标签：class adr repos serialize row standard factor 商品 compile
在业务的早期时代，也许使用硬编码或者逻辑判断就可以满足要求。但随着业务的发展，越来越多的问题会暴露出来：
这些困境在『 小明历险记：规则引擎 drools 教程一』 一文中可以体会一番，一开始只是简单的根据购物金额来发放积分，运行期间又要更改为更多的规则层次，如果不及时引入对应的规范化处理机制，开发人员将慢慢坠入无止尽的业务深渊。对此，聪明的做法是在系统中引入规则引擎，对业务操作员要提供尽量简单的操作页面来配置规则，规则引擎和配置尽量不要耦合到一块。
目前最流行的规则引擎应该是Drools, 用 Java 语言编写的开放源码规则引擎，使用 Rete 算法对所编写的规则求值，其操作流程如下：
对于 .Net 应用来说，可以通过 Kie 组件提供的 Rest 接口调用规则引擎运算。然而其过于庞大，仅仅只是需要规则引擎计算核心的部分。对此，查找了 .Net 中开源的规则引擎，发现只有同样实现 Rete 算法的 Nrules 满足要求（支持 .Net Core，运行时加载规则引擎）。
注：本文参考借鉴了美团技术团队 从 0 到 1：构建强大且易用的规则引擎 一文的设计思路，对 Drools 从入门到放弃。
NRules 是基于 Rete 匹配算法的.NET 生产规则引擎，基于.NET Standard ，支持 4.5+ 的应用，提供 流式声明规则、运行时构建规则、专门的规则语言(开发中，不推荐使用到生产，基于.Net 4.5 而不是 .NETStandard )。
其计算机制也与其他规则引擎大同小异：
前文提到 对业务操作员要提供尽量简单的操作页面来配置规则 ，所以我们定义促销活动的规则配置就要尽量简单。
在设计模型时，我们必须先参考现实生活中遇到的电商促销活动，大致可以想到有这么几种活动类型：满减促销、单品促销、套装促销、赠品促销、满赠促销、多买优惠促销、定金促销等。
在这里，我选择对多买优惠促销做分析，多买促销优惠即所谓的阶梯打折，如买一件9折，买两件8折，其模型大致如下：
public class LadderDiscountPromotion
{
public List<LadderDiscountRuleItem> Rules { get; set; }
public string Name { get; set; }
public DateTime StarTime { get; set; }
public DateTime EndTime { get; set; }
public PromotionState State { get; set; }
public List<string> ProductIdRanges { get; set; }
public bool IsSingle { get; set; }
public string Id { get; set; }
}
public class LadderDiscountRuleItem
{
/// <summary>
/// 数量
/// </summary>
public Int32 Quantity { get; set; }
/// <summary>
/// 打折的百分比
/// </summary>
public Decimal DiscountOff { get; set; }
}这里为了简化设计，设计的模型并不会去约束平台、活动范围、会员等级等，仅仅约束了使用的产品 id 范围。为了匹配现实中可能出现的组合优惠（类似满减活动后还可以使用优惠券等）现象和相反的独斥现象（如该商品参与xx活动后不支持X券），设置了一个字段来判断是否可以组合优惠，也可以理解为所有活动都为组合优惠，只是有些组合优惠只有一个促销活动。
注：想了解更多关于电商促销系统设计可参考脑图
为了实现 规则引擎和配置尽量不要耦合到一块，必须有中间层对规则配置进行转换为 Nrules 能够接受的规则描述。联系前文的计算机制，我们可以得到这样一个描述模型：
public class RuleDefinition
{
/// <summary>
/// 规则的名称
/// </summary>
public String Name { get; set; }
/// <summary>
/// 约束条件
/// </summary>
public List<LambdaExpression> Conditions { get; set; }
/// <summary>
/// 执行行动
/// </summary>
public List<LambdaExpression> Actions { get; set; }
}由于 Nrules 支持流式声明，所以约束条件和产生的结果都可以用 LambdaExpression 表达式实现。现在我们需要把阶梯打折的配置转换成规则描述，那我们需要先分析一下。假设满一件9折，满两件8折，满三件7折，那我们可以将其分解为:
基于此分析，我们可以看出，只有第一个最多的数量规则是不一样的，其他规则都是比前一个规则的数量小且大于等于当前规则的数量，那么我们可以这样转换我们的规则配置:
List<RuleDefinition> BuildLadderDiscountDefinition(LadderDiscountPromotion promotion)
{
var ruleDefinitions = new List<RuleDefinition>();
//按影响的数量倒叙
var ruleLimits = promotion.Rules.OrderByDescending(r => r.Quantity).ToList();
var currentIndex = 0;
var previousLimit = ruleLimits.FirstOrDefault();
foreach (var current in ruleLimits)
{
//约束表达式
var conditions = new List<LambdaExpression>();
var actions = new List<LambdaExpression>();
if (currentIndex == 0)
{
Expression<Func<Order, bool>> conditionPart =
o => o.GetRangesTotalCount(promotion.ProductIdRanges) >= current.Quantity;
conditions.Add(conditionPart);
}
else
{
var limit = previousLimit;
Expression<Func<Order, bool>> conditionPart = o =>
o.GetRangesTotalCount(promotion.ProductIdRanges) >= current.Quantity
&& o.GetRangesTotalCount(promotion.ProductIdRanges) < limit.Quantity;
conditions.Add(conditionPart);
}
currentIndex = currentIndex + 1;
//触发的行为表达式
Expression<Action<Order>> actionPart =
