我们有一个现有的 Drools 应用程序，用于接收事实并执行规则。由于我们的目标是扩展应用程序以每秒处理至少一百万个请求，因此鉴于最新版本的 Drools 中 Business Central 已被弃用，我们正在寻求有关水平扩展的推荐方法的指导。此外，对于我们的应用程序来说，在扩展时支持时间规则至关重要。
为了提供一些背景信息，我们扩展 Drools 应用程序的主要要求如下：
i) 可扩展性：应用程序应该能够每秒处理至少一百万个请求。我们正在寻找在多个实例之间有效分配工作负载的策略。
ii) 时间规则支持：应用程序应支持时间规则，确保在水平扩展时正确评估基于时间的条件和约束。
考虑到这些要求，我们恳请您就水平扩展 Drools 应用程序的推荐方法和最佳实践提供专业知识和建议。
我们尝试过拥有多个实例，同时将数据传递到不同的实例，我们可以减少工作量，但对于时间规则来说这会失败。
您必须在内存中拥有所有需要的数据才能做出决定（评估规则）。
如果您的场景是根据历史数据评估不相关的事务，请将历史数据存储在分布式文件系统（例如 HBase）上，根据不相关的输入根据需要水平扩展。应用程序需要加载和分析规则执行逻辑所需的所有数据。您可能需要细心的索引来加载您需要的数据和快速的网络。
如果您的场景是评估彼此相关的事件。
Drools 入口点 可以被视为 SQL DB 中的分区。
如果您可以对数据进行分区，则可以在不同的硬件上处理每个分区。如果需要，您可以为所有节点复制一些数据。
优化您的处理。如果无法扩展 rete 评估，请从该节点中提取所有计算。例如，您有一个具有 40 个 CPU 和 120 GB 内存的节点，它从（快速消息基础设施）Kafka 加载事件，仅进行重新计算并将输出事件发送回 Kafka，该规则针对输入事件执行。然后水平扩展下游规则处理。