网关，而决策流是排它网关语义，同时有且只有一个分支满足执行条件，使用图结构并不合适，一次决策的执行流程，更像一个链式流程，更适合单向链表结构。
关于flink的原子粒度的问题，采用滑动窗口的问题
如果要看 10 分钟、15 分钟数据，只要把结果数据再做一次聚合即可。这样可以避免因调整聚合窗口时间，导致监控服务重启不可用。