Java开发者必备：Aviator表达式引擎实战指南（含自定义函数完整示例）

Java开发者必备：Aviator表达式引擎实战指南（含自定义函数完整示例）

在电商促销规则、风控系统等需要频繁调整业务逻辑的场景中，硬编码的规则判断往往成为维护的噩梦。每当业务方提出"双11满300减50且仅限深圳地区"这类需求时，开发者就需要重新发布代码。Aviator表达式引擎正是为解决这类痛点而生，它让业务规则变成可动态配置的表达式，就像给Java应用装上了可编程的"开关"。

1. Aviator核心机制解析

Aviator与其他表达式引擎的本质区别在于其编译执行机制。当执行AviatorEvaluator.execute("a + b")时，背后经历了三个关键阶段：

1. 词法分析：将表达式拆解成token流，例如识别出变量a、操作符+、变量b
2. 生成抽象语法树(AST)：构建运算逻辑的树形结构
3. 字节码编译：通过ASM动态生成等效的Java字节码

这种机制带来的性能优势非常明显。我们通过JMH基准测试对比解释执行与编译执行的差异：

@Benchmark public void testInterpreted() { // 模拟解释执行 for (int i = 0; i < 1000; i++) { eval("a + b * c"); } } @Benchmark public void testAviator() { Map<String, Object> env = new HashMap<>(); env.put("a", 10); env.put("b", 20); env.put("c", 30); for (int i = 0; i < 1000; i++) { AviatorEvaluator.execute("a + b * c", env); } }

测试结果显示，Aviator的吞吐量可达传统解释模式的5-8倍。这种性能优势在规则引擎需要处理海量数据时尤为关键。

2. 自定义函数开发实战

2.1 基础函数实现

自定义函数需要继承AbstractFunction类，根据参数数量重写对应方法。以下是电商场景中常用的价格计算函数：

public class DiscountFunction extends AbstractFunction { @Override public AviatorObject call(Map<String, Object> env, AviatorObject arg1, AviatorObject arg2) { // 获取原始价格 double price = FunctionUtils.getNumberValue(arg1, env).doubleValue(); // 获取折扣率(0-1) double rate = FunctionUtils.getNumberValue(arg2, env).doubleValue(); // 业务规则：折扣后价格不低于成本价 double costPrice = price * 0.7; // 假设成本是售价的70% double finalPrice = price * rate; return new AviatorDouble(Math.max(finalPrice, costPrice)); } @Override public String getName() { return "discount"; } }

注册并使用该函数：

AviatorEvaluator.addFunction(new DiscountFunction()); Map<String, Object> env = new HashMap<>(); env.put("originalPrice", 1000); // 打8折，但不会低于成本价700 System.out.println(AviatorEvaluator.execute("discount(originalPrice, 0.8)", env)); // 输出：800.0 // 尝试打5折，但会被限制在成本价 System.out.println(AviatorEvaluator.execute("discount(originalPrice, 0.5)", env)); // 输出：700.0

2.2 可变参数函数

对于参数数量不定的场景，可以重写call的变长参数版本：

public class MaxFunction extends AbstractFunction { @Override public AviatorObject call(Map<String, Object> env, AviatorObject... args) { if (args.length == 0) { throw new IllegalArgumentException("至少需要一个参数"); } double max = Double.MIN_VALUE; for (AviatorObject arg : args) { double value = FunctionUtils.getNumberValue(arg, env).doubleValue(); max = Math.max(max, value); } return new AviatorDouble(max); } @Override public String getName() { return "max"; } }

使用示例：

AviatorEvaluator.addFunction(new MaxFunction()); System.out.println(AviatorEvaluator.execute("max(10, 20, 5, 30)")); // 输出30.0

3. 复杂业务场景集成

3.1 电商促销规则引擎

将Aviator与Spring Boot集成，构建可配置的促销系统：

@Service public class PromotionService { @Autowired private PromotionRuleRepository ruleRepository; public boolean checkPromotion(User user, Order order) { PromotionRule rule = ruleRepository.findActiveRule(); Map<String, Object> env = new HashMap<>(); env.put("user", user); env.put("order", order); return (Boolean) AviatorEvaluator.execute(rule.getExpression(), env); } }

对应的规则表达式可能是：

user.vipLevel >= 2 && order.totalAmount > 1000 && order.items.exists(item => item.category == 'electronics')

3.2 风控规则链

通过组合多个表达式实现复杂风控逻辑：

public class RiskControlChain { private List<RiskRule> rules; public RiskResult evaluate(Order order) { Map<String, Object> env = BeanUtils.beanToMap(order); RiskResult result = new RiskResult(); for (RiskRule rule : rules) { boolean hit = (Boolean) AviatorEvaluator.execute(rule.getExpression(), env); if (hit) { result.addHitRule(rule); if (rule.isBlocking()) { break; } } } return result; } }

典型风控规则示例：

4. 性能优化与最佳实践

4.1 预编译表达式

高频调用的表达式应该预编译：

// 预编译阶段 Expression compiledExp = AviatorEvaluator.compile("a + b * c"); // 执行阶段 Map<String, Object> env = new HashMap<>(); env.put("a", 10); env.put("b", 20); env.put("c", 30); Double result = (Double) compiledExp.execute(env);

4.2 上下文管理技巧

对于复杂对象，推荐使用自定义变量解析器：

AviatorEvaluator.addInstanceMethod("getDiscount", Product.class, (product, env) -> product.getBaseDiscount() * user.getVipDiscount()); // 表达式可简化为 // product.getDiscount() > 0.3

4.3 安全防护措施

避免表达式注入风险：

// 启用安全模式 AviatorEvaluator.setOption(Options.FEATURE_SET, Feature.asSet( Feature.Assignment, Feature.Let, Feature.Lambda )); // 白名单控制 AviatorEvaluator.validate("a + b"); // 合法 AviatorEvaluator.validate("System.exit(1)"); // 抛出异常

实际项目中，我们曾遇到一个典型性能问题：当表达式item.price > avg(list.map(item => item.price))处理10万级商品列表时，执行时间超过2秒。通过以下优化手段将性能提升20倍：

1. 将avg计算移出表达式，改为预计算变量
2. 对列表大小超过1000的改用批处理模式
3. 为常用聚合函数添加缓存装饰器

优化后的伪代码示例：

public class CachedAvgFunction extends AbstractFunction { private Cache<String, Double> cache = CacheBuilder.newBuilder() .maximumSize(1000) .expireAfterWrite(5, TimeUnit.MINUTES) .build(); @Override public AviatorObject call(Map<String, Object> env, AviatorObject arg) { List<Double> numbers = (List<Double>) FunctionUtils.getJavaObject(arg, env); String cacheKey = numbers.toString(); return new AviatorDouble(cache.get(cacheKey, () -> { return numbers.stream().mapToDouble(d -> d).average().orElse(0); })); } }