140 积分	0 好友	18 主题

发消息

Go规则引擎与灰度发布系统实战：构建营销投放平台完整指南

发表于 4 天前 | 查看: 9| 回复: 0

在电商营销活动中，复杂的优惠券、满减、阶梯折扣规则往往让开发团队头疼不已。每次调整规则都需要修改代码、提需求、打补丁、重新上线，既耗时又容易出错。更严重的是，如果促销策略设计不当，可能带来巨大的财务损失。

传统投放、风控、内容推荐系统常常面临两个核心难题：

规则配置复杂、上线慢、研发效率低
策略迭代需要灰度验证，但难以做到可观测、可降级、安全可控

本文将带你从零实现一个开箱可用的「规则引擎 + 灰度发布系统」，采用：

Golang + Kafka + Redis
CEL 作为规则表达式
Edge 侧规则执行器（本地缓存 + Token Bucket 限流）
Publisher 规则发布器（含灰度下发）
Webhook 动作执行器（业务回调）
一键 docker-compose 启动全系统

不仅讲解原理，还提供完整可运行源码结构，是你构建实际生产级策略平台的最佳指南。

一、为什么需要"规则引擎 + 灰度发布"？

在营销投放、推荐系统、内容分发、风控系统等真实业务中，我们常常需要根据用户画像及行为或事件执行相应的规则，例如：

A/B 实验
新广告投放规则
用户优惠券兜底逻辑
风控拦截逻辑

但传统方式存在几个痛点：

痛点	描述
规则逻辑硬编码	每次改规则都需要发版，贻误战机
发布流程慢	回归测试、上线、验证时间长
无法灰度验证	直接上线，风险巨大
下发方式不统一	分布式节点同步困难
可观测性弱	无法知道规则执行情况

为解决这些问题，一个现代策略平台应当具备：

规则可视化管理
可编译、可校验的统一规则 DSL（如 CEL）
Kafka 规则实时下发
支持灰度、全量、回滚
Edge 侧本地缓存，支持降级
限流与隔离（token bucket）
Webhook 动作执行（通知、投放、补偿逻辑等）

系统架构如下：

┌──────────────┐        ┌─────────────┐
│   Dashboard   │  POST  │  Publisher  │
│（规则配置中心）│   ───▶ │（灰度规则下发）│
└──────────────┘        └───────┬─────┘
                                │ Kafka
                                ▼
                         ┌────────────┐
                         │    Edge     │
                         │（规则执行器）│───▶ Webhook Server
                         └────────────┘
                                ▲ Redis
                                │（规则缓存 + 限流）

二、核心能力拆解

① 规则编译：CEL 表达式

CEL 是 Google 开源的表达式语言，语法简单、安全可控、性能极高（比 Lua 快 5～20 倍），是构建规则引擎的理想选择。

示例规则：给注册 30 天内、0 下单、风控评分 < 0.3 的新用户发一张 20 元优惠券，并仅灰度 10% 进行测试。

{
  "id":"rule_notify",
  "version":"v1",
  "enabled":true,
  "condition":"user[\"register_days\"] < 30 && user[\"order_count\"] == 0 && ml[\"score\"] < 0.3",
  "action":{"type":"call_webhook","params":{"url":"http://webhook-server:9090/coupon"}},
  "strategy":{"type":"percentage","percentage":10},
  "limit_per_second": 100
}

Edge 侧使用 CEL 编译：

env, _ := cel.NewEnv(
    cel.Variable("user", cel.MapType(cel.StringType, cel.DynType)),
)
ast, _ := env.Compile(rule.Filter)
prog, _ := env.Program(ast)
out, _, _ := prog.Eval(map[string]interface{}{
    "user": userInfo,
})

