规则引擎

这是一个基于 Java、高性能 Akka Actor 模型 和 Aviator表达式引擎 构建的灵活、强大的规则引擎系统。该引擎专注于高并发、复杂的业务规则定义、组合和执行，适用于需要快速决策和弹性调度的场景。

前端源码获取

项目特点

• 核心调度：基于 Akka Actor 模型：利用 Akka 的高并发、异步和容错能力，实现规则流程节点间的并行、分支和聚合的弹性调度。
• 表达式核心：基于 Aviator 引擎：提供高性能的表达式解析和执行，支持复杂的逻辑计算。
• 灵活的规则定义：支持多种操作符、组合方式和条件类型。
• 流程驱动：基于流程模型编排规则执行的逻辑和顺序。
• 自动重试机制：节点执行失败时支持配置化的自动重试策略。
• 线程安全的上下文管理：通过 FlowContext 实现节点间安全的数据共享。

核心概念

规则 (Rule)

规则是规则引擎的基本构建块，包含条件定义和执行逻辑。

• 基本条件：单个字段的比较操作（等于、大于、小于等）
• 复合条件：通过AND/OR组合多个子规则
• 支持的操作符：
• 比较操作符：=、!=、<、>、<=、>=
• 字符串操作符：contains、notContains、like、notLike、beginWith、endWith等
• 集合操作符：inCollection、notInCollection、between、notBetween
• 空值判断：isNull、isNotNull、isEmpty、isNotEmpty

规则动作 (RuleAction)

规则动作定义了规则满足条件时的行为。

• 条件规则：定义触发条件的whenRule
• 满足动作：条件满足时执行的thenActions
• 不满足动作：条件不满足时执行的otherwiseActions

规则集 (RuleSet)

规则集是规则动作的集合，支持批量管理和执行规则。

流程模型 (ProcessModel)

流程模型定义了规则引擎的执行流程和节点。

• 起始节点：流程的入口点
• 结束节点：流程的终止点
• 业务对象模型：定义流程中使用的数据模型
• 执行监听器：监听流程执行事件

流程执行上下文 (FlowContext)

线程安全的上下文对象，用于在多个节点间共享数据，提供并发安全的数据访问机制。

节点行为 (NodeBehavior)

定义节点的执行逻辑，每个节点类型可以有自己的行为实现。

核心模块

1. 规则引擎核心 (engine)

• actor：基于 Akka 的高并发流程调度和节点编排。
• aviator：Aviator表达式执行器和自定义函数。
• rule：规则定义和规则动作模型。
• definition：流程定义和模型解析。
• runtime：流程运行时服务和上下文。
• common：公共工具和常量。

2. 核心服务组件

• ProcessRunService：流程启动和执行的核心服务。
• AkkaRuleFlowScheduler：基于 Akka 的规则流程调度器。
• RuleFlowService：规则流程的持久化服务。

技术栈

• Java：主要开发语言
• Akka：用于高并发流程调度的 Actor 模型框架
• Aviator：高性能表达式解析和执行引擎
• Spring Boot：服务层框架

规则引擎工作流程

1. 规则定义：创建规则对象，设置条件和操作符。
2. 流程构建：定义流程模型，通过网关节点编排串行、并行、分支和聚合逻辑。
3. 流程执行：调用 ProcessRunService 启动流程实例。
4. Actor 调度：AkkaRuleFlowScheduler 创建 WorkflowInstanceActor 控制流程。
5. 节点执行：WorkflowInstanceActor 调度 NodeWorkerActor 执行各个节点。
6. 依赖处理：通过 NodeDependencyBuilder 管理节点间依赖，支持串行和并行执行。
7. 汇聚处理：处理多个并行分支的汇合逻辑。
8. 自动重试：节点执行失败时自动触发配置的重试策略。
9. 结果处理：根据规则执行结果执行相应的动作或输出决策。

表达式执行

规则引擎使用Aviator表达式引擎来执行规则表达式：

• 自动类型转换：支持数字、字符串等类型的精确计算
• 缓存机制：支持表达式缓存，提高性能
• 自定义函数：可扩展的自定义函数支持
• 上下文管理：提供表达式执行的上下文环境

扩展点

1. 自定义函数：实现AviatorFunction接口，添加自定义表达式函数
2. 执行监听器：添加流程执行事件监听器
3. 节点行为：自定义节点执行行为
4. 流程定义服务：实现ProcessDefinitionService接口，自定义流程模型的加载方式

快速开始

环境要求

• JDK 17+
• Maven 3.6+

使用示例

执行规则流程

• 通过 ProcessRunService 执行规则流程：

ProcessRunService processRunService = ...; // 获取服务实例
Map<String, Object> variables = new HashMap<>(); // 设置输入变量
ExcuteRuleFlowVO.Request createProcessRequest = new ExcuteRuleFlowVO.Request();  
createProcessRequest.setKey("myRuleKey");  
createProcessRequest.setVariables(map);  
ExcuteRuleFlowVO.Response result = processRunService.excute(createProcessRequest);

适用场景

✅ 适用场景 (高并发、快速决策、复杂条件)

场景	核心特点	示例
实时风险评估	需要在毫秒级对大量请求进行多维度、并行判断，以快速做出“是”或“否”的决策。	信贷审批： 用户提交贷款申请，引擎同时检查“信用分数 > 600？”、“工作年限 > 1年？”、“负债率 < 50%？”等多个规则，快速决定是否通过。
复杂的费用核算	涉及多个条件分支，计算过程需要复杂的顺序和并行操作。	订单折扣： 计算一个订单的最终价格时，引擎同时跑“会员折扣”、“地区运费”、“满减活动”等规则，并将结果合并得出最终应付金额。
动态营销推荐	根据用户当前的状态或行为，在短时间内触发一系列个性化动作或推荐逻辑。	App 消息推送： 用户打开 App，引擎快速判断：“上次登录时间超过 7 天” 或 “购物车有未付款商品”，立即推送相应的召回消息或优惠券。

❌ 不适用场景 (长事务、人工干预、纯数据操作)

场景	核心特点	示例
长事务/人工审批流	流程涉及需要长时间（几小时到几天）等待人工输入或审批的步骤，Akka 的优势难以发挥。	员工报销： 员工提交报销单，流程需要等待财务人员审核、领导签字，耗时较长，且涉及到资源锁定和持久化。
纯粹的数据存储与查询	流程的主要目的是简单地进行 CRUD (增删改查) 操作，没有复杂的业务判断逻辑。	数据归档： 定时将一年前的订单记录从在线数据库迁移到历史数据库，核心是数据迁移而非业务决策。
大规模数据批量ETL	针对 TB 级别的数据进行清洗、转换和加载，重点在于数据吞吐量和资源管理，而非流程编排。	日志处理： 每晚运行程序，读取上百万条服务器日志，清洗格式，然后统一导入大数据平台。

截图展示

以下是规则引擎的主要功能截图：

规则引擎界面1

规则引擎界面2

规则引擎界面3

规则引擎界面4

规则引擎界面5

条件构造界面

表达式编辑界面

联系信息

作者：黄川 ([email protected])