基于Spring EL实现一个简单的电商打折优惠规则引擎
你知道的越多，不知道的就越多，业余的像一棵小草！
你来，我们一起精进！你不来，我和你的竞争对手一起精进！
编辑：业余草
juejin.im/post/6894075149784449031
推荐：https://www.xttblog.com/?p=5116
基于Spring EL实现一个简单的电商打折优惠规则引擎
在日常工作中，能遇到使用规则引擎的地方非常的多。比如，电商中的打折优惠场景，复杂多变。再比如，考勤分析时每个部门都有不同的分析策略。还有薪资计算，公司中不同职级，不同办公地点的算薪方式都不同。这些场景都非常的适合使用规则引擎。
说到规则引擎，大部分人可能首先想到的是 Drools，但其实 Spring EL 也很好用。
WTF？Spring EL还能做规则引擎？
你没有看错，Spring EL不仅能做规则引擎，我还在生产环境大范围的使用了。
为什么要用Spring EL做规则引擎？
相对于别的规则引擎，Spring EL 更加轻量级，学习成本更低，与函数式编程配合表现可能超乎你的想象！
规则引擎的使用场景
当一个系统的某项业务规则多变时，需要设计的非常的灵活，如果用传统硬编码的方式去做，可能导致代码逻辑异常复杂，而且需要改动得非常频繁。
为了解决这个问题，我打算引入脚本引擎去简化开发，降低系统复杂度，在考察过后，最终决定用 Spring EL。
如何做
首先，我们先来定义一个结算的基础对象。
@Data
@AllArgsConstructor
@NoArgsConstructor
public class Order {
private String userId;
private Integer age;
//是否是新客
private Boolean isNew;
private LocalDate orderDate;
private BigDecimal price;
}如果有一个供应商有一条结算规则是分成订单金额的80%，我们可以这样计算。
public static void main(String[] args){
ExpressionParser expressionParser = new SpelExpressionParser();
Expression expression = expressionParser.parseExpression("price * 0.8");
Order order = new Order();
order.setPrice(BigDecimal.TEN);
BigDecimal value = expression.getValue(order, BigDecimal.class);
System.out.println(value);
}这样就能算出应该结算 8元，当然这个例子太简单了，我们定义几个复杂的结算规则，看看应该如何去做。
规则1：周一周五新客结算，结算金额为 price * 0.2
规则2: 年龄大于18岁、金额大于10的结算，结算金额为(price - 10) * 0.8 我们来看上面的规则，实际上是分成了两步，第一步是过滤掉不结算的订单，第二步是真正的计算金额，因此代码我们也可以分这两步走
我先定义几个测试用例
List<Order> orders = new ArrayList<Order>(){{
//年龄19，不是新客，周一下单，金额11
add(new Order("张三",19,false,LocalDate.of(2020,11,9),new BigDecimal(11)));
//年龄17，是新客，周五下单，金额19
add(new Order("李四",17,true,LocalDate.of(2020,11,13),new BigDecimal(19)));
//年龄17，不是新客，周六下单，金额9
add(new Order("王五",17,true,LocalDate.of(2020,11,14),new BigDecimal(9)));
}};主要逻辑如下,先过滤掉不需要的订单，然后对剩下的订单进行结算。
public static void settle(List<Order> orders, List<String> filterRule,
String settleRule, Map<String, Expression> expressionCache) {
Stream<Order> stream = orders.stream();
for (String rule : filterRule) {
Expression expression = FunctionUtil
.cacheFunction(s -> expressionParser.parseExpression(s), rule, expressionCache);
stream = filter(stream, expression);
}
Expression expression = FunctionUtil
.cacheFunction(s -> expressionParser.parseExpression(s), settleRule, expressionCache);
stream.forEach(o -> System.out.println(o.getUserId() + expression.getValue(o)));
}
public static <T> Stream<T> filter(Stream<T> stream, Expression expression) {
return stream.filter(s -> expression.getValue(s, Boolean.class));
}FunctionUtil.cacheFunction() 的作用是对 Expression 进行缓存，因为创建 Expression 的代价比较高，因此把 String 规则作为 key，Expression 作为 value 缓存一下。
执行一下代码。
public static void main(String[] args) {
Map<String, Expression> expressionCache = new HashMap<String, Expression>();
System.out.println("结算rule1");
List<String> filterRule1 =
Arrays.asList("orderDate.getDayOfWeek().getValue() == 1 || orderDate.getDayOfWeek().getValue() == 5", "isNew");
String settleRule1 = "price * 0.2";
settle(orders, filterRule1, settleRule1, expressionCache);
System.out.println("结算rule2");
List<String> filterRule2 = Arrays.asList("age > 18", "price > 10");
String settleRule2 = "(price - 10) * 0.8";
settle(orders, filterRule2, settleRule2, expressionCache);
}执行结果。
结算rule1
李四3.8
结算rule2
张三0.8可以看到，通过 Spring EL 和函数式编程，我们只需要编写规则就可以实现复杂的结算逻辑。
以上，只是 Spring EL 的冰山一角。更多用法建议大家参考官方文档。本文只是一个入门，并带领大家学会在什么样的场景下应该使用规则引擎。