Я работаю над мультиклиентным веб-приложением, которое анализирует данные датчиков и будет вызывать действия на основе этих данных с помощью механизма правил. У каждого клиента этого приложения есть набор датчиков окружающей среды (10–100 с) и набор правил, которые будут оцениваться каждый раз, когда значения датчиков изменяются (значения датчиков копируются в базу данных). Базовый набор правил часто будет повторно использоваться разными клиентами, но правила параметризуются индивидуально (например, зависят от времени) для каждого клиента, и каждый клиент имеет разное количество датчиков и правил, которые можно настроить индивидуально. Некоторые правила могут быть применимы даже к отдельным клиентам.
Я считаю, что слюни могут быть хорошим выбором для такой реализации - использовать слюни guvnor для управления правилами для каждого клиента. У каждого клиента будет своя база знаний и сеанс выполнения правил.
Интересно, будет ли такая среда масштабироваться и есть ли эталонный или реальный пример, где кто-то использовал слюни для такого сценария.
Большинство тестов, которые я смог найти, оценивают различные механизмы правил по их способности выполнять правила на растущем числе фактов. Количество фактов в моем сценарии будет относительно стабильным (для каждого клиента), а масштабируемость скорее будет ограничена количеством клиентов и одновременным применением множества баз знаний и сеансов.
Любые комментарии о тестах производительности или сравнении механизмов правил, касающиеся этой проблемы масштабируемости, приветствуются. Я также был бы рад услышать о реальных реализациях, в которых каждый клиент имеет свои собственные правила и набор данных, над которыми нужно работать.
