Microsoft RulesEngine 实战：电商折扣规则引擎应用案例-优快云博客

本文链接：https://blog.youkuaiyun.com/gitblog_00017/article/details/148551741

Microsoft RulesEngine 实战：电商折扣规则引擎应用案例

RulesEngine A Json based Rules Engine with extensive Dynamic expression support 项目地址: https://gitcode.com/gh_mirrors/ru/RulesEngine

引言

在现代电商系统中，复杂的业务规则处理是一个常见需求。Microsoft RulesEngine 作为一个轻量级的规则引擎，能够帮助开发者将业务规则从代码中解耦，实现灵活可配置的业务逻辑。本文将通过一个电商折扣计算系统的案例，深入讲解如何使用 RulesEngine 实现复杂的业务规则。

业务场景分析

我们设计的是一个电商平台的折扣计算系统，需要根据用户的多种属性动态计算适用的折扣率。这个系统需要考虑以下维度的用户数据：

用户基本信息（国家、忠诚度等）
历史订单数据（订单数量、消费总额等）
用户行为数据（访问频率等）

折扣规则详解

基础折扣规则

系统定义了6个层级的折扣规则，每个规则都有明确的适用条件：

10%折扣：
- 用户国家为印度
- 忠诚度因子≤2
- 历史消费总额>5,000
- 成功订单数>2
- 月均访问次数>2
20%折扣：
- 用户国家为印度
- 忠诚度因子=3
- 历史消费总额>10,000
- 成功订单数>2
- 月均访问次数>2
25%折扣：
- 用户国家非印度
- 忠诚度因子≥2
- 历史消费总额>10,000
- 成功订单数>2
- 月均访问次数>5
30%折扣（中高消费）：
- 忠诚度因子>3
- 历史消费总额50,000-100,000
- 成功订单数>5
- 月均访问次数>15
30%折扣（超高消费）：
- 忠诚度因子>3
- 历史消费总额>100,000
- 成功订单数>15
- 月均访问次数>25
0%折扣：以上条件均不满足时

规则特点分析

这些规则具有以下技术特点：

多条件组合：每个折扣规则都包含多个条件的AND组合
条件优先级：规则之间存在隐含的优先级关系
数值范围判断：包含等于、大于、小于等多种比较操作
多数据源整合：需要整合来自不同系统的数据

输入数据结构设计

系统需要处理来自三个不同数据源的输入：

1. 用户基本信息

{
  "name": "张三",
  "country": "中国",
  "email": "zhangsan@example.com",
  "creditHistory": "良好",
  "loyaltyFactor": 4,
  "totalPurchaseAmount": 120000
}

2. 用户订单信息

{
  "totalOrders": 18,
  "recurringItems": ["手机壳", "充电器"]
}

3. 用户行为数据

{
  "monthlyVisits": 28,
  "conversionRate": 0.35
}

RulesEngine 实现方案

规则配置

在 RulesEngine 中，我们可以将这些规则表示为JSON配置：

[
  {
    "RuleName": "10PercentDiscount",
    "Properties": {
      "Description": "印度普通用户10%折扣"
    },
    "Expression": "input1.country == \"India\" && input1.loyaltyFactor <= 2 && input1.totalPurchaseAmount > 5000 && input2.totalOrders > 2 && input3.monthlyVisits > 2",
    "Actions": {
      "OnSuccess": {
        "Name": "SetDiscount",
        "Context": {
          "discount": 0.1
        }
      }
    }
  },
  // 其他规则类似配置
]