规则引擎的功能可以简化为当满足一些条件时触发一些操作，通常使用 dsl 自定义语法来表述。规则引擎需要先解析 dsl 语法形成语法树，然后遍历语法树得到完整的语法表达式，最后执行这些语法表达式完成规则的执行。
本文以gengine来探讨如何设计和实现一个自定义规则引擎。
支持的语句
为了满足基本的业务规则需求，规则引擎应该要支持的语句有：
逻辑与算术运算
- 数学运算（ 、-、*、/）
- 逻辑运算（&&、||、!）
- 比较运算（==、!=、>、<、>=、<=）
流程控制
- 条件（if else）
- 循环 (for)
高级语句
- 对象属性访问（对象。属性）
- 方法调用（func ()）
规则语法的解析
规则的 dsl 语法定义应该简单明了，gengine 使用了开源的语法解析器 antlr4 来定义和解析规则语法。
定义规则语法
规则的 dsl 基本语法格式如下：
rule "rulename" "rule-describtion" salience 10 begin //规则体 end
其中规则体为具体规则语句，由上述的 逻辑与算术运算、流程控制、高级语句 组合而成。
例如，判断为一个大额异常订单的规则体：
if order.price>= 1000000 {
return
}
编写解析器语法
antlr4 解析器语法定义文件后缀名为.g4，以下内容为解析器的语法定义，解析器根据语法定义去逐行解析生成语法树。
这里省略了一些非核心的语法定义并做了简化，完整内容查看 gengine.g4。
grammar gengine;
primary: ruleentity ;
// 规则定义
ruleentity: rule rulename ruledescription? salience? begin rulecontent end;
rulename : stringliteral;
ruledescription : stringliteral;
salience : salience integer;
// 规则体
rulecontent : statements;
statements: statement* returnstmt?;
// 基本语句
statement : ifstmt | breakstmt;
expression : mathexpression
| expression comparisonoperator expression
| expression logicaloperator expression
;
mathexpression : mathexpression mathmdoperator mathexpression
| mathexpression mathpmoperator mathexpression
| expressionatom
| lr_bracket mathexpression rr_bracket
;
expressionatom
: functioncall
| constant
| variable
;
returnstmt : return expression?;
ifstmt : if expression lr_brace statements rr_brace elseifstmt* elsestmt?;
elsestmt : else lr_brace statements rr_brace;
constant
: booleanliteral
| integer
| stringliteral
;
functionargs
: (constant | variable | functioncall | expression) (','(constant | variable | functioncall | expression))*
;
integer : minus? int;
stringliteral: dquota_string;
booleanliteral : true | false;
functioncall : simplename lr_bracket functionargs? rr_bracket;
variable : simplename | dottedname;
mathpmoperator : plus | minus;
mathmdoperator : mul | div;
comparisonoperator : gt | lt | gte | lte | equals | notequals;
解析器生成语法树
如，判断为一个大额异常订单的规则：
rule "order-large-price" "订单大额金额" salience 10
begin
if order.price >= 1000000 {
return
}
end
语法解析器解析之后，生成语法树：
遍历语法树生成语句表达式
解析器生成语法树之后，只需要遍历语法树即可得到完整的语句表达式。antlr4 解析器会生成 listener 接口，这些接口在遍历语法树时会被调用。
type genginelistener interface {
antlr.parsetreelistener
// 省略了一些只列举了部分方法
// enterruleentity is called when entering the ruleentity production.
enterruleentity(c *ruleentitycontext)
// exitruleentity is called when exiting the ruleentity production.
exitruleentity(c *ruleentitycontext)
// enterrulecontent is called when entering the rulecontent production.
enterrulecontent(c *rulecontentcontext)
// exitrulecontent is called when exiting the rulecontent production.
exitrulecontent(c *rulecontentcontext)
// enterstatement is called when entering the statement production.
enterstatement(c *statementcontext)
// exitstatement is called when exiting the statement production.
exitstatement(c *statementcontext)
// enterifstmt is called when entering the ifstmt production.
enterifstmt(c *ifstmtcontext)
// exitifstmt is called when exiting the ifstmt production.
exitifstmt(c *ifstmtcontext)
// enterexpression is called when entering the expression production.
enterexpression(c *expressioncontext)
// exitexpression is called when exiting the expression production.
exitexpression(c *expressioncontext)
// enterinteger is called when entering the integer production.
enterinteger(c *integercontext)
// exitinteger is called when exiting the integer production.
