使用 QLExpress 构建灵活可扩展的业务规则引擎
目录
一、什么是 QLExpress？
1 场景描述
2 推荐规则脚本（QLExpress）
3 系统实现
4 执行结果
5 推荐系统应用建议
三、风控系统中的规则判定
1 场景描述
2 风控规则脚本（QLExpress）
3 系统实现
4 执行结果
5 风控系统应用建议
四、设计建议
在大型系统中，规则引擎的存在使业务逻辑从代码中解耦出来，使得系统具备更高的灵活性与可维护性。阿里巴巴开源的 QLExpress 正是一款轻量级、高性能、可扩展的 Java 表达式引擎，广泛应用于推荐、风控、营销等场景。
本文将围绕两个典型业务场景：推荐系统 与 风控系统，详细演示如何使用 QLExpress 构建脚本型规则体系，实现“可配置、可执行、可热更新”的规则逻辑管理。
一、什么是 QLExpress？
QLExpress 是阿里巴巴开源的规则引擎工具，核心目标是通过类 Java 的脚本语法实现业务规则的动态编写与执行，具备如下特性：
if, for, while, return 等控制结构二、推荐系统中的规则脚本应用
1 场景描述
推荐系统通常需要基于用户画像、行为等动态特征生成推荐策略。以如下规则为例：
-
新用户 + 喜好“运动” → 推荐“运动入门课程”
-
活跃度高 → 推荐“高阶训练计划”
-
年龄小于 18 → 推荐“青少年专属内容”
这些规则变化频繁、迭代快速，采用脚本型规则管理更合适。
2 推荐规则脚本（QLExpress）
if (isNewUser && tags.contains(\"运动\")) { return \"推荐：运动入门课程\";} else if (activityScore > 80) { return \"推荐：高阶训练计划\";} else if (age < 18) { return \"推荐：青少年专属内容\";} else { return \"推荐：通用内容\";}
3 系统实现
import com.ql.util.express.DefaultContext;import com.ql.util.express.ExpressRunner;import java.util.Arrays;import java.util.List;public class RecommendDemo { public static void main(String[] args) throws Exception { // 模拟用户画像 UserProfile user = new UserProfile(17, Arrays.asList(\"运动\", \"学习\"), 60, true); // 上下文注入 DefaultContext context = new DefaultContext(); context.put(\"age\", user.age); context.put(\"tags\", user.tags); context.put(\"activityScore\", user.activityScore); context.put(\"isNewUser\", user.isNewUser); // 推荐规则脚本 String script = \"\" + \"if (isNewUser && tags.contains(\\\"运动\\\")) {\\n\" + \" return \\\"推荐：运动入门课程\\\";\\n\" + \"} else if (activityScore > 80) {\\n\" + \" return \\\"推荐：高阶训练计划\\\";\\n\" + \"} else if (age < 18) {\\n\" + \" return \\\"推荐：青少年专属内容\\\";\\n\" + \"} else {\\n\" + \" return \\\"推荐：通用内容\\\";\\n\" + \"}\"; Object result = new ExpressRunner().execute(script, context, null, true, false); System.out.println(\"推荐结果：\" + result); } static class UserProfile { int age; List tags; int activityScore; boolean isNewUser; UserProfile(int age, List tags, int activityScore, boolean isNewUser) { this.age = age; this.tags = tags; this.activityScore = activityScore; this.isNewUser = isNewUser; } }}
4 执行结果
推荐结果：推荐：运动入门课程
5 推荐系统应用建议
-
后台配置推荐规则脚本，实时热更新；
-
按用户群体拆分规则（新用户/老用户）；
-
日志记录命中规则，便于推荐效果分析。
三、风控系统中的规则判定
1 场景描述
风控系统中，我们需要实时评估用户风险。例如：
-
模拟器登录 → 拒绝
-
IP 与登录 IP 不一致 → 复审
-
短时间内频繁申请 → 复审
-
行为评分过低 → 拒绝
2 风控规则脚本（QLExpress）
if (deviceType == \"模拟器\") { return \"REJECT:模拟器登录\";} else if (ip != loginIp) { return \"REVIEW:IP地址异常\";} else if (applyCount > 5) { return \"REVIEW:申请过于频繁\";} else if (behaviorScore < 60) { return \"REJECT:行为评分过低\";} else { return \"PASS\";}
3 系统实现
import com.ql.util.express.DefaultContext;import com.ql.util.express.ExpressRunner;public class RiskControlDemo { public static void main(String[] args) throws Exception { RiskContext user = new RiskContext(\"模拟器\", \"192.168.1.10\", \"192.168.1.10\", 2, 85); DefaultContext context = new DefaultContext(); context.put(\"deviceType\", user.deviceType); context.put(\"ip\", user.ip); context.put(\"loginIp\", user.loginIp); context.put(\"applyCount\", user.applyCount); context.put(\"behaviorScore\", user.behaviorScore); String script = \"\" + \"if (deviceType == \\\"模拟器\\\") {\\n\" + \" return \\\"REJECT:模拟器登录\\\";\\n\" + \"} else if (ip != loginIp) {\\n\" + \" return \\\"REVIEW:IP地址异常\\\";\\n\" + \"} else if (applyCount > 5) {\\n\" + \" return \\\"REVIEW:申请过于频繁\\\";\\n\" + \"} else if (behaviorScore < 60) {\\n\" + \" return \\\"REJECT:行为评分过低\\\";\\n\" + \"} else {\\n\" + \" return \\\"PASS\\\";\\n\" + \"}\"; Object result = new ExpressRunner().execute(script, context, null, true, false); System.out.println(\"风控结果：\" + result); } static class RiskContext { String deviceType, ip, loginIp; int applyCount, behaviorScore; RiskContext(String deviceType, String ip, String loginIp, int applyCount, int behaviorScore) { this.deviceType = deviceType; this.ip = ip; this.loginIp = loginIp; this.applyCount = applyCount; this.behaviorScore = behaviorScore; } }}
4 执行结果
风控结果：REJECT:模拟器登录
5 风控系统应用建议
-
分维度组织规则（设备/IP/行为等）；
-
返回结果分类（REJECT/REVIEW/PASS）做后续分流；
-
记录执行日志与规则命中路径；
-
配合数据库存储规则并热加载。
四、设计建议
QLExpress 提供了一种 灵活、轻量、高性能 的方式来处理复杂的业务规则：
-
推荐系统中：策略运营人员可通过脚本灵活配置推荐逻辑；
-
风控系统中：安全/风控策略团队可动态调整风险判断规则；
-
实现代码与规则解耦，提升系统响应与变更效率；
-
可通过规则脚本 + 数据注入快速构建业务中台能力。
如果你正在构建一个需要规则动态变更、逻辑可配置的系统，那么 QLExpress 会是非常值得引入的工具。
参考资料：https://github.com/alibaba/QLExpress
github：https://github.com/alibaba/QLExpress
