面试自研流程引擎

 

 

 

1.  提供三类条件引擎：SpEL 表达式、Groovy 动态脚本、外部接口条件，支持复杂分支和优先级路由。

   1. 解决问题：节点在一对多的的时候，我们要进行复杂分支和优先级路由，这时我们可以在配置页面通过不同语言的脚本解决这个问题。

      1. 一、三类条件引擎的含义

         1. SpEL 表达式（Spring Expression Language）

         • 是什么：Spring 框架提供的轻量级表达式语言，可以在运行时求值字符串形式的表达式（例如 #order.amount > 1000 && #user.level == 'VIP'）。

         • 特点：

           • 与 Java 对象无缝集成：直接读取对象的属性、调用方法、访问集合。

           • 性能较好：解析后的表达式会被缓存，适合高频、低延迟的场景。

           • 安全可控：可以通过 SimpleEvaluationContext 限制功能（比如禁止执行 Java 类静态方法），避免注入攻击。

         • 典型用途：配置化简单规则（如优惠门槛、风控条件），无需重启服务即可修改表达式。

         2. Groovy 动态脚本

         • 是什么：一种运行在 JVM 上的动态语言，支持完整的脚本化编程（可以写条件、循环、甚至调用外部服务）。

         • 特点：

           • 能力远强于 SpEL：能实现复杂计算、临时数据处理、工具类调用，甚至可以引入第三方库。

           • 热加载：脚本字符串可动态编译、执行、卸载，非常适合频繁变更的业务逻辑。

           • 性能弱于 SpEL：每次执行需编译（可缓存 Script 对象优化），但仍比原生 Java 稍慢。

         • 典型用途：复杂但变更频繁的规则（例如动态计算运费、积分兑换算法），或需要业务人员通过后台界面编辑脚本的场景。

         3. 外部接口条件

         • 是什么：把条件判断的逻辑外移到独立的微服务或 HTTP API 中，规则引擎只负责调用接口并根据返回结果（true/false 或具体值）进行路由。

         • 特点：

           • 解耦最彻底：规则逻辑独立部署，可以跨语言、跨团队维护。

           • 支持异步/大数据量：接口内部可以查数据库、跑模型、甚至人工审核。

           • 有网络开销：需考虑超时、重试、熔断，不适合极高吞吐的实时判断。

         • 典型用途：需要复用已有业务接口（如用户风控评分、黑名单检查），或规则依赖机器学习模型、外部数据源。

         ---

         二、如何支持复杂分支和优先级路由

         面试官更关心的往往是组合设计，而不是单一概念。

         • 复杂分支：
           一个决策节点往往有多个出口（例如 条件A → 节点1，条件B → 节点2，else → 节点3）。三类引擎都能返回布尔值或枚举值，配合规则链（Rule Chain）或决策表（Decision Table）即可实现多分支。

         • 优先级路由：
           规则按优先级排序，从高到低依次匹配。命中某条规则后，可继续或终止。

           • SpEL / Groovy 适合执行优先级冲突的快速匹配。

           • 外部接口可以作为高优先级特殊规则（例如VIP用户先走外部特权校验），或者作为最后兜底规则（例如查询风控中心）。

         组合使用示例：

         text

         规则引擎入口：
         1. 优先调用外部接口（检查是否黑名单） → 命中则拒绝
         2. 再匹配 Groovy 脚本规则（例如“最近7天退款次数>3”） → 命中则转人工审核
         3. 最后用 SpEL 表达式处理普通业务规则（金额满减、会员等级折扣）