exitinteger(c *integercontext)
}
可以发现在遍历语法树时，每个节点都有 enterxxx() 和 exitxxx() 方法存在，是成对出现的。
因此要遍历语法树只需要实现 genginelistener 接口即可，gengine 巧妙的引入栈结构，遍历完语法树后（树的递归遍历就是进栈出栈过程），就得到了完整的规则语句表达式。这里只列举部分方法，完整实现见 gengine_parser_listener。
type gengineparserlistener struct {
parser.basegenginelistener
knowledgecontext *base.knowledgecontext
stack *stack.stack
}
func (g *gengineparserlistener) enterruleentity(ctx *parser.ruleentitycontext) {
if len(g.parseerrors) > 0 {
return
}
entity := &base.ruleentity{
salience: 0,
}
g.rulename = ""
g.ruledescription = ""
g.salience = 0
g.stack.push(entity)
}
func (g *gengineparserlistener) exitruleentity(ctx *parser.ruleentitycontext) {
if len(g.parseerrors) > 0 {
return
}
entity := g.stack.pop().(*base.ruleentity)
g.knowledgecontext.ruleentities[entity.rulename] = entity
}
gengine 通过解析器解析规则内容之后，规则的数据结构如下：
全局的 hashmap 以规则名为 key，规则体为 value，规则体中的 rulecontent 为该规则所有的语句表达式列表，列表中的值指向具体的语句表达式实体，语句表达式实体由 逻辑与算术运算、流程控制（if、for）等基本语句组成。
规则语法的执行
其实遍历语法树的过程中，将规则的执行逻辑也放入 exitxxx() 方法，这样就能一并完成规则的解析和执行。但是 gengine 没有这么做，而是将规则的解析和执行解耦，因为规则的解析往往只需要初始化一次，或者在规则有变更时热更新解析，而规则的执行则是在需要校验规则的时候。
从 gengine 的规则数据结构可知，只需要遍历全局的 hashmap，即可按顺序执行所有的规则（顺序模式），执行每一个规则后会通过addresult()方法记录执行结果：
// 顺序模式
func (g *gengine) execute(rb *builder.rulebuilder, b bool) error {
for _, r := range rb.kc.ruleentities {
v, err, bx := r.execute(rb.dc)
if bx {
// 记录每个规则执行结果
g.addresult(r.rulename, v)
}
}
// 省略部分
...
}
对于某一个规则的执行，则会去遍历规则体 rulecontent 的所有语句表达式列表，然后按顺序去执行该规则下的所有语句表达式：
func (s *statements) evaluate(dc *context.datacontext, vars map[string]reflect.value) (reflect.value, error, bool) {
for _, statement := range s.statementlist {
v, err, b := statement.evaluate(dc, vars)
if err != nil {
return reflect.valueof(nil), err, false
}
if b {
// return的情况不需要继续执行
return v, nil, b
}
if s.returnstatement != nil {
return s.returnstatement.evaluate(dc, vars)
}
return reflect.valueof(nil), nil, false
}
gengine 为每个语句类型都实现了 evaluate() 方法，这里只讨论 if 语句的执行：
type ifstmt struct {
expression *expression
statementlist *statements
elseifstmtlist []*elseifstmt
elsestmt *elsestmt
}
func (i *ifstmt) evaluate(dc *context.datacontext, vars map[string]reflect.value) (reflect.value, error, bool) {
// 执行条件表达式
it, err := i.expression.evaluate(dc, vars)
if err != nil {
return reflect.valueof(nil), err, false
}
// 执行条件为真时的语句
if it.bool() {
if i.statementlist == nil {
return reflect.valueof(nil), nil, false
} else {
return i.statementlist.evaluate(dc, vars)
}
}
return reflect.valueof(nil), nil, false
}
其中条件表达式expression.evaluate()为计算条件表达式的值：
func (e *expression) evaluate(dc *context.datacontext, vars map[string]reflect.value) (reflect.value, error) {
// 原子表达式
var atom reflect.value
if e.expressionatom != nil {
evl, err := e.expressionatom.evaluate(dc, vars)
if err != nil {
return reflect.valueof(nil), err
}
atom = evl
}
// 比较操作
if e.comparisonoperator != "" {
// 计算左值
lv, err := e.expressionleft.evaluate(dc, vars)
if err != nil {
return reflect.valueof(nil), err
}
// 计算右值
rv, err := e.expressionright.evaluate(dc, vars)
if err != nil {
return reflect.valueof(nil), err
}
// 省略了类型转化
switch e.comparisonoperator {
case "==":
b = reflect.valueof(lv == rv)
break
case "!=":
b = reflect.valueof(lv != rv)
break
case ">":
b = reflect.valueof(lv > rv)
break
case "<":
b = reflect.valueof(lv < rv)
break
case ">=":
b = reflect.valueof(lv >= rv)
break
case "<=":
b = reflect.valueof(lv <= rv)
break
}
}
}
递归执行到expressionatom.evaluate()原子表达式时，就可以得到该原子表达式的值以结束递归：
func (e *expressionatom) evaluate(dc *context.datacontext, vars map[string]reflect.value) (reflect.value, error) {
if len(e.variable) > 0 {
// 是变量则取变量值，通过反射获取注入的自定义对象值
return dc.getvalue(vars, e.variable)
} else if e.constant != nil {
// 是常量就返回值
return e.constant.evaluate(dc, vars)
}
// 省略部分
}
支持自定义对象注入
在上下文中注入自定义对象后，就可以在规则中使用注入的对象。使用例子：
// 规则体
rule "test-object" "测试自定义对象" salience 10
begin
// 访问自定义对象order
if order.price >= 1000000 {
return
}
end
// 注入自定义对象order
datacontext := gctx.newdatacontext()
datacontext.add("order", order)
现在来看下 gengine 的具体实现，主要是使用反射特性：
func (dc *datacontext) add(key string, obj interface{}) {
dc.lockbase.lock()
defer dc.lockbase.unlock()
dc.base[key] = reflect.valueof(obj)
}
gengine 解析规则时会将自定义对象标记为variable类型，通过 getvalue() 获取自定义对象属性值：
// 获取变量值
func (dc *datacontext) getvalue(vars map[string]reflect.value, variable string) (reflect.value, error) {
if strings.contains(variable, ".") {
// 对象a.b
structandfield := strings.split(variable, ".")
