rete可以分为编译和运行规则两部分。 规则编译是基于规则集生成推理网络的过程，而运行时运行是将数据发送到推理网络进行过滤的过程。
基本概念Rete算法的初衷是利用规则之间每个域的公共部分来减少规则存储，并存储匹配过程的临时结果以提高匹配速度。 为了达到这一效果，该算法对规则进行划分，将每个条件单元作为基本单元(节点)连接到一个数据判别网络，对事实(facts )进行网络过滤和传播，最终将事实与所有条件相匹配的规则
网络有五种类型的节点：根节点、类型节点、alpha节点(也称为单输入节点)、beta节点(也称为双输入节点)和终端节点。
根节点代表整个Rete网络的入口，可以通过所有事实，传递给ObjectType节点。 作为根节点的后继，
类型节点ObjectType Node是我们的fact，也就是我们的规则中使用的pojo，用于选择事实的类型，并将符合自身节点类型的事实传播到后续的alpha节点。
阿尔法节点(阿尔法节点)主要是“name==zhang”、“age>； 15”等，对同一对象类型内的属性进行约束和常量测试。
很简单的规则
rule '规则1 :帐户馀额小于100 ' when $ account : account (balance 100 ) then print (馀额小于100 ) )； 与end规则1对应的rete网络如下：
名为LeftInputAdapterNode节点的节点的作用是将事实对象转换为元组，主要为beta节点提供角色。
beta节点beta节点主要包括“p.name==c.friend”、“p.age>； 根据不同对象(如cat.age )之间的约束条件执行连接操作。 beta节点分为join节点、Not节点等。 连接节点有两种类型的输入，左侧输入一个称为元组的事实列表，右侧输入一个事实对象。 对象和元组在Join节点上根据类型之间的约束执行Join操作，并将匹配事实添加到元组中，然后中继到下一个beta节点。
在规则1中添加条件，形成其他规则
rule '规则2 :一张学生卡' when $ account : account (balance 100，type=Account.Type .学生) $ customer : cuscount 与end规则2对应的rete网络如下：
终端节点终端节点是规则的最后一个节点，表示规则匹配的结束，如果将事实或元组传递到终端节点，则表示与该终端节点对应的规则处于活动状态。
RETE网络的构建RETE算法的编译结果是创建与规则集相对应的RETE网络，事实在其中流动的图。 要创建rete网络，请执行以下操作：
制定路线。 取出一个规则r。 a .提取模式p，检查参数类型，对于新类型添加类型节点； b .检查模式p的条件约束，对于单一类型约束，检查对应的节点是否已经存在，如果不存在，则对于将该约束作为一个节点添加到链中的后续多态约束，创建对应的节点。 左输入是上一个节点(第一个节点的左输入是LeftInputAdapterNode节点)，右输入是当前链的节点。 d .重复b-c直到模式p的所有约束处理完成； e .重复a-d直到处理了所有架构，然后创建终端节点。 每个架构链的末尾都连接到终端节点。 f .将动作(Then部分)封装为叶节点(Action节点)作为输出节点。 重复步骤2，直到处理完所有规则。 按照上述创建rete网络的算法，生成规则3
rule '规则3 :账户余额不足100的北苑路姓张的学生' when $ account : account (balance 100， type=Account.Type .学生) $customer3360customer ) ) ffalance.type .学生accounts contains $account ) $ addr 3360 addr (流customers contains $ customer (then print )参加账户余额不足100的北苑路姓张的学生end规则1、规则2、规则3后，对应的rete网络如下：
从运行时执行工作内存中检索工作区元素WME(workingmemoryelement，简称wme )，并将其放置在根节点上进行匹配。 WME是为事实而制定的要素，是用于与根以外的节点表示的模式匹配的要素。 遍历每个alpha节点(包括ObjectType节点)，如果alpha节点约束与WME匹配，则该WME位于alpha节点的匹配内存中，然后传播到后续节点。 到alpha节点的后续节点继续处理(2)，直到所有alpha存储器由于匹配的事实而存储在alpha存储器中为止。 如果匹配每个beta节点，并且一个事实位于beta节点的左侧，则已转换为元素的元组位于节点左侧的内存中。 元组进入左侧时
部，则将其存在左内存中。如果一个事实进入右侧，则将其与左内存中的元组按照节点约束进行匹配，符合条件则将该事实对象与左部元组合并，并传递到下一节点。bate结点有left存储区和right存储，其中left存储区是beta内存，right存储区是alpha内存。存储区储存的最小单位是WME。重复（４）直到所有beta处理完毕，元组对象进入到Terminal节点。对应的规则被触活，将规则后件加入议程（Agenda）。对Agenda里的规则进行冲突消解，选择合适的规则执行。 Rete算法的特点rete算法通过共享规则节点和缓存匹配结果，获得产生式推理系统在时间和空间上的性能提升。
1、状态保存事实集合中的每次变化，其匹配后的状态都被保存再alpha和beta节点中。在下一次事实集合发生变化时，绝大多数的结果都不需要变化，rete算法通过保存操作过程中的状态，避免了大量的重复计算。Rete算法主要是为那些事实集合变化不大的系统设计的，当每次事实集合的变化非常剧烈时，rete的状态保存算法效果并不理想。
2、节点共享另一个特点就是不同规则之间含有相同的模式，从而可以共享同一个节点。Rete网络的各个部分包含各种不同的节点共享。
3、节点索引索引方法是指对rete网络的节点建立当前节点对后继的索引，在事实断言时可以通过索引快速找到对应的后继节点而无需逐个查 找。drools在rete的面向对象版本rete－oo算法中对ObjectType节点增加后继alpha节 点的索引，以事实的属性为key，alpha节点为value，这样在事实通过类型节点验证后可以迅速找到对应的alpha节点进行断言。
同样，对beta节点也可以建立索引，beta节点的索引主要是针对节点左右内存的查询。当一个事实传递到beta节点的右内存中时，需要与该节点的左内存进行连接操作，即遍历左侧内存中的事实元组，找到符合节点约束的事实进行连接。该过程的遍历查找效率较低，将beta内存分成若干单元，每个单元分配一个id；对右侧的事实用哈希函数求索引，该索引就是某个单元的位置，通过索引快速找到相应单元进行匹配，如果不在该分区，则将该对象组成一个新的单元加入左内存。
参考：
基于Rete算法的规则引擎Drools的研究
Drools规则工作流引擎全面开发教程
Rete算法：研究现状与挑战