主要观点：近实时决策系统对现代商业应用至关重要，集成 Apache Spark（Streaming）和 Drools 可提供可扩展性和灵活性，以高效处理大规模基于规则的决策。通过贷款审批系统展示了它们的集成，包括架构、实现和优势。
关键信息：

• 问题陈述：使用 Spark 用户自定义函数（UDFs）应用众多规则会因大量 if-else 逻辑而变得复杂且难以维护。
• 解决方案：Drools 通过 DRL 文件或决策表提供解决方案，可在类路径中动态管理和应用规则。
• 用例：在从上游系统流式传输数据时，Drools 基于定义的规则进行简单决策。
• 实现概述：在 IntelliJ 中实现为独立程序，使用特定库版本。
• 系统架构概述：包括输入数据、Apache Spark 处理、Drools 引擎应用规则及输出结果等组件，展示了数据流程和工作流。
• 具体步骤：定义 ApplicantForLoan 模型、Drools 规则、配置 Drools 知识库、创建规则应用工具、实现 Spark 驱动程序，并展示了原始数据帧、批准和未批准申请人的结果。
• 应用领域：适用于金融、航空、医疗、能源和电信等多个领域，可用于 Spark Streaming 实时或近实时处理数据。
• 结论：演示了 Apache Spark 和 Drools 的集成可简化基于规则的决策，如基于信用评分的贷款审批，完整代码和设置可参考 GitHub 仓库。
  重要细节：
• Drools 6 支持在 kmodule.xml 文件中声明式配置知识库和会话，创建 KieBase 资源密集，推荐缓存 KieBase 及使用 KieContainer。
• 在 Spark 驱动程序中，通过广播规则、处理数据帧和应用规则，展示了批准和未批准申请人的结果。
• 输入数据为 18 条记录的模拟数据，实际应用中规则可存储在数据库中进行动态更新。
• GitHub 仓库已被归档在 Arctic Code Vault 中，供未来参考。