if len(structandfield) == 2 {
a := structandfield[0]
b := structandfield[1]
// 获取注入的对象
dc.lockbase.lock()
v, ok := dc.base[a]
dc.lockbase.unlock()
if ok {
return core.getstructattributevalue(v, b)
}
}
}
}
// 反射获取对象属性值
func getstructattributevalue(obj reflect.value, fieldname string) (reflect.value, error) {
stru := obj
var attrval reflect.value
if stru.kind() == reflect.ptr {
attrval = stru.elem().fieldbyname(fieldname)
} else {
attrval = stru.fieldbyname(fieldname)
}
return attrval, nil
}
支持自定义方法注入
同样在上下文中注入自定义方法后，也可以在规则中使用注入的方法。使用例子：
// 规则体
rule "test-func" "测试自定义方法" salience 10
begin
// 自定义方法getcount获取指标数据（患者当天的订单数量）
num = getcount("order-patient-id", order.patientid)
if num >= 5 {
return
}
end
// 注入自定义方法getcount
datasvc := s.indicatordao.newdataservice(ctx)
datacontext := gctx.newdatacontext()
datacontext.add("getcount", datasvc.getcount)
gengine 自定义方法的注入也是使用反射来实现，自定义方法的注入同自定义对象一样也是使用 add() 方法注入。
gengine 解析规则时会将自定义方法标记为functioncall类型：
func (dc *datacontext) execfunc(vars map[string]reflect.value, funcname string, parameters []reflect.value) (reflect.value, error) {
// 获取注入的方法
dc.lockbase.lock()
v, ok := dc.base[funcname]
dc.lockbase.unlock()
if ok {
args := core.paramstypechange(v, parameters)
// 调用方法
res := v.call(args)
raw, e := core.getrawtypevalue(res)
if e != nil {
return reflect.valueof(nil), e
}
return raw, nil
}
}
支持并发执行
通常情况下顺序模式执行即可满足要求，但是当规则数量比较大时，顺序执行的耗时就会比较长。
规则引擎在执行所有规则的时候，其实是遍历全局的 hashmap 然后再顺序执行每一个规则，由于每个规则之间没有依赖关系，因此可以用每一个规则一个协程来并发执行。
func (g *gengine) executeconcurrent(rb *builder.rulebuilder) error {
var wg sync.waitgroup
wg.add(len(rb.kc.ruleentities))
for _, r := range rb.kc.ruleentities {
rr := r
// 协程并发
go func() {
v, e, bx := rr.execute(rb.dc)
if bx {
g.addresult(rr.rulename, v)
}
wg.done()
}()
}
wg.wait()
// 省略部分
}
使用场景
有了规则引擎之后，很多在业务代码中的 if-else、switch 硬编码，都能抽象为规则并使用规则引擎，这样能通过配置规则代替硬编码，能极大地缩短变更上线时间。
业务风控
通过业务数据分析，可以抽象出用户异常行为的规则：
然后，风控系统在判断是否为风险操作时，只需要规则引擎加载并执行风控规则，即可得到结果。想要提高风控系统的准确性，只需要不断地迭代完善风控规则。
规则引擎在业务风控的实践，可以参考 基于准实时规则引擎的业务风控实践。
运营活动
拿最常见的抽奖和做任务 2 种运营活动来说，都可以将具体活动逻辑抽象为业务规则：① 抽奖，不同的人&不同的场景对应不同的奖池（中奖概率与奖品集合规则）；② 做任务，任务领取规则、任务完成指标动态可配（任务规则）；
内容分发
针对某些特定的用户或者某种场景的用户，下发特定的展示内容或者推送短信等触达消息，都可以将这些特定用户的逻辑梳理为内容分发规则。
以上就是详解如何使用golang实现自定义规则引擎的详细内容，更多关于golang自定义规则引擎的资料请关注其它相关文章！
