不管是B2B,C2C,在有交易的电子商务过程当中，不可避免的出现促销这样的事，一般常见的促销包括打折优惠，买多少减多少，买多少送几样等等，甚至是订单满多少钱可以免邮什么的，距离几公里内可以免邮什么的，五花八门，不易穷举。针对这样的情况，做了个小型的促销模型。
下面就直接开始撸模型吧。
1、策略
我们需要一个基础的策略对象，比如买3送1，买5送3等这样的一个具体行为；这个策略对象有一些基本属性，包括策略的名字如买3送1，还要有个策略的计算方法，这个是核心，【坑】，稍后再说。再加上其他主键什么的大致样子如下
2、策略组
我们知道，在一次促销活动中，常见的一种现象是买3送1，买5送2；或者买100送10，买200送25这样的情况；那么我们如果购买5件，是不是就同时这两个优惠都起作用呢？显示不是，这样的活动其实是一种排他性的，同时也有优先级，比如满足买5送3的优先级就应该高于买2送1，否则买3送1就没有意义了。一旦满足高级别的促销，优先处理，否则继续寻找低级别的促销，直到结束。
这里把策略组和策略组的细节分为两个部分，分别表示策略组的基本熟悉和策略组组成部分
有了策略组基本定义，可以继续完善对应的商品和策略之间的关联了
3、商品与策略组
商品不再与具体策略关联，而是和策略组进行，这样方便商品展示的时候显示该商品的促销描述，比如买5送3，买2送1，而这两个具体促销在促销表是两个行记录，需要处理才可以方便展现；当然，商品假设可能有多个促销策略，那么策略组之间也包括优先级，但某种程度上是并集效果，如买5送3同时又买200减10，假设买200减10优先级高，那么先处理，之后再计算买5送3，但一般商家不会这么干滴。
4、全局与策略
全局促销是针对某个会员对某次购买行为这样的整体促销，如订单满多少钱免邮什么的，会员打几折等，这些内容一般最后处理，在商品与策略组计算完毕之后总订单进行，如果有需要，也可以提前处理，看具体业务情况；这样的全局比较复杂，内容是包罗万象，比如配送距离3km免邮啦，各种会员等级折扣不同，订单满X元减Y元等等。为了方便处理，这里所有的情况统一为后面的策略处理对象。
5、策略处理
回到一开始的一个坑，这里填下
策略公式可以是一段JSON对象，也可以是一个脚本，这里先是一个JSON对象来做个演示，比如买3送1这个具体的促销行为，转换为
{'buyCount':'3','giftCount':'1'}
这里的buyCount和giftCount都是预先准备好的，需要约束；算法以此为蓝本，传入一堆入参，进行处理，比如某个商品作为例子，该商品入参形式
{'goodsID':'1000000000','goodsPrice':'12.5','count':'3','allPrice':'37.5'}
该算法出来结果是
{'new':'T','goodsID':'1000000000','goodsPrice':'12.5','giftCount':'1','lastPrice':'0'}
其中new的属性表示在商品列表新增一个条目，作为赠品出现
如果是优惠价格，比如优惠促销行为是：
{'buyMoney':'200','reduceCost':'10'}
入参修改为
{'goodsID':'1000000000','goodsPrice':'125','count':'3','allPrice':'375'}
最终计算出来的结果是
{'new':'F','goodsID':'1000000000','goodsPrice':'125','reduCost':'10','lastPrice':'365'}
6、策略对象封装
策略处理更加灵活的方式采用动态脚本进行
