企业官网建设流程全解析

深入理解慢病管理系统中的规则引擎实现

一、背景介绍

这段时间工作上，需要开发一个功能，可以动态选择表和字段形成一条条规则，然后规则又可以进行不通的组合，比如三条中至少满足一条并且满足另外一条这种刁钻的规则条件，具体功能描述可以看图。当时还真是为了实现这个功能考虑到头大，他难点在于既要实现规则的判断，又要满足下面条件的二次判断，好在也在同事的帮助下想出了思路，这里和大家分享下，后续类似地方都可以参考这个思路。

二、核心思路分析

1. 问题分析

在系统中，我们需要实现以下功能：

• 支持灵活配置各种判定规则
• 支持规则之间的逻辑组合（AND/OR）
• 支持规则组的概念（设置最小/最大满足数量）
• 支持可视化配置规则树

2. 设计思路

为了解决这些问题，我们采用了以下设计思路：

（1）数据模型设计

将规则系统分为两个核心部分：

• 规则定义：存储具体的规则内容（如血压>140mmHg）
• 规则配置：存储规则之间的逻辑关系（如规则A AND 规则B）

（2）树形结构设计

使用树形结构来表示规则之间的逻辑关系，支持三种节点类型：

• RULE：具体的规则节点
• OPERATOR：逻辑运算符节点（AND/OR）
• GROUP：规则组节点

（3）递归处理机制

使用递归算法来处理树形结构，实现规则树的转换和解析。

三、核心代码讲解

1. 数据模型定义

（1）规则定义表（MonRuleDefinitions）

@Data@EqualsAndHashCode(callSuper=false)@Accessors(chain=true)@TableName("MON_RULE_DEFINITIONS")@ApiModel(value="MonRuleDefinitions对象",description="判定规则定义表")publicclassMonRuleDefinitionsextendsModel<MonRuleDefinitions>{@ApiModelProperty(value="主键")@TableId(value="ID",type=IdType.ASSIGN_ID)privateStringid;@ApiModelProperty(value="规则组id")@TableField("RULE_GROUP_ID")privateStringruleGroupId;@ApiModelProperty(value="来源字典编码【字典】;table_name")@TableField("FROM_DICT_CODE")privateStringfromDictCode;@ApiModelProperty(value="具体字段编码")@TableField("SPECIFIC_FIELD_CODE")privateStringspecificFieldCode;@ApiModelProperty(value="匹配值代码【字典】;more_range")@TableField("MATCH_TYPE_CODE")privateStringmatchTypeCode;@ApiModelProperty(value="指标值")@TableField("ITEM_VALUE")privateStringitemValue;// ... 其他字段}

代码分析：

• 使用MyBatis-Plus的注解来映射数据库表
• 每个规则定义包含来源、字段、匹配类型、指标值等信息
• 支持多种匹配类型（如大于、小于、等于）

（2）规则配置表（MonBaseRuleConfig）

@Data@EqualsAndHashCode(callSuper=false)@Accessors(chain=true)@TableName("MON_RULE_CONFIG")@ApiModel(value="MonBaseRuleConfig对象",description="判定规则配置表")publicclassMonBaseRuleConfigextendsModel<MonBaseRuleConfig>{@ApiModelProperty(value="主键")@TableId(value="ID",type=IdType.ASSIGN_ID)privateStringid;@ApiModelProperty(value="规则类型 1-疾病分级 2-患者管理 3-质控")@TableField("RULE_TYPE")privateStringruleType;@ApiModelProperty(value="规则组id")@TableField("RULE_GROUP_ID")privateStringruleGroupId;@ApiModelProperty(value="父节点ID，用于构建树结构")@TableField("PARENT_NODE_ID")privateStringparentNodeId;@ApiModelProperty(value="节点类型（RULE、OPERATOR、GROUP）")@TableField("NODE_TYPE")privateStringnodeType;@ApiModelProperty(value="逻辑运算符（AND、OR）;more_range")@TableField("OPERATOR")privateStringoperator;@ApiModelProperty(value="如果节点是规则，则关联规则ID")@TableField("RULE_ID")privateStringruleId;@ApiModelProperty(value="对于GROUP类型，最少满足的规则数量;item_result_unit_code")@TableField("MIN_COUNT")privateStringminCount;@ApiModelProperty(value="对于GROUP类型，最多满足的规则数量")@TableField("MAX_COUNT")privateStringmaxCount;// ... 其他字段}

代码分析：

• 支持三种节点类型：RULE、OPERATOR、GROUP
• 使用parentNodeId来构建树形结构
• GROUP类型支持设置最小/最大满足数量

2. 规则节点工具类（RuleNodeUtil）

（1）递归转换规则节点

publicstaticvoidconvertAndCollectNodes(RuleNodeDTOcurrentNode,StringruleGroupId,StringparentNodeId,List<MonBaseRuleConfig>allNodes){if("RULE".equals(currentNode.getNodeType())&&currentNode.getRuleId()==null){thrownewBaseException(998,"规则节点缺少规则ID");}// 转换当前DTO为数据库实体MonBaseRuleConfigdbNode=newMonBaseRuleConfig();BeanUtil.copyProperties(currentNode,dbNode);dbNode.setRuleGroupId(ruleGroupId);// 特殊处理GROUP类型if("GROUP".equals(currentNode.getNodeType())){dbNode.setRuleId(String.join(",",(List<String>)currentNode.getRuleId()));if("min".equals(currentNode.getCountType())){dbNode.setMinCount(currentNode.getCount());dbNode.setMaxCount("");}else{dbNode.setMaxCount(currentNode.getCount());dbNode.setMinCount("");}}allNodes.add(dbNode);// 递归处理子节点if(!CollectionUtils.isEmpty(currentNode.getChildren())){for(RuleNodeDTOchild:currentNode.getChildren()){convertAndCollectNodes(child,ruleGroupId,currentNode.getId(),allNodes);}}}

