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：[code]
|
1
|
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
|
1
2
3
4
5
|
<dependency> <groupId>org.codehaus.groovy</groupId> <artifactId>groovy</artifactId> <version>3.0.7</version></dependency> |
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
/* * * @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，直接解析语法有两个确定：
- 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)：
|
1
2
3
4
5
6
7
|
{ "all": [ { "any": [ { "gl": ["连续登录天数", 10] }, { "gl": ["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。
|
1
2
|
// 模板的例子def validateCondition(args){return $s;} |
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
|
/** * 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 ""; } |
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！
到此这篇关于如何实现一个规则引擎的可视化的文章就介绍到这了,希望对你有帮助,更多相关规则引擎可视化内容请搜索服务器之家以前的文章或继续浏览下面的相关文章，希望大家以后多多支持服务器之家！
原文链接：https://www.cnblogs.com/bestzrz/p/14670408.html
