Drools 与 Aviator：Java 业务规则引擎实战

Sat, 08 Aug 2020 15:30:00 +0800

业务规则总是变，代码总是改

每个长期运行的业务系统都会面对这种场景：

风控规则：“新用户首次下单超过 1000 元 → 拦截”——一周后调整阈值，要发版
优惠券规则：“订单满 500 减 50，且非周末”——节假日要变，要发版
积分规则：“VIP 用户购买电子产品 3 倍积分”——业务搞活动一变就要发版
审批规则：“金额 > 10 万走总监审批”——金额线一调就要发版

这些规则的共同特征是——规则本身经常变化，但发版周期至少几天。把规则硬编码进代码导致两个难题：

业务跟不上：规则等代码发版才生效
代码越改越烂：if-else 嵌十几层，谁也不敢动

社区有两个 Java 生态的常用工具：

Drools：重型规则引擎，DSL 强、推理能力强、有规则库
Aviator：轻量级表达式引擎，类似"加强版 SpEL"，编译执行速度极快

它们解决的问题在不同量级。本文讲清楚两者的定位、典型用法、踩坑点。

一、什么时候该用规则引擎

先把"该不该用"讲清楚。规则引擎不是银弹，盲目引入反而是负担：

✅ 适合用规则引擎：

规则数量多（几十到几百条）
规则经常变（业务/运营频繁调整）
规则需要业务/运营/产品自己改（不希望走开发流程）
规则之间有交叉（一条规则匹配影响其他规则）

❌ 不适合：

规则就 3-5 条，全年改不到一次
规则只能由开发改（那写代码就行）
性能极敏感（规则引擎再快也比硬编码慢）
团队没人懂规则引擎（运维/排查反而更难）

不要"为了用规则引擎而用"——多数中小项目用枚举 + 策略模式 + 配置中心就够了。

二、Aviator：轻量表达式引擎

它是什么

Aviator 是阿里开源的轻量级表达式引擎——本质是字符串表达式 + 上下文变量 → 求值：

1
2
3
4
5
6
7
8
9


import com.googlecode.aviator.AviatorEvaluator;

Map<String, Object> ctx = new HashMap<>();
ctx.put("amount", 1500);
ctx.put("vip", true);

Boolean ok = (Boolean) AviatorEvaluator.execute(
 "amount > 1000 && vip == true", ctx);
// ok = true

典型用法 1：动态阈值

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13


// 规则配置在数据库 / Nacos
String expr = configService.get("risk.threshold.expr");
// "amount > 1000 || (newUser && amount > 500)"

Map<String, Object> ctx = Map.of(
 "amount", order.getAmount(),
 "newUser", user.isNew(),
 "vip", user.isVip()
);

if ((Boolean) AviatorEvaluator.execute(expr, ctx)) {
 throw new BusinessException("风控拦截");
}

阈值改动只改配置中心，不发版。

典型用法 2：动态计算公式

 1
 2
 3
 4
 5
 6
 7
 8
 9
10


// "积分 = 金额 * 倍率 + 固定值"
String expr = "amount * rate + bonus";

Map<String, Object> ctx = Map.of(
 "amount", order.getAmount(),
 "rate", 0.1,
 "bonus", 10
);

Long points = ((Number) AviatorEvaluator.execute(expr, ctx)).longValue();

Aviator 的核心特性

语法接近 Java——+ - * / && || == != 都按 Java 语义
支持自定义函数

1
2
3
4
5
6
7
8
9


AviatorEvaluator.addFunction(new AbstractFunction() {
 public String getName() { return "isWeekend"; }
 public AviatorObject call(Map<String, Object> env, AviatorObject d) {
 LocalDate date = LocalDate.parse(((String) d.getValue(env)));
 return AviatorBoolean.valueOf(date.getDayOfWeek().getValue() >= 6);
 }
});

AviatorEvaluator.execute("isWeekend('2020-08-08')"); // true

预编译加速

1
2


Expression compiled = AviatorEvaluator.compile("amount > 1000 && vip");
compiled.execute(ctx); // 反复调用更快

