日常场景
- 共享单车会根据微信分或者芝麻分来判断是否交押金
- 汽车租赁公司也会根据微信分或者芝麻分来判断是否交押金
- 在一些外卖 APP 都会提供根据你的信用等级来发放贷款产品
- 金融 APP 中会根据很复杂规则来判断用户是否有借款资格，以及贷款金额。
在简单的场景中，我们可以通过直接编写一些代码来解决需求，比如：
// 判断是否需要支付押金
return 芝麻分 > 650
这种方式代码简单，如果规则简单且不经常变化可以通过这种方式，在业务改变的时候，重新编写代码即可。
在金融场景中，往往会根据不同的产品，不同的时间，对接的银行等等多个维度来配置规则，单纯的直接编写代码无法满足业务需求，而且编写代码的方式对于运营人员来说无论实时性、可视化都很欠缺。
在这种情况往往会引入可视化的规则引擎，允许运营人员可以通过可视化配置的方式来实现一套规则配置，具有实时生效、可视化的效果。减少开发和运营的双重负担。
这篇主要介绍一下如何实现一个可视化的表达式的定义和执行。
表达式的定义
在上面说到的使用场景中，可以了解中至少需要支持布尔表达式。比如
- 芝麻分 > 650
- 居住地 不在 国外
- 年龄在 18 到 60 之间
- 名下无其他逾期借款
...
在上面的例子中，可以将一个表达式分为 3 个部分
- 规则参数 (ruleParam)
- 对应的操作 (operator)
- 对应操作的阈值 (args)
则可以将上面的布尔表达式表示为
- 芝麻分 > 650
{
"ruleParam": "芝麻分",
"operator": "大于",
"args": ["650"]
}
- 居住地 不在 国外
{
"ruleParam": "居住地",
"operator": "位于",
"args": ["国内"]
}
- 年龄在 18 到 60 之间
{
"ruleParam": "年龄",
"operator": "区间",
"args": ["18"， "60"]
}
- 名下无其他逾期借款
{
"ruleParam": "在途逾期数量",
"operator": "等于",
"args": ["0"]
}
表达式执行
上面的通过将表达式使用 json 格式定义出来，下面就是如何在运行中动态的解析这个 json 格式并执行。
有了 json 格式，可以通过以下方式来执行对应的表达式
- 因为表达式的结构已经定义好了，可以通过手写代码来判断所有的情况实现解释执行, 这种方案简单，但增加操作需要修改对应的解释的逻辑, 且性能低
/*
{
"ruleParam": "在途逾期数量",
"operator": "等于",
"args": ["0"]
}
*/
switch(operator) {
case "等于":
// 等于操作
break;
case "大于":
// 等于操作
break;
...
}
在第一次得到 json 字符串的时候，直接将其根据不同的情况生成对应的 java 代码，并动态编译成 Java Class，方便下一次执行，该方案依然需要处理各种情况，但因为在第一次编译成了 java 代码，性能和直接编写 java 代码一样
使用第三方库实现表达式的执行
使用第三方库实现动态表达式的执行
在 Java 中有很多表达式引擎，常见的有
- jexl3
- mvel
- spring-expression
- QLExpress
- groovy
- aviator
- ognl
- fel
- jsel
这里简单介绍一下 jexl3 和 aviator 的使用
jexl3 在 apache commons-jexl3 中，该表达式引擎比较符合人的书写习惯，其会判断操作的类型，并将参数转换成对应的类型比如 3 > 4 和 "3" > 4 这两个的执行结果是一样的
aviator 是一个高性能的 Java 的表达式类型，其要求确定参数的类型，比如上面的 "3" > 4 在 aviator 是无法执行的。
jexl3 更适合让运营手动编写的情况，能容忍一些错误情况；aviator 适合开发来使用，使用确定的类型参数来提供性能
jexl3 使用
加入依赖
<dependency>
<groupId>org.apache.commons</groupId>
<artifactId>commons-jexl3</artifactId>
<version>3.2.1</version>
</dependency>
// 创建一个带有缓存 jexl 表达式引擎，
JexlEngine JEXL = new JexlBuilder().cache(1000).strict(true).create();
// 根据表达式字符串来创建一个关于年龄的规则
JexlExpression ageExpression = JEXL.createExpression("age > 18 && age < 60");
// 获取需要的参数，java 代码太长了，简写一下
Map<String, Object> parameters parameters = {"age": 30}
// 执行一下
JexlContext jexlContext = new MapContext(parameters);
boolean result = (boolean) executeExpression.evaluate(jexlContext);
以上就会 jexl3 的简单使用
aviator
引入依赖
<dependency>
<groupId>com.googlecode.aviator</groupId>
<artifactId>aviator</artifactId>
<version>5.3.1</version>
</dependency>
Expression ageExpression = executeExpression = AviatorEvaluator.compile("age > 18 && age < 60");
// 获取需要的参数，java 代码太长了，简写一下
Map<String, Object> parameters parameters = {"age": 30}
boolean result = (boolean) ageExpression.execute(parameters);
注意 aviator 是强类型的，需要注意传入 age 的类型，如果 age 是字符串类型需要进行类型转换
性能测试
不同表达式引擎的性能测试
Benchmark Mode Cnt Score Error Units
Empty thrpt 3 1265642062.921 ± 142133136.281 ops/s
Java thrpt 3 22225354.763 ± 12062844.831 ops/s
JavaClass thrpt 3 21878714.150 ± 2544279.558 ops/s
JavaDynamicClass thrpt 3 18911730.698 ± 30559558.758 ops/s
GroovyClass thrpt 3 10036761.622 ± 184778.709 ops/s
Aviator thrpt 3 2871064.474 ± 1292098.445 ops/s
Mvel thrpt 3 2400852.254 ± 12868.642 ops/s
JSEL thrpt 3 1570590.250 ± 24787.535 ops/s
Jexl thrpt 3 1121486.972 ± 76890.380 ops/s
OGNL thrpt 3 776457.762 ± 110618.929 ops/s
QLExpress thrpt 3 385962.847 ± 3031.776 ops/s
SpEL thrpt 3 245545.439 ± 11896.161 ops/s
Fel thrpt 3 21520.546 ± 16429.340 ops/s
GroovyScript thrpt 3 91.827 ± 106.860 ops/s
总结
这是写的规则引擎的第一篇，主要讲一下
- 如何讲一个布尔表达式转换为 json 格式的定义方便做可视化存储和后端校验
- 如何去执行一个 json 格式的表达式定义
在这里也提供了一些不同的表达式引擎和性能测试，如果感兴趣的可以去尝试一下。
下一篇主要讲一下在引擎里面规则参数、操作符是如何设计的，也讲一下可视化圆形的设计
