一 整合
由于本人的码云太多太乱了，于是决定一个一个的整合到一个springboot项目里面。
附上自己的项目地址https://github.com/247292980/spring-boot
以整合功能
spring-boot，FusionChart，thymeleaf，vue，ShardingJdbc，mybatis-generator，微信分享授权，drools，spring-security，spring-jpa，webjars，Aspect
这次就来整合drools的动态生成规则（drt）。
二 开发目的
为什么写规则引擎要做到动态生成规则呢？
因为规则引擎的作用
一些多变的活动逻辑可以再不改变代码，不重新部署系统，如需求改需求，
一些通用但微变的逻辑，如人工智能的机器学习，达到ai修改数据库来微调自己的行为。
以上统称为 决策从逻辑剥离。
真相就是上面的人不放心你，你要根据设计的mysql数据库写一个降智的后台系统给他们来决定什么时候发什么奖品。
三 项目设计
那么，很明显就是开发一个drools的规则引擎和一个有各种说明语言的，对一个数据库的表进行crud的后台操作系统。
drools这里做的很好，后者，drools就有一个workbench来给我们用了，我们还搞了中文版。
但是，什么东西一到了中国，就变味。
中国人看不懂drools的决策表，更不会根据workbench生成决策表。
于是，第一版drool的系统上线了之后，在需求的意见下，我们要搞个降智的后台操作系统。
而正如我之前博客所说，drools的官方文档很强，里面就有drt（动态规则模板）的例子，本质上就是workbench的劣化例子给我们看。
然后，再根据网上各处资源的魔改，我们给规则引擎升级成动态生成规则文件的，这也是我要拿来做例子的
四 代码讲解
我一直是代码即文档的伪支持者，所以大家吧项目clone下来观看更佳。
规则引擎其实就是规则的加载，规则的使用。（动态的规则引擎的规则加载，还要实现规则的生成。）
也就是loadRule和useRule。
loadRule
1.先从数据库获取规则 getActivityRuleList()
2.再跟据获取的规则生成drt可以解析的map型data prepareData(ruleDTO)
3.通过drt解析，生成drl规则string objectDataCompiler.compile(Arrays.asList(data), Thread.currentThread().getContextClassLoader().getResourceAsStream("give-reward-rule-template.drt"));
4.根据以上获得的规则string生成maven结构的规则并加载 createOrRefreshDrlInMemory(ruleDrls)
/**
* 加载规则
*/
public void loadRule() {
try {
List<RuleDTO> ruleDTOs = getActivityRuleList();
log.info("{}条加入规则引擎", ruleDTOs.size());
if (!ruleDTOs.isEmpty()) {
RuleGenerator generator = new RuleGenerator();
generator.generateRules(ruleDTOs);
}
} catch (Exception e) {
log.error("RuleService.loadRule。e={}",e.getMessage(), e);
}
}
/**
* 从数据库里面取规则
*/
public List<RuleDTO> getActivityRuleList() {
Date begin = Date.from(LocalDateTime.now().atZone(ZoneId.systemDefault()).toInstant());
Date end = Date.from(LocalDateTime.now().plusDays(1).atZone(ZoneId.systemDefault()).toInstant()); List<ActivityRule> list = testService.selectAll();
List<RuleDTO> ruleDTOList = new ArrayList<>();
for (ActivityRule dto : list) {
RuleDTO ruleDTO = new RuleDTO();
ruleDTO.setBeginTime(begin);
ruleDTO.setEndTime(end);
ruleDTO.setRule(dto);
ruleDTOList.add(ruleDTO);
}
return ruleDTOList;
}
/**
* 根据传递进来的参数对象生规则
*
* @param ruleDTOs
*/
public void generateRules(List<RuleDTO> ruleDTOs) {
List<String> ruleDrls = new ArrayList<>();
for (int i = 0; i < ruleDTOs.size(); i++) {
//规则的生成
String drlString = applyRuleTemplate(ruleDTOs.get(i));
ruleDrls.add(drlString);
log.info("规则引擎加载规则,id-{}", ruleDTOs.get(i).getRule().getId());
}
//规则的加载
createOrRefreshDrlInMemory(ruleDrls);
}
/**
* 根据Rule生成drl的String
*/
private String applyRuleTemplate(RuleDTO ruleDTO) {
Map<String, Object> data = prepareData(ruleDTO);
// log.info("rule={}", JSON.toJSON(ruleDTO));
ObjectDataCompiler objectDataCompiler = new ObjectDataCompiler();
return objectDataCompiler.compile(Arrays.asList(data), Thread.currentThread().getContextClassLoader().getResourceAsStream("give-reward-rule-template.drt"));
}
/**
* 根据Rule生成drl的map data
*/
protected Map<String, Object> prepareData(RuleDTO ruleDTO) {
Map<String, Object> data = new HashMap<>();
ActivityRule rule = ruleDTO.getRule();
data.put("ruleCode", ruleDTO.hashCode());
data.put("beginTime", DateUtil.dateToStringFormat(ruleDTO.getBeginTime(), "dd-MMM-yyyy"));
data.put("endTime", DateUtil.dateToStringFormat(ruleDTO.getEndTime(), "dd-MMM-yyyy"));
data.put("eventType", FactManager.getFactClassByEvent(rule.getEvent()).getName());
data.put("rule", rule.getRuleValue());
data.put("awardeeType", rule.getAwardeeType());
// data.put("ruleId", rule.getId());
// data.put("joinChannels", ruleDTO.getJoinChannel());