极快——比 SpEL 快数倍

Aviator 的限制

没有"规则集"概念——你需要自己管理多条规则
没有 then 部分——只能算出布尔值或数值，没有"满足条件做什么"
不能推理——只是算单个表达式

Aviator 的本质是『把 if 条件部分抽出来变成字符串』——其余还是你自己写。

三、Drools：完整规则引擎

它是什么

Drools 是一套完整的规则引擎——基于 Rete 算法，把规则编译成决策图，能高效匹配大量规则。

它有自己的 DSL（DRL 文件）：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16


package com.example.rules;
import com.example.Order;

rule "新用户首单大额拦截"
 when
 $o: Order(amount > 1000, user.newUser == true)
 then
 $o.reject("新用户首单不能超过 1000");
end

rule "VIP 用户折扣"
 when
 $o: Order(user.vip == true, amount > 500)
 then
 $o.applyDiscount(0.9);
end

DRL 文件加载到 Drools 的 KieSession 里：

1
2
3
4
5
6
7


KieServices ks = KieServices.Factory.get();
KieContainer kc = ks.getKieClasspathContainer();
KieSession session = kc.newKieSession();

session.insert(order);
session.fireAllRules();
session.dispose();

fireAllRules() 会根据规则匹配自动执行所有命中的规则——这就是规则引擎的核心。

Drools 比 Aviator 强在哪

	Aviator	Drools
单条表达式	✓	✓（更复杂）
规则集合	✗	✓
条件 → 动作	✗	✓ when/then
规则间推理	✗	✓（Rete 算法）
优先级	✗	✓ salience
规则库管理	✗	✓ KieBase
业务可维护性	△ 程序员	✓ Drools Workbench / 工具
学习成本	低	高

Drools 的典型场景

复杂风控：100+ 条规则，规则之间有依赖
保险/金融：精算规则、产品定价规则
审批引擎：审批节点、条件分支
促销引擎：满减、买赠、阶梯优惠组合

Drools 的痛点

学习曲线陡——DRL 语法、KieSession、KieBase、AgendaGroup 等概念多
运维复杂——规则更新机制、Workbench 部署、版本管理
性能不一定快——Rete 算法在小规模规则下未必比 if-else 快
调试困难——规则匹配链条难追踪

不是所有"规则多变"的业务都需要 Drools。80% 的业务场景，Aviator + 配置中心就够了。

四、实战对比：同一个场景两种解法

需求：“订单金额满足条件时给折扣，规则可热更新”。

方案 A：Aviator + 配置中心

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20


@Component
public class DiscountService {
 @Autowired private ConfigService configService;
 private Map<String, Expression> compiled = new ConcurrentHashMap<>();

 public BigDecimal calculate(Order order) {
 List<DiscountRule> rules = configService.getDiscountRules();
 for (DiscountRule rule : rules) {
 Expression expr = compiled.computeIfAbsent(
 rule.getId(),
 k -> AviatorEvaluator.compile(rule.getCondition()));
 
 Map<String, Object> ctx = buildContext(order);
 if ((Boolean) expr.execute(ctx)) {
 return order.getAmount().multiply(rule.getRate());
 }
 }
 return order.getAmount();
 }
}

DiscountRule 配置：

1
2
3
4
5
6


- id: vip_discount
 condition: "vip == true && amount > 500"
 rate: 0.9
- id: first_order
 condition: "newUser == true"
 rate: 0.95

