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?；褂行阶始扑?，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。