o => o.DiscountOrderItems(promotion.ProductIdRanges, current.DiscountOff, promotion.Name, promotion.Id);
actions.Add(actionPart);
// 增加描述
ruleDefinitions.Add(new RuleDefinition
{
Actions = actions,
Conditions = conditions,
Name = promotion.Name
});
previousLimit = current;
}
return ruleDefinitions;
}在 Nrules 的 wiki 中，为了实现运行时加载规则引擎，我们需要引入实现 IRuleRepository ，所以我们需要将描述模型转换成 Nrules 中的 RuleSet：
public class ExecuterRepository : IRuleRepository, IExecuterRepository
{
private readonly IRuleSet _ruleSet;
public ExecuterRepository()
{
_ruleSet = new RuleSet("default");
}
public IEnumerable<IRuleSet> GetRuleSets()
{
//合并
var sets = new List<IRuleSet>();
sets.Add(_ruleSet);
return sets;
}
public void AddRule(RuleDefinition definition)
{
var builder = new RuleBuilder();
builder.Name(definition.Name);
foreach (var condition in definition.Conditions)
{
ParsePattern(builder, condition);
}
foreach (var action in definition.Actions)
{
var param = action.Parameters.FirstOrDefault();
var obj = GetObject(param.Type);
builder.RightHandSide().Action(ParseAction(obj, action, param.Name));
}
_ruleSet.Add(new[] { builder.Build() });
}
PatternBuilder ParsePattern(RuleBuilder builder, LambdaExpression condition)
{
var parameter = condition.Parameters.FirstOrDefault();
var type = parameter.Type;
var customerPattern = builder.LeftHandSide().Pattern(type, parameter.Name);
customerPattern.Condition(condition);
return customerPattern;
}
LambdaExpression ParseAction<TEntity>(TEntity entity, LambdaExpression action, String param) where TEntity : class, new()
{
return NRulesHelper.AddContext(action as Expression<Action<TEntity>>);
}
}做了转换处理仅仅是第一步，我们还必须创建一个规则引擎的处理会话，并把相关的事实对象（fact）传递到会话，执行触发的代码，相关对象发生了变化，其简单代码如下：
var repository = new ExecuterRepository();
//加载规则
repository.AddRule(new RuleDefinition());
repository.LoadRules();
// 生成规则
ISessionFactory factory = repository.Compile();
// 创建会话
ISession session = factory.CreateSession();
// 加载事实对象
session.Insert(new Order());
// 执行
session.Fire();我们假设有这么一个应用入口：传入一个购物车（这里等价于订单）id，获取其可以参加的促销活动，返回对应活动优惠后的结果，并按总价的最低依次升序，那么可以这么写:
public IEnumerable<AllPromotionForOrderOutput> AllPromotionForOrder([FromQuery]String id)
{
var result = new List<AllPromotionForOrderOutput>();
var order = _orderService.Get(id) ?? throw new ArgumentNullException("_orderService.Get(id)");
var promotionGroup = _promotionService.GetActiveGroup();
var orderjson = JsonConvert.SerializeObject(order);
foreach (var promotions in promotionGroup)
{
var tempOrder = JsonConvert.DeserializeObject<Order>(orderjson);
var ruleEngineService = HttpContext.RequestServices.GetService(typeof(RuleEngineService)) as RuleEngineService;
ruleEngineService.AddAssembly(typeof(OrderRemarkRule).Assembly);
ruleEngineService.ExecutePromotion(promotions, new List<object>
{
tempOrder
});
result.Add(new AllPromotionForOrderOutput(tempOrder));
}
return result.OrderBy(i => i.Order.GetTotalPrice());
}假设这么一个购物车id，买一件时最优惠是参加 A 活动，买两件时最优惠是参加 B 和 C 活动，那么其效果图可能如下:
本文只是对规则引擎及 Nrules 的简单介绍及应用，过程中隐藏了很多细节。在体会到规则引擎的强大的同时，还必须指出其局限性，规则引擎同样不是银弹，必须结合实际出发。
标签：class adr repos serialize row standard factor 商品 compile
原文地址：https://www.cnblogs.com/chenug/p/9160397.html
