Corticon est un gagnant clair sur la réutilisabilité

Corticon ne permet pas simplement de gérer vos règles d’entreprise sans code. Avec une évolutivité sans pareille, Corticon est conçu pour offrir des performances étonnantes, quel que soit le nombre de règles ou la complexité de vos données.

Le Corticon Server est une ressource système hautes performances, évolutive et fiable qui gère des Decision Services et exécute leurs règles métier, telles que définies dans le Corticon Studio contre les demandes entrantes. Progress Corticon correspond à sans état ce qui signifie qu'aucune donnée externe n'est stockée dans la mémoire du serveur. Cela introduit un certain nombre d'avantages clés en termes de performances, mais comment utiliser des règles complexes dans une architecture d'entreprise sans mêler les données à ces règles? Pour répondre à cette question, il est important de comprendre d’abord le vocabulaire de la règle Corticon.

Le vocabulaire de règles (figure 1) fournit les éléments de base du langage de règles, à savoir les blocs de construction avec lesquels les règles de gestion sont implémentées dans Corticon. Un vocabulaire est un ensemble défini par l'utilisateur «d'entités» métier et de leurs différentes propriétés appelées «attributs». Enfin, les «associations» définissent les relations entre les entités.

1. Exemple de vocabulaire de règles Corticon

Les éléments de vocabulaire sont souvent des représentations d'éléments de données externes. Une valeur clé obtenue à l'aide de Corticon est que le modélisateur de règles n'a pas besoin soyez préoccupé par où les données ne sont que comment elles sont utilisées dans le contexte de la construction et de l'évaluation des règles de gestion. Le système de gestion de la décision doit garantir que des liens appropriés sont maintenus entre le Vocabulaire et le Nous appelons souvent ce concept l'abstraction – les complexités des systèmes de stockage et de récupération des données d'une entreprise ont été masquées, de sorte que seuls les aspects relatifs à l'écriture de règles sont présentés au modélisateur de règles. consiste à extraire toute la logique fréquemment modifiée ou maintenue par les utilisateurs de l'entreprise d'une multitude de langages d'application différents et à la rendre disponible dans un format commun.

Comment le vocabulaire est-il corrélé à les données sous-jacentes?

Lorsqu'une instance d'un service de décision traite des règles, elle accède aux données dans la “mémoire de travail”. La mémoire de travail peut être remplie par l'une des méthodes suivantes:

1. en le passant dans le cadre de la demander une charge, sous forme de document XML ou JSON.
2. Création des données à partir du traitement des règles . Lors du traitement des règles, certaines règles peuvent créer de nouvelles données, modifier des données existantes ou même supprimer des données. Ces mises à jour sont conservées dans la mémoire de travail jusqu'à la fin de l'exécution de la règle.
3. Si, au cours de l'exécution de la règle, des données provenant d'une base de données ne sont pas déjà présentes dans la mémoire de travail, le service de décision demande à Corticon Server d'interroger et le récupérer à partir d'une base de données externe.
4. Nouveauté de Corticon 6.0 : Si, au cours de l'exécution de la règle, des données d'un service REST sont nécessaires, le service de décision demande à Corticon Server de se connecter à un REST endpoint et traitez-le comme s'il s'agissait d'une base de données à partir de laquelle interroger des données. La richesse des sources de données REST exposées via des API signifie que vous pouvez utiliser plusieurs sources pour créer le meilleur jeu de données complet possible.

En quoi la méthode d'intégration des données de Corticon est-elle unique?

Une proposition de valeur essentielle des moteurs de règles en tant que logiciel catégorie est ce concept de abstraction . Mais Corticon Server fait bien plus que prendre le langage des affaires et le traduire en lignes de code if-then-else. Non seulement cela permet au modélisateur de règles de définir très précisément quand et où accéder aux données externes sans codage, il offre également une extensibilité sans précédent pour les données soumises à de fréquents changements.

La plupart des moteurs de règles utilisent un algorithme pour analyser les règles . au cours de l'exécution . Cela signifie qu'un traitement important est en cours lorsque les systèmes recherchent une réponse à partir du système de règles. Dans les systèmes utilisant un tel algorithme, une personne interroge généralement une grande base de règles avec une question, et le système converge vers zéro ou plusieurs réponses (parfois contradictoires). Parce qu'un humain interprète les résultats, des incohérences logiques (telles que l'absence de réponse ou des réponses contradictoires) sont tolérées et, en fait, requises sur le plan architectural pour permettre un jugement humain.

De plus, parce que ces systèmes évaluent chaque règle lorsqu'elle est invoquée, il y a un goulot d'étranglement inhérent. Bien que cette analyse algorithmique s’adapte bien à un nombre croissant de règles elle se dégrade de manière exponentielle avec une complexité croissante des données ce qui pose un problème d’évolutivité des performances.

Le moteur Corticon a été conçu dès le départ pour automatisation de décision, pas d'aide à la décision. Corticon a adopté une approche radicalement différente pour l'automatisation des décisions. Les services de décision, constitués d'un ensemble de règles, sont déployés / non déployés en tant qu'unité, de sorte que le moteur de règles n'a pas besoin de prendre en charge l'ajustement dynamique des règles individuelles.

Corticon Studio aidant donc l'auteur de la règle à identifier et à résoudre les conflits logiques. Au cours de la phase de modélisation des règles (figure 2), les compilateurs intelligents du moteur Corticon génèrent automatiquement des séquences de traitement optimales pour tout service de décision. Il en résulte une solution inégalée dans la mesure où Corticon offre des performances époustouflantes qui évoluent de manière linéaire en fonction du nombre de règles et de de la complexité des données.

2. Exemple d'une des vérifications de l'intégrité des règles de Corticon Studio, le" Vérificateur d'intégralité "

Corticon permet d'extraire complètement les données sous-jacentes des règles, sans sacrifier la facilité d'utilisation pour les non-programmeurs Tout en évoluant à un rythme prévisible, les nouveaux gains d’efficacité sont énormes pour les organisations axées sur la réutilisation dans leurs architectures. Comme les règles ne sont pas liées aux données sur lesquelles elles agissent, chacune peut être gérée individuellement en tant que couche architecturale. Les fonctions métier qui se chevauchent peuvent utiliser des terminologies commerciales identiques pour optimiser les systèmes afin de réagir à des événements complexes.La prise de décision peut être facilement documentée et auditée à partir d'un historique de version lisible par l'homme, à un moment où le succès d'une organisation est si intimement lié. Grâce aux données qu’il peut collecter et analyser, Corticon offre une garantie d’évolutivité sans précédent.

Avec la nouvelle version de Corticon 6. Corticon est mieux équipé que jamais pour vous aider à tirer le meilleur parti de vos règles métier. Pour en savoir plus, n'hésitez pas à demander une démo aujourd'hui .