背景
最近有个新项目可能会用到规则引擎，所以花了些时间对相关技术做调研，在百度、google用“规则引擎”作为关键字进行搜索，可以找到很多关于这方面的资料，绝大部分都会提到 drools、urules、easy-rules等等这么些开源项目，有一些文章也提到他们是采用groovy脚本来实现的。通过对项目需求的评估，初步判定groovy脚本已经可以满足实际的场景。
然而，在这些资料或者方案之中，除了urules，大部分只是关注框架的性能和使用上的简便，很少探讨如何让业务人员可以自行进行规则定义的方案。而urules虽然自带了可视化的规则管理界面，但是界面样式不好自定义，无法跟现有后台管理界面不突兀的融合。
通过不断尝试变换关键字在搜索引擎搜索，最终在stackoverflow找到了一个探讨这个问题的帖子，特此将帖子中提到的方案分享一下，如果你跟我一样在研究同样的问题，也许对你有用。不过在介绍这个方案之前，得先简单了解一下什么是规则引擎
什么是规则引擎？
简单的说，规则引擎所负责的事情就是：判定某个数据或者对象是否满足某个条件，然后根据判定结果，执行不同的动作。例如：
对于刚刚在网站上完成购物的一个用户（对象），如果她是 "女性用户 并且 （连续登录天数大于10天 或者 订单金额大于200元 )" (条件) , 那么系统就自动给该用户发放一张优惠券（动作）。
在上面的场景中，规则引擎最重要的一个优势就是实现“条件“表达式的配置化。如果条件表达式不能配置，那么就需要程序员在代码里面写死各种if...else... ，如果条件组合特别复杂的话，代码就会很难维护；同时，如果不能配置化，那么每次条件的细微变更，就需要修改代码，然后通过运维走发布流程，无法快速响应业务的需求。
在groovy脚本的方案中，上面的场景可以这么实现：
- 1）定义一个groovy脚本：
def validateCondition(args){return args.用户性别 == "女性" && (args.连续登录天数>10 || args.订单金额 > 200);}
- 2）通过Java提供的 ScriptEngineManager 对象去执行
<dependency>
<groupId>org.codehaus.groovy</groupId>
<artifactId>groovy</artifactId>
<version>3.0.7</version>
</dependency>
/*
*
* @params condition 从数据库中读出来的条件表达式
*/
private Boolean validateCondition(String condition){
//实际使用上，ScriptEngineManager可以定义为单例
ScriptEngineManager engineManager = new ScriptEngineManager();
ScriptEngine engine = engineManager.getEngineByName(scriptLang);
Map<String, Object> args = new HashMap<>();
data.put("用户性别", "女性");
data.put("连续登录天数", 11);
data.put("订单金额", 220);
engine.eval(script);
return ((Invocable) engine).invokeFunction("validateCondition", args);
}
在上面的groovy脚本中，经常需要变动的部分就是 ”args.用户性别 == "女性" && (args.连续登录天数>10 || args.订单金额 > 200)“ 这个表达式，一个最简单的方案，就是在后台界面提供一个文本框，在文本框中录入整个groovy脚本，然后保存到数据库。但是这种方案有个缺点：表达式的定义有一定门槛。对于程序员来说，这自然是很简单的事，但是对于没接触过编程的业务人员，就有一定的门槛了，很容易录入错误的表达式。这就引出了本文的另一个话题，如何实现bool表达式的可视化编辑？
如何实现bool表达式的可视化编辑？
一种方案就是对于一个指定的表达式，前端人员进行语法解析，然后渲染成界面，业务人员编辑之后，再将界面元素结构转换成表达式。然而，直接解析语法有两缺点：
- 1）需要考虑的边界条件比较多，一不小心就解析出错。
- 2）而且也限定了后端可以选用的脚本语言。例如，在上面的方案中选用的是groovy，它使用的"与"运算符是 && , 假如某天有一种性能更好的脚本语言，它的"与"运算符定位为 and ，那么就会需要修改很多表达式解析的地方。
另一种方案，是定义一个数据结构来描述表达式的结构(说了这么多，终于来到重点了)：
{ "all": [
{ "any": [
{ "gt": ["连续登录天数", 10] },
{ "gt": ["订单金额", 200] }
]},
{ "eq": ["用户性别", "女性"] }
]}
然后，使用递归的方式解析该结构，对于前端开发，可以在递归解析的过程中渲染成对应的界面元素；对于后端人员，可以生成对应的bool表达式，有了bool表达式，就可以使用预定的脚本模板，生成最终的规则。
// 模板的例子
def validateCondition(args){return $s;}
/**
* 动态bool表达式解析器
*/
public class RuleParser {
private static final Map<String, String> operatorMap = new HashMap<>();
private static final ObjectMapper objectMapper = new ObjectMapper();
static {
operatorMap.put("all", "&&");
operatorMap.put("any", "||");
operatorMap.put("ge", ">=");
operatorMap.put("gt", ">");
operatorMap.put("eq", "==");
operatorMap.put("ne", "!=");
operatorMap.put("le", "<=");
operatorMap.put("lt", "<");
}
/**
* 解析规则字符串，转换成表达式形式
* 示例:
* 输入：
* { "any": [
* { "all": [
* { "ge": ["A", 10] },
* { "eq": ["B", 20] }
* ]},
* { "lt": ["C", 30] },
* { "ne": ["D", 50] }
* ]}
*
* 输出：
* ( A >= 10 && B == 20 ) || ( C < 30 ) || ( D != 50 )
* @param rule 规则的json字符串形式
* @return 返回 bool 表达式
* @throws IOException 解析json字符串异常
*/
public static String parse(String rule) throws IOException {
JsonNode jsonNode = objectMapper.readTree(rule);
return parse(jsonNode);
}
/**
* 解析规则节点，转换成表达式形式
* @param node Jackson Node
* @return 返回bool表达式
*/
private static String parse(JsonNode node) {
// TODO: 支持变量的 ”arg.“ 前缀定义
if (node.isObject()) {
Iterator<Map.Entry<String, JsonNode>> it = node.fields();
if(it.hasNext()){
Map.Entry<String, JsonNode> entry = it.next();
List<String> arrayList = new ArrayList<>();
for (JsonNode jsonNode : entry.getValue()) {
arrayList.add(parse(jsonNode));
}
return "(" + String.join(" " + operatorMap.get(entry.getKey()) + " ", arrayList) + ")";
} else {
// 兼容空节点：例如 {"all": [{}, "eq":{"A","1"}]}
return " 1==1";
}
} else if (node.isValueNode()) {
return node.asText();
}
return "";
}
结语
以上就是本文要阐述的全部内容，对于这个话题，如果你有这方面的经验或者更好的方案，也请多多指教，谢谢！