基于SpringEL如何实现一个简单的电商打折优惠规则引擎

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,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。

我们提供的服务有:成都做网站、网站建设、外贸营销网站建设、微信公众号开发、网站优化、网站认证、汕城ssl等。为近1000家企事业单位解决了网站和推广的问题。提供周到的售前咨询和贴心的售后服务,是有科学管理、有技术的汕城网站制作公司


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 orders = new ArrayList(){{
    //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 orders, List filterRule,
                          String settleRule, Map expressionCache) {
    Stream 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  Stream filter(Stream 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 expressionCache = new HashMap();

    System.out.println("结算rule1");
    List 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 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,请关注创新互联行业资讯频道,感谢大家的支持。


分享名称:基于SpringEL如何实现一个简单的电商打折优惠规则引擎
网站地址:http://scyanting.com/article/iehjih.html