在运营管理过程中,企业积累了大量的、极为重要的电子数据。业务决策者在进行分析决策时对这些数据的依赖性日益增强,错误或冲突的数据很可能会导致错误的决策,从而给企业造成巨大的损失。因此在这些数据进入决策系统之前需要对其进行处理,以提高决策系统的可信度和可用性。为解决上述问题,业界提出了数据清洗的解决方案,即从大量原始数据中按一定规则(领域知识规则)检测出“脏数据”并按一定的规则(清洗动作规则)修复或丢弃之。传统的数据清洗工具存在以下不足:“脏数据”的检测和修复逻辑被嵌入到复用性差的硬编码中或依赖于灵活但低效的手工判断。当“脏数据”的定义发生变化时需要修改源代码并重新编译生成清洗软件,这在实际使用中是低效的。Java规则引擎的出现,为基于动态、可配置规则的数据清洗方式提供了可行的技术基础。本文介绍了规则引擎的基本原理,分析了Java规则引擎的工作机制及其核心算法——Rete算法,并对一种开源的Java规则引擎软件包——Drools的API使用方法及其规则配置文件的结构及含义做了系统地研究分析。本文着重阐述了一种基于Drools规则引擎的动态数据清洗系统的设计方案。给出了领域知识规则和清洗动作规则的巴科斯范式定义,为规则的持久化存储提供了基础。本文设计并实现了使用Drools规则引擎描述并执行清洗逻辑,能处理多种数据质量问题的动态数据清洗系统,弥补了现有数据清洗工具的不足。这种动态性主要体现在规则的持久化存储和Drools规则配置文件的动态更新。文中还详细介绍了系统的规则数据库设计、功能模块划分、架构和工作流程,给出了主要模块的部分代码,并对系统做出了实验性能分析。