优点：实现简单、学习成本极低、规则用 YAML / DB 随便配。

缺点：规则之间没有自动推理，必须按顺序匹配（开发自己 for 循环）。

方案 B：Drools

discount.drl：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15


rule "VIP 折扣"
 salience 100
 when
 $o: Order(user.vip == true, amount > 500)
 then
 $o.setDiscountRate(0.9);
end

rule "首单折扣"
 salience 50
 when
 $o: Order(user.newUser == true)
 then
 $o.setDiscountRate(0.95);
end

salience 控制优先级——VIP 规则先于首单规则。

优点：规则之间能自动推理、能并行命中、可视化工具。

缺点：上手成本高、运维复杂、调试难。

五、选型决策

flowchart TD
 Start([需要把规则抽出来?])
 Start --> Count{规则有多少?}
 Count -->|< 30 条| Simple{业务/运营要自己改?}
 Count -->|>= 30 条且复杂| Complex{规则间有推理?}
 Simple -->|是| Aviator[Aviator + 配置中心]
 Simple -->|否| Code[直接代码 + 策略模式]
 Complex -->|有| Drools[Drools]
 Complex -->|没有| Aviator2[Aviator + 配置中心]

给一个直接的工程建议：

轻量场景优先 Aviator + 配置中心；只有规则数量上百、规则间有推理、且团队有人专门维护时，才值得引入 Drools 这种完整框架。

六、踩坑提醒

Aviator 篇

1. 表达式注入风险：用户输入直接执行表达式可能被构造恶意代码：

1
2
3


// ❌ 危险
String expr = userInput;
AviatorEvaluator.execute(expr);

要么白名单校验，要么把表达式只配在管理后台（运维/产品才能改）。

2. 类型转换：JSON 反序列化的 Number 在 Aviator 里可能是 Long 或 Double，比较时要小心：

1
2
3


ctx.put("amount", 100L);
AviatorEvaluator.execute("amount > 50.5", ctx); // ✓
AviatorEvaluator.execute("amount > 50", ctx); // ✓

3. null 安全：Aviator 默认对 null 比较会报错——要在表达式里 nil != amount && amount > 100。

4. 编译缓存：同一个表达式重复 execute 时一定要预编译，否则每次都重新解析。

Drools 篇

1. 内存里的规则：DRL 改了不会自动重载——要主动 reload KieBase。生产实践通常用 Drools Workbench 或自己实现热更新。

2. then 部分别写复杂逻辑：then 是 Java 代码，但塞太多业务逻辑会让规则文件膨胀。复杂动作应该放回 Service，then 只调一行。

3. fireAllRules 的副作用：规则的 then 段可能修改 fact，触发其他规则——容易陷入"规则套规则"的循环。用 no-loop true 关键字防止。

4. 性能：Rete 算法在规则少时反而慢——50 条以下用 Drools 收益不明显。

七、规则的版本与审计

不论用哪种引擎，生产规则都需要版本管理 + 审计：

每条规则有"最后修改人"、“修改时间”、“生效时间”
修改规则要走审批（运营 → 主管 → 上线）
上线前在测试环境验证（Dry Run）
生产环境支持快速回滚到上一版本

把这些做对，比规则引擎选什么都重要。

小结

把全文压一句：

业务规则要从代码里抽出来——简单场景 Aviator 一行表达式 + 配置中心，复杂决策 Drools 完整规则引擎，绝不要硬编码 if-else 然后频繁发版。

工程实践：

规则数量少 + 改动频率低 → 直接策略模式 + 配置
规则数量中等 + 业务运营要改 → Aviator
规则数量大 + 规则间有交叉 → Drools
规则一定要版本管理 + 审计——比引擎选型更重要

把规则与代码解耦，业务才能跑得动。

Aviator on 牛哥聊技术

Drools 与 Aviator：Java 业务规则引擎实战

业务规则总是变，代码总是改

一、什么时候该用规则引擎

二、Aviator：轻量表达式引擎

它是什么

典型用法 1：动态阈值

典型用法 2：动态计算公式

Aviator 的核心特性

Aviator 的限制

三、Drools：完整规则引擎

它是什么

Drools 比 Aviator 强在哪

Drools 的典型场景

Drools 的痛点

四、实战对比：同一个场景两种解法

方案 A：Aviator + 配置中心

方案 B：Drools

五、选型决策

六、踩坑提醒

Aviator 篇

Drools 篇

七、规则的版本与审计

小结