動手擼一個規則引擎(二)：方案解析

寫在前面

規則引擎能夠搞啥？通常使用場景，是經過可視化節目進行拖拉或者簡單的操做指定流程和規則，將規則輸入獲得目標輸出。

交易系統中的規則引擎

規則編排的過程是各類條件的組合，相似於搭積木，指定邏輯規則，細化邏輯因子，好比指定選人規則，一個用戶id進來以後根據指定的不一樣邏輯規則獲得該用戶能夠發的券集合。一樣能夠用來篩選商品，篩選營銷規則等。

在交易系統中主要是和用戶和營銷策略相關，好比根據歷史訂單，是否會員信息，是否門店新老客等規則因子，組合規則因子，也就是指定決策邏輯。動態的去響應不一樣用戶的不一樣策略。

規則引擎的難點

規則引擎的難點在於：規則的易變和定製化。

規則每每處於熱更新的狀態，在產品決策過程當中由於ABTest等緣由，可能隨時調整規則。同時一套營銷規則可能由於用戶畫像不一樣致使千人前面的策略，有必定的定製特色。

在沒有規則引擎以前，系統實現規則引擎通常採用硬編碼，if/else登方式。哪怕是將規則相關邏輯單獨抽離到規則模塊，代碼規則實現存在硬編碼難以熱更新的問題依然存在。

可是硬編碼並不是一無可取，較粗粒度的規則仍是須要固化到系統中，這樣能夠達到更好封裝和抽象的目的，下降必定的迭代成本。

規則引擎系統

規則引擎被定義爲系統中的一組規則組件，能夠將業務邏輯和決策邏輯進行拆分，抽離出來。

規則引擎的關鍵詞：

• 實事：用戶的輸入信息爲實事
• 規則：定製化的業務規則邏輯
• 結果：規則加工和執行以後產生的結果

爲更好的固化和沉澱一部分規則到系統中，咱們通常創建一套規則管理系統，以可視化方式提供給使用方，在可視化界面操做規則編排，規則的變動最好加上版本，以區分和熱更新，避免硬切規則形成的數據不一致狀況，能夠平滑過分到下一個規則中。

規則引擎的難點在於，對於配置化的規則進行系統性的解析和業務邏輯的執行，當咱們經過存儲系統對規則進行存儲以後，在將規則以原子性的方式拉取出來後，執行規則便成了比較複雜的地方了，通常能夠採用Drools，Aviator等三方引擎，也能夠本身定製。

• Drools：適用於風控金融，用起來比較複雜
• Grovvy，JPython：能夠嵌入到系統中進行邏輯執行，可是性能存在考量空間