// data.put("priority", rule.getPriority());
// log.info("data={}", JSON.toJSON(data));
return data;
}
/**
* 根据String格式的Drl生成Maven结构的规则
*
* @param rules
*/
private void createOrRefreshDrlInMemory(List<String> rules) {
KieServices kieServices = KieServices.Factory.get();
KieFileSystem kieFileSystem = kieServices.newKieFileSystem();
kieFileSystem.generateAndWritePomXML(RuleExecutor.getReleaseId());
for (String str : rules) {
kieFileSystem.write("src/main/resources/" + UUID.randomUUID() + ".drl", str);
log.info("str={}", str);
}
KieBuilder kb = kieServices.newKieBuilder(kieFileSystem).buildAll();
if (kb.getResults().hasMessages(Message.Level.ERROR)) {
log.error("create rule in kieFileSystem Error", kb.getResults());
throw new IllegalArgumentException("生成规则文件失败");
}
doAfterGenerate(kieServices);
}
useRule
1.构建BaseFact buildBaseFact(userId)
2.执行前，对BaseFact，uuid，RegisterMqDTO 进行操作 beforeExecute(orderId, fact, domain)
.根据生成的RegisterFact执行规则匹配，并RuleExecutorResult为执行结果execute(registerFact, orderId)
/**
* 触发规则
*/
public void useRule(String userId, String phone) {
BaseFact fact = buildBaseFact(userId);
/**
* 因为是uuid所以修改了的规则，重载加载是新的drl，故从数据库动态加载之时，is_delete属性要注意
* */
String orderId = UUID.randomUUID().toString();
/**
* 此处应当是从其他服务获取的的消息体，而不是空值
* */
RegisterMqDTO domain = new RegisterMqDTO();
domain.setTelephone(phone);
try {
/*可以知道一条信息，匹配了多少个规则，成功了几个*/
RuleExecutorResult ruleExecutorResult = beforeExecute(orderId, fact, domain);
log.info("RuleService|useRule|ruleExecutorResult={}", JSON.toJSON(ruleExecutorResult));
// Assert.isTrue(ruleExecutorResult.getFailure() == 0, String.format("有%d条规则执行失败", ruleExecutorResult.getFailure()));
} catch (Exception e) {
log.error("RuleService|useRule|class={},orderId={}, userId={}, 规则执行异常:{}", this.getClass().getName(), orderId, "123456789", e.getMessage(), e);
}
}
/**
* 生成初始的baseFact
*/
public BaseFact buildBaseFact(String userId) {
BaseFact fact = new BaseFact();
// 此处应获取用户的信息
// fact.setCust();
fact.setUserId(userId);
return fact;
}
/**
* 执行前
*/
public RuleExecutorResult beforeExecute(String orderId, BaseFact fact, RegisterMqDTO domain) {
RegisterFact registerFact = buildRegisterFact(domain);
CopyUtil.copyPropertiesCglib(fact, registerFact);
log.info("RuleService|beforeExecute|{}事件的orderId={}, RegisterMqDTO={}", registerFact.getClass().getAnnotation(Fact.class).value(), orderId, domain);
return RuleExecutor.execute(registerFact, orderId);
}
/**
* 生成初始的registerFact
*/
private RegisterFact buildRegisterFact(RegisterMqDTO domain) {
RegisterFact registerFact = new RegisterFact(); CopyUtil.copyPropertiesCglib(domain, registerFact);
return registerFact;
}
/**
* modify by xiaohua
* KieBase被抽取
*
* @param fact
* @param orderId
* @return 规则执行结果
* @author xiaohua 2016年10月24日 下午2:09:12
*/
public static RuleExecutorResult execute(BaseFact fact, String orderId) {
LOGGER.info("RuleExecutor|execute|fact={}", JSON.toJSON(fact));
StatelessKieSession statelessKieSession = getKieBase().newStatelessKieSession();
RuleExecuteGlobal global = new RuleExecuteGlobal();
global.setUserId(fact.getUserId());
global.setOrderId(orderId);
global.setFactObj(fact);
global.setResult(new RuleExecutorResult());
statelessKieSession.getGlobals().set("globalParams", global);
statelessKieSession.execute(fact); return global.getResult();
}
五 结尾
其实说难不难，就是这个东西的思路想出来就有点难了。
其中，mq的设计和接入（由于是简单的demo所以也就没有写上），规则执行结果的反馈（虽然是我写的，但是个人感觉有点鸡肋），还有一些项目里面的逻辑，我也只是在demo里面提了几句并没有实现（诸如初始化项目跑一下loadRule的代码，我也没放），但是大致的框架都出来了，我们只要往里面填就可以了。sql语句，配置文件也在项目里面，有兴趣的自己跑跑即可。