Drools 规则引擎 demo 规则引擎 aviator

转载

索姆拉 2024-03-18 22:07:57

文章标签 Drools 规则引擎 demo jvm java 开发语言 json 文章分类 机器学习人工智能

新需求，针对众包平台的订单信息录入增加一些通用的规则校验。

重构理由：

1.不同端的订单历史规则分散在代码里,对业务侵入严重，不利于修改 2.为了通用的规则重用 3.后续业务的计算逻辑独立，可通过规则引擎的方式进行计算

目标：

1.为了业务、校验、计算的分离 2.降低耦合、进行统一的规则管理 3.增强拓展性，后续仅需对规则配置即可

考虑使用Google的Aviator框架来实现这个需求

文章目录

Aviator是什么
为什么选用Aviator

1.引入依赖

Gradle依赖
Maven依赖

2.代码结构

核心逻辑执行器
自定义函数

3.执行流程

Aviator是什么

Aviator是一个高性能的、轻量级的Java表达式求值引擎，它支持Java语法和Aviator语法。 Aviator语法是一种简化的表达式语法，它支持类似Python的三元表达式、正则表达式、集合操作等语法糖，使得表达式更加简洁易读。

有需要的xdm可以看下下面这篇文章，非常详细地介绍了Aviator的语法、函数、使用以及进阶玩法等。对新手比较友好。超级详细的Aviator的使用文档

为什么选用Aviator

Aviator底层是读取表达式动态实时地编译成JVM字节码，大伙应该很清除这意味着高性能使用简单，解耦好，轻量级拓展性好，可以自定义函数，另外它的内置函数比较完善，很强大，可以在使用时对照着上述文档使用当然最重要的一个原因是我之前使用过它

1.引入依赖

我可是很贴心的中央空调，必须给大伙儿将依赖贴出来

Gradle依赖

implementation 'com.googlecode.aviator:aviator:5.3.3'

Maven依赖

<dependency>
  <groupId>com.googlecode.aviator</groupId>
  <artifactId>aviator</artifactId>
  <version>5.3.3</version>
</dependency>

2.代码结构

Drools 规则引擎 demo 规则引擎 aviator_json

具体规则配置，可以看项目或者个人喜好，Json、XML、Yaml都行，怎么觉得方便怎么来

Drools 规则引擎 demo 规则引擎 aviator_开发语言_02

我配置的解析实例如下，自定义即可，看自己业务场景。

[
    {
        "ruleType": "Test",
        "ruleName": "orgManager",
        "ruleExpression": "orgManager(userName, companyName)",
        "hitDesc": "规则1"
    },
    {
        "ruleType": "Test",
        "ruleName": "recentTwoMonthSameMoney",
        "ruleExpression": "recentTwoMonthSameMoney(entity)",
        "hitDesc": "规则2"
    }
]

核心逻辑执行器

@Component
@Slf4j
public class RuleEngineCmdExe {

    private static List<Rule> rules;

    public RuleExecuteResult executeRule(RuleContext ruleContext) {
        //init param
        RuleExecuteResult result = new RuleExecuteResult();
        result.setResultType(RuleExecuteResultEnum.PASS);
        List<String> hitDesc = new ArrayList<>();

        if (CollUtil.isEmpty(ruleContext.getParam())) {
            throw new ContractBaseException(ResponseCodeEnum.DATA_NOT_EXIST);
        }

        Map<String, Object> map = ruleContext.getParam();
        if (ObjectUtil.isNotEmpty(ruleContext.getData())) {
            map.put("entity", ruleContext.getData());
        }

        //循环执行每条逻辑，并组装返回结果
        for (Rule rule : rules) {
            boolean hit = (boolean) AviatorEvaluator.execute(rule.getRuleExpression(), map, true);
            if (hit) {
                log.info("hit rule: {}", rule.getHitDesc());
                result.setResultType(RuleExecuteResultEnum.REFUSE);
                hitDesc.add(rule.getHitDesc());
            }
        }
        result.setHitRules(hitDesc);
        return result;
    }

    @PostConstruct
    public void init() {
        try {
            File file = ResourceUtils.getFile("classpath:rule.json");
            rules = JSONArray.parseArray(FileUtils.readFileToString(file, "UTF-8"), Rule.class);
        } catch (FileNotFoundException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        }
    }

}

自定义函数

我上述截图中的自定义函数由于内部业务问题，就不展示了，贴个Demo吧使用自定义函数，根据getName()返回的函数名（可自定义）,直接在上述的rule.json文件的规则表达式配置name，进行使用

public class CustomFunction extends AbstractFunction {
    @Override
    public AviatorObject call(Map<String, Object> env) {
        double x = (double) env.get("x");
        double y = (double) env.get("y");
        return new AviatorDouble(x + y);
    }

    @Override
    public String getName() {
        return "add";
    }
}