代码分析：

• 递归处理规则树，将前端传递的DTO转换为数据库实体
• 特殊处理GROUP类型，支持设置最小/最大满足数量
• 验证规则节点是否缺少规则ID

（2）构建规则树

publicstaticRuleNodeDTObuildNode(MonBaseRuleConfigcurrentNode,Map<String,List<MonBaseRuleConfig>>parentMap){// 转换为DTORuleNodeDTOnodeDTO=BeanUtil.copyProperties(currentNode,RuleNodeDTO.class);// 获取当前节点的子节点列表List<MonBaseRuleConfig>children=parentMap.getOrDefault(currentNode.getId(),newArrayList<>());// 递归构建子节点List<RuleNodeDTO>childDTOs=children.stream().map(child->buildNode(child,parentMap)).collect(Collectors.toList());// GROUP节点特殊处理if("GROUP".equals(currentNode.getNodeType())){if(!childDTOs.isEmpty()){List<Object>ruleIds=childDTOs.stream().map(RuleNodeDTO::getRuleId).collect(Collectors.toList());RuleNodeDTOruleNodeDTO=childDTOs.get(0);ruleNodeDTO.setRuleId(ruleIds);nodeDTO.setChildren(Collections.singletonList(ruleNodeDTO));}else{nodeDTO.setChildren(childDTOs);}}else{// 非GROUP节点保留完整嵌套结构nodeDTO.setChildren(childDTOs);}returnnodeDTO;}

代码分析：

• 递归构建规则树，将数据库实体转换为前端需要的DTO
• 特殊处理GROUP类型，合并子节点的规则ID
• 保留完整的嵌套结构，方便前端展示

3. 规则配置服务实现（MonBaseRuleConfigServiceImpl）

（1）保存规则节点

publicIntegersaveNode(List<RuleNodeDTO>judgeGroup,StringruleGroupId,List<MonRuleDefinitions>ruleDefinitions){if(CollectionUtils.isEmpty(judgeGroup)){return0;}// 收集所有转换后的数据库实体List<MonBaseRuleConfig>allNodes=newArrayList<>();// 处理顶级节点（递归处理所有子节点）for(RuleNodeDTOrootNode:judgeGroup){RuleNodeUtil.convertAndCollectNodes(rootNode,ruleGroupId,null,allNodes);}// 批量插入数据库if(!CollectionUtils.isEmpty(allNodes)){// 删除旧的规则配置List<MonBaseRuleConfig>list=this.lambdaQuery().eq(MonBaseRuleConfig::getRuleGroupId,ruleGroupId).list();list.removeIf(judge->allNodes.stream().map(MonBaseRuleConfig::getId).collect(Collectors.toList()).contains(judge.getId()));List<String>monConfigDel=list.stream().map(MonBaseRuleConfig::getId).collect(Collectors.toList());this.removeByIds(monConfigDel);// 保存新的规则配置this.saveOrUpdateBatch(allNodes);}returnallNodes.size();}

代码分析：

• 批量保存规则节点，支持新增和更新
• 先删除旧的规则配置，再保存新的规则配置
• 支持规则组的概念，方便管理多个规则

四、使用场景

1. 疾病分级判定

高血压分级 = (收缩压 > 140mmHg OR 舒张压 > 90mmHg) AND 年龄 > 65岁

2. 患者管理规则

高危患者 = (糖尿病 AND 血压 > 130/80mmHg) OR (冠心病 AND 血脂异常)

3. 医疗质量控制

质控合格 = (病历书写完整率 > 95%) AND (随访及时率 > 90%) AND (患者满意度 > 85%)

五、总结

通过以上分析，我们可以看到这套规则引擎实现方案具有以下特点：

1. 灵活性：支持任意复杂的规则组合
2. 可扩展性：方便添加新的规则类型和逻辑
3. 可视化：支持前端可视化配置规则树
4. 复用性：规则可以被多个规则组复用

在实际应用中，我们可以根据具体业务需求，灵活配置各种判定规则，提高系统的灵活性和可维护性。

六、优化建议

1. 性能优化：递归处理在规则树层级较深时可能存在性能问题，可以考虑使用迭代方式替代递归
2. 事务管理：在批量保存规则节点时，建议添加事务管理，确保数据一致性
3. 缓存机制：对于频繁使用的规则配置，可以添加缓存机制，减少数据库查询
4. 规则验证：在保存规则前添加更严格的验证逻辑，确保规则配置的合法性

// 优化建议：添加事务管理@Transactional(rollbackFor=Exception.class)publicIntegersaveNode(List<RuleNodeDTO>judgeGroup,StringruleGroupId,List<MonRuleDefinitions>ruleDefinitions){// ... 原有代码}

通过以上优化，可以进一步提高规则引擎的性能和可靠性。