风控规则引擎（一）：Java 动态脚本

1. 共享单车会根据微信分或者芝麻分来判断是否交押金
2. 汽车租赁公司也会根据微信分或者芝麻分来判断是否交押金
3. 在一些外卖 APP 都会提供根据你的信用等级来发放贷款产品
4. 金融 APP 中会根据很复杂规则来判断用户是否有借款资格，以及贷款金额。

在简单的场景中，我们可以通过直接编写一些代码来解决需求，比如：

// 判断是否需要支付押金return 芝麻分 > 650

这种方式代码简单，如果规则简单且不经常变化可以通过这种方式，在业务改变的时候，重新编写代码即可。

在金融场景中，往往会根据不同的产品，不同的时间，对接的银行等等多个维度来配置规则，单纯的直接编写代码无法满足业务需求，而且编写代码的方式对于运营人员来说无论实时性、可视化都很欠缺。

在这种情况往往会引入可视化的规则引擎，允许运营人员可以通过可视化配置的方式来实现一套规则配置，具有实时生效、可视化的效果。减少开发和运营的双重负担。

这篇主要介绍一下如何实现一个可视化的表达式的定义和执行。

表达式的定义

在上面说到的使用场景中，可以了解中至少需要支持布尔表达式。比如

1. 芝麻分 > 650
2. 居住地 不在 国外
3. 年龄在 18 到 60 之间
4. 名下无其他逾期借款

在上面的例子中，可以将一个表达式分为 3 个部分

1. 规则参数 (ruleParam)
2. 对应的操作 (operator)
3. 对应操作的阈值 (args)

则可以将上面的布尔表达式表示为

1. 芝麻分 > 650

{ "ruleParam": "芝麻分", "operator": "大于", "args": ["650"]}

1. 居住地 不在 国外

{ "ruleParam": "居住地", "operator": "位于", "args": ["国内"]}

1. 年龄在 18 到 60 之间

{ "ruleParam": "年龄", "operator": "区间", "args": ["18"， "60"]}

1. 名下无其他逾期借款

{ "ruleParam": "在途逾期数量", "operator": "等于", "args": ["0"]}

表达式执行

上面的通过将表达式使用 json 格式定义出来，下面就是如何在运行中动态的解析这个 json 格式并执行。

有了 json 格式，可以通过以下方式来执行对应的表达式

1. 因为表达式的结构已经定义好了，可以通过手写代码来判断所有的情况实现解释执行, 这种方案简单，但增加操作需要修改对应的解释的逻辑, 且性能低

/*{ "ruleParam": "在途逾期数量", "operator": "等于", "args": ["0"]}*/switch(operator) { case "等于": // 等于操作 break; case "大于": // 等于操作 break; ...}

1. 在第一次得到 json 字符串的时候，直接将其根据不同的情况生成对应的 java 代码，并动态编译成 Java Class，方便下一次执行，该方案依然需要处理各种情况，但因为在第一次编译成了 java 代码，性能和直接编写 java 代码一样

2. 使用第三方库实现表达式的执行

使用第三方库实现动态表达式的执行

在 Java 中有很多表达式引擎，常见的有

1. jexl3
2. spring-expression
3. QLExpress
4. groovy
5. aviator

这里简单介绍一下 jexl3 和 aviator 的使用

jexl3 在 apache commons-jexl3 中，该表达式引擎比较符合人的书写习惯，其会判断操作的类型，并将参数转换成对应的类型比如 3 > 4 和 "3" > 4 这两个的执行结果是一样的

aviator 是一个高性能的 Java 的表达式类型，其要求确定参数的类型，比如上面的 "3" > 4 在 aviator 是无法执行的。

jexl3 更适合让运营手动编写的情况，能容忍一些错误情况；aviator 适合开发来使用，使用确定的类型参数来提供性能

jexl3 使用

<dependency> <groupId>org.apache.commons</groupId> <artifactId>commons-jexl3</artifactId> <version>3.2.1</version></dependency>

// 创建一个带有缓存 jexl 表达式引擎，JexlEngine JEXL = new JexlBuilder().cache(1000).strict(true).create(); // 根据表达式字符串来创建一个关于年龄的规则JexlExpression ageExpression = JEXL.createExpression("age > 18 && age < 60"); // 获取需要的参数，java 代码太长了，简写一下Map<String, Object> parameters parameters = {"age": 30} // 执行一下JexlContext jexlContext = new MapContext(parameters); boolean result = (boolean) executeExpression.evaluate(jexlContext);

以上就会 jexl3 的简单使用

aviator

<dependency> <groupId>com.googlecode.aviator</groupId> <artifactId>aviator</artifactId> <version>5.3.1</version></dependency>

Expression ageExpression = executeExpression = AviatorEvaluator.compile("age > 18 && age < 60"); // 获取需要的参数，java 代码太长了，简写一下Map<String, Object> parameters parameters = {"age": 30} boolean result = (boolean) ageExpression.execute(parameters);

注意 aviator 是强类型的，需要注意传入 age 的类型，如果 age 是字符串类型需要进行类型转换

不同表达式引擎的性能测试

Benchmark Mode Cnt Score Error UnitsEmpty thrpt 3 1265642062.921 ± 142133136.281 ops/sJava thrpt 3 22225354.763 ± 12062844.831 ops/sJavaClass thrpt 3 21878714.150 ± 2544279.558 ops/sJavaDynamicClass thrpt 3 18911730.698 ± 30559558.758 ops/sGroovyClass thrpt 3 10036761.622 ± 184778.709 ops/sAviator thrpt 3 2871064.474 ± 1292098.445 ops/sMvel thrpt 3 2400852.254 ± 12868.642 ops/sJSEL thrpt 3 1570590.250 ± 24787.535 ops/sJexl thrpt 3 1121486.972 ± 76890.380 ops/sOGNL thrpt 3 776457.762 ± 110618.929 ops/sQLExpress thrpt 3 385962.847 ± 3031.776 ops/sSpEL thrpt 3 245545.439 ± 11896.161 ops/sFel thrpt 3 21520.546 ± 16429.340 ops/sGroovyScript thrpt 3 91.827 ± 106.860 ops/s

这是写的规则引擎的第一篇，主要讲一下

1. 如何讲一个布尔表达式转换为 json 格式的定义方便做可视化存储和后端校验
2. 如何去执行一个 json 格式的表达式定义

在这里也提供了一些不同的表达式引擎和性能测试，如果感兴趣的可以去尝试一下。

下一篇主要讲一下在引擎里面规则参数、操作符是如何设计的，也讲一下可视化圆形的设计