基于Spring EL如何实现一个简单的电商打折优惠规则引擎

共计 3168 个字符，预计需要花费 8 分钟才能阅读完成。

今天就跟大家聊聊有关基于 Spring EL 如何实现一个简单的电商打折优惠规则引擎，可能很多人都不太了解，为了让大家更加了解，丸趣 TV 小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。

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。

看完上述内容，你们对基于 Spring EL 如何实现一个简单的电商打折优惠规则引擎有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注丸趣 TV 行业资讯频道，感谢大家的支持。