3. 规则优先级与冲突解决策略
在复杂规则引擎中，多条规则可能同时满足触发条件，此时必须通过明确的优先级定义与冲突解决策略来保证决策结果的唯一性与正确性。本章深入剖析优先级定义方式、静态与动态优先级的适用场景，以及四种主流冲突解决策略。
3.1 优先级定义
优先级是规则引擎在多个候选规则中选择执行顺序的数值依据。通常使用整型数值表示，数值越小优先级越高（或反之，需引擎统一约定）。优先级定义需遵循以下原则：
- 唯一性：同一规则集内，优先级数值应尽量唯一，避免歧义。
- 可比较：所有规则必须具有可排序的优先级字段。
- 可覆盖：子规则集或策略版本应允许调整优先级而不影响全局。
| 优先级值 | 含义 | 典型场景 |
|---|---|---|
| 1 | 最高优先级 | 安全拦截规则、风控黑名单 |
| 5 | 中优先级 | 业务常规折扣规则 |
| 10 | 最低优先级 | 默认兜底规则 |
实践建议： 优先级数值建议预留间隔（如 1, 5, 10, 20），便于后续插入新规则而不必全局重排。
3.2 静态优先级 vs 动态优先级
优先级可以静态定义于规则元数据中，也可以在运行时根据上下文动态计算。两者对比如下：
| 对比维度 | 静态优先级 | 动态优先级 |
|---|---|---|
| 定义方式 | 规则编码时固定写入 | 运行时由脚本/表达式计算 |
| 修改成本 | 需重新部署规则 | 可通过参数动态调整 |
| 性能开销 | 低（编译期确定） | 中高（每次匹配需计算） |
| 适用场景 | 业务逻辑