② 灰度发布机制

Publisher 会按如下方式下发规则：

100% → 全量规则下发
10% → 使用一致性 hash 做流量控制（例如按 userId）
支持 rollback

Publisher 发布营销策略后，所有 Edge 节点 5 秒内收到策略更新并生效。

msg := RuleMessage{
    RuleID: "rule_notify",
    Expr: `user.register_days < 30 &&
           user.order_count == 0 &&
           ml.score < 0.3 &&
           (region == "CN" || region == "HK")`,
    GrayPercent: 10,
    LimitPerSec: 100,
    ActionURL: "http://webhook-server:9090/coupon",
}
value, _ := json.Marshal(msg)
writer.WriteMessages(ctx, kafka.Message{Value: value})

Kafka 是天然的规则广播管道，提供了高吞吐量和可靠性。当然在实际开发中，可以根据需求及自身资源选择适合的消息中间件。

③ Edge 本地规则执行器

当用户打开 App → 请求 Edge 时的执行逻辑为：

// 1. 灰度命中？
if !HitGray(rule.GrayPercent, user.ID) {
    return "SKIPPED_GRAY"
}

// 2. 规则表达式满足？
matched, err := rule.Program.Eval(vars)
if err != nil || !matched {
    return "SKIPPED_EXPR"
}

// 3. 限流检查（Redis Token Bucket）
if !TokenBucketAllow(rule.RuleID, rule.LimitPerSec) {
    return "LIMITED"
}

// 4. 执行动作（Webhook）
CallWebhook(rule.ActionURL, vars)
return "MATCHED"

注意第三步：在营销投放中限流非常关键，因为不限流可能导致突发高流量压垮优惠券系统，造成严重事故。Token-Bucket 算法允许合理的流量突刺，更适合营销业务场景。

④ Webhook 动作执行器

Webhook Server 是业务处理端，负责：

接收 action 回调
执行营销、投放、风控等实际业务逻辑
记录执行日志

命中规则后 Edge 会调用：

http.Post(rule.ActionURL, "application/json", bytes.NewBuffer(body))

用于：

发送优惠券
触发 Push
营销投放
消息通知
落地风控动作

Webhook 服务可按业务需求灵活扩展。

⑤ Dashboard 可视化报表

由于实际因素限制，本文未详细实现 Dashboard 模块。但在实际营销活动中，运营数据的可视化展示至关重要。通过合理的前端框架和数据处理，可以避免开发人员手动拉取数据的低效工作。

// 发送POST请求到边缘节点进行规则评估
resp, err := client.Post(edge+"/eval/rule_notify", "application/json", bytes.NewReader(b))
status := "ERROR"
if err == nil {
    // 读取响应体
    body, _ := ioutil.ReadAll(resp.Body)
    resp.Body.Close()

    // 解析响应JSON
    var er map[string]interface{}
    _ = json.Unmarshal(body, &er)

    // 根据响应结果确定状态
    if m, ok := er["matched"].(bool); ok && m {
        if e, ok2 := er["error"].(string); ok2 && e != "" {
            status = "LIMITED"
        } else {
            status = "MATCHED"
        }
    } else {
        // 更详细地处理未匹配的情况
        if e, ok := er["error"].(string); ok && e == "rule not found" {
            status = "NO_RULE"
        } else {
            status = "SKIPPED"
        }
    }
}

整个架构的优势：

策略人员可立即发布规则
Edge 侧无感更新
Kafka 保证多节点一致性
Redis 限流保障系统安全
灰度 10% 防止全量事故
Webhook 解耦营销动作

三、Go 语言实现优势

选择 Go 语言实现该系统具有明显优势：

高性能并发处理，适合高并发营销场景
编译为单一二进制文件，部署简单
丰富的标准库和生态系统
出色的内存管理和垃圾回收机制

这个完整的营销投放系统具备生产级质量，开发者可以根据实际需求进行适当修改后直接使用。

源码下载

👉 GitHub： https://github.com/louis-xie-programmer/rule-engine-gray

👉 Gitee： https://gitee.com/louis_xie/rule-engine-gray

Golang, 规则引擎, 灰度发布, 营销系统, Kafka