文章目录
- 官网地址
- 简要
- 项目引入
- maven 所需jar包
- 配置 PostgreSQL 数据库表使用LiteFlow
- 配置 yml 文件
- 通过 代码方式使用 liteflow
- 数据库sql
- 数据在流程中周转
官网地址
https://liteflow.cc/
简要
如果你要对复杂业务逻辑进行新写或者重构，用LiteFlow最合适不过。它是一个编排式的规则引擎框架，组件编排，帮助解耦业务代码，让每一个业务片段都是一个组件。
利用LiteFlow，你可以将瀑布流式的代码，转变成以组件为核心概念的代码结构，这种结构的好处是可以任意编排，组件与组件之间是解耦的，组件可以用脚本来定义，组件之间的流转全靠规则来驱动。LiteFlow拥有开源规则引擎最为简单的DSL语法。十分钟就可上手。
LiteFlow的脚本组件，支持众多脚本语言，完全和Java打通，你可以用脚本来实现任何逻辑。
项目引入
maven 所需jar包
- liteflow-spring-boot-starter:
- 这是 LiteFlow 的核心依赖，它集成了 LiteFlow 与 Spring Boot 框架，使得你可以轻松地在 Spring Boot 项目中使用 LiteFlow 来进行流程管理。
- liteflow-rule-sql:
- 此模块提供了从 SQL 数据库加载规则的能力，使你可以将流程定义存储在数据库中，并根据需要动态加载它们。
- liteflow-script-groovy:
- 该依赖项允许你在 LiteFlow 中使用 Groovy 脚本语言来编写脚本节点。Groovy 是一种强大的动态语言，非常适合编写简短而灵活的脚本逻辑。
- liteflow-script-javax:
- 提供了使用 Java 编写的脚本节点支持，允许更深入地集成业务逻辑。
- liteflow-script-aviator:
- Aviator 是一个轻量级的表达式语言引擎，这个依赖允许你在 LiteFlow 中使用 Aviator 表达式来简化条件判断和其他逻辑操作。
<properties><liteflow.version>2.12.4.1</liteflow.version>
</properties>
<dependencies><dependency><groupId>io.springfox</groupId><artifactId>springfox-boot-starter</artifactId></dependency><dependency><groupId>com.yomahub</groupId><artifactId>liteflow-spring-boot-starter</artifactId><version>${liteflow.version}</version></dependency><dependency><groupId>com.yomahub</groupId><artifactId>liteflow-rule-sql</artifactId><version>${liteflow.version}</version></dependency><dependency><groupId>com.yomahub</groupId><artifactId>liteflow-script-groovy</artifactId><version>${liteflow.version}</version></dependency><dependency><groupId>com.yomahub</groupId><artifactId>liteflow-script-javax</artifactId><version>${liteflow.version}</version></dependency><dependency><groupId>com.yomahub</groupId><artifactId>liteflow-script-aviator</artifactId><version>${liteflow.version}</version></dependency>
</dependencies>
配置 PostgreSQL 数据库表使用LiteFlow
配置 yml 文件
rule-source-ext-data-map
- 这部分定义了 LiteFlow 如何从外部数据源加载规则信息。具体来说：
applicationName: 应用名称，这里是 dataprocessing，它用于标识当前应用。chainTableName: 规则链表名，即 sys_rule_chain，LiteFlow 将从此表中读取规则链信息。- 字段映射:
chainApplicationNameField: 表示规则链所属的应用名称字段，这里为 application_name。chainNameField: 规则链名称字段，对应 chain_name。elDataField: 表达式数据字段，即 el_data，通常用于存储条件表达式或执行逻辑。routeField: 路由字段，表示 route。namespaceField: 命名空间字段，对应 namespace。chainEnableField: 启用状态字段，表示 enable，用于控制是否启用该规则链。
- Script 表配置（可选）
- 如果你的应用使用脚本来增强规则链的功能，可以配置这些选项：
scriptTableName: 脚本表名，这里是 sys_rule_script。- scriptIdField, scriptNameField, scriptDataField, scriptTypeField, scriptLanguageField, scriptEnableField `: 分别指定了脚本 ID、名称、数据（内容）、类型、语言和启用状态的字段名。
-
- 轮询机制
pollingEnabled: 设置为 true 表示启用了轮询机制，LiteFlow 将定期检查是否有新的或更新的规则需要加载。pollingStartSeconds: 定义首次轮询开始的时间点，设置为 0 意味着服务启动后立即开始第一次轮询。pollingIntervalSeconds: 定义两次轮询之间的间隔时间，这里是每5秒一次。-
- 解析模式 (parse-mode)
- parse_one_on_first_exec: 这个模式意味着当一个链首次被执行时，LiteFlow 会解析该链，并在后续执行中使用缓存的结果。只有当检测到有变更时（如通过轮询发现），才会重新解析。
liteflow:rule-source-ext-data-map:applicationName: demo#以下是chain表的配置，这个一定得有chainTableName: chainchainApplicationNameField: application_namechainNameField: chain_nameelDataField: el_datarouteField: routenamespaceField: namespacechainEnableField: enable#以下是script表的配置，如果你没使用到脚本，下面可以不配置scriptTableName: scriptscriptApplicationNameField: application_namescriptIdField: script_idscriptNameField: script_namescriptDataField: script_datascriptTypeField: script_typescriptLanguageField: languagescriptEnableField: enable#以下是轮询机制的配置pollingEnabled: truepollingStartSeconds: 0pollingIntervalSeconds: 5parse-mode: parse_one_on_first_exec
通过 代码方式使用 liteflow
@LiteflowComponent 是 LiteFlow 框架中的一个注解，用于标识一个类为 LiteFlow 组件。这个注解类似于 Spring 框架中的 @Component 注解，但它具有特定于 LiteFlow 的功能和用途。
a,b,c, d 代码实例
@LiteflowComponent("a")
public class ACmp extends NodeComponent {@Overridepublic void process() {System.out.println("ACmp executed!");}
}@LiteflowComponent("b")
public class BCmp extends NodeComponent {@Overridepublic void process() {System.out.println("BCmp executed!");}}
@LiteflowComponent("c")
public class CCmp extends NodeComponent {@Overridepublic void process() {System.out.println("CCmp executed!");}}@LiteflowComponent("d")
public class DCmp extends NodeComponent {@Overridepublic void process() {System.out.println("DCmp executed!");}}
数据库sql
create table chain
(id bigint auto_incrementprimary key,application_name varchar(32) null,chain_name varchar(32) null,chain_desc varchar(64) null,el_data text null,route text null,namespace varchar(32),create_time datetime null,enable tinyint(1) 1
);create table script
(id bigint auto_incrementprimary key,application_name varchar(32) null,script_id varchar(32) null,script_name varchar(64) null,script_data text null,script_type varchar(16) null,language varchar(32) null,enable tinyint(1) 1
);INSERT INTO chain (id, application_name, chain_name, chain_desc, el_data, route, namespace, create_time, enable) VALUES (1, 'demo', 'chain1', '测试流程', 'THEN(a,b,c,s1,s2,s3,s4);', null, null, '2022-09-19 19:31:00', 1);
INSERT INTO chain (id, application_name, chain_name, chain_desc, el_data, route, namespace, create_time, enable) VALUES (3, 'demo', 'r_chain1', '策略路由1', 'THEN(b,a,s1);', 'r1', 'ns', '2024-05-27 14:03:01', 1);
INSERT INTO chain (id, application_name, chain_name, chain_desc, el_data, route, namespace, create_time, enable) VALUES (4, 'demo', 'r_chain2', '策略路由2', 'THEN(a,b,s2);', 'OR(r1,r2)', 'ns', '2024-05-27 14:03:44', 1);INSERT INTO script (id, application_name, script_id, script_name, script_data, script_type, language, enable) VALUES (1, 'demo', 's1', '脚本s1', 'import cn.hutool.core.date.DateUtildef date = DateUtil.parse("2022-10-17 13:31:43")
println(date)
defaultContext.setData("demoDate", date)class Student {int studentIDString studentName
}Student student = new Student()
student.studentID = 100301
student.studentName = "张三"
defaultContext.setData("student",student)def a=3
def b=2
defaultContext.setData("s1",a*b)', 'script', 'groovy', 1);
INSERT INTO script (id, application_name, script_id, script_name, script_data, script_type, language, enable) VALUES (2, 'demo', 's2', '脚本s2', 'defaultContext.setData("s2","hello")', 'script', 'groovy', 1);
INSERT INTO script (id, application_name, script_id, script_name, script_data, script_type, language, enable) VALUES (3, 'demo', 's3', '脚本s3', 'setData(defaultContext, "s3", 5*6);', 'script', 'aviator', 1);
INSERT INTO script (id, application_name, script_id, script_name, script_data, script_type, language, enable) VALUES (4, 'demo', 's4', '脚本4', 'import cn.hutool.core.collection.ListUtil;import com.yomahub.liteflow.script.body.CommonScriptBody;import com.yomahub.liteflow.slot.DefaultContext;import com.yomahub.liteflow.spi.holder.ContextAwareHolder;import com.example.liteflow.mysql.vo.Person;import com.yomahub.liteflow.script.ScriptExecuteWrap;import java.util.List;import java.util.function.ToIntFunction;public class Demo implements CommonScriptBody {public Void body(ScriptExecuteWrap wrap) {DefaultContext ctx = wrap.getCmp().getFirstContextBean();List<Person> personList = ListUtil.toList(new Person("jack", 15000),new Person("tom", 23500),new Person("peter", 18500));int totalSalary = personList.stream().mapToInt(Person::getSalary).sum();System.out.println(totalSalary);ctx.setData("salary", totalSalary);return null;}}', 'script', 'java', 1);数据在流程中周转
liteflow 是进行流程上下文的方式去 读取存储数据
我们在组件里面写业务，首先肯定就是要拿到上下文，在声明式组件里通常的写法为：
@LiteflowMethod(value = LiteFlowMethodEnum.PROCESS,nodeType = NodeTypeEnum.COMMON, nodeId = "b")
public void processB(NodeComponent bindCmp) {YourContext context = bindCmp.getContextBean(YourContext.class);//从context中取到业务数据进行处理User user = context.getUser();...
}
具体参考官网 https://liteflow.cc/pages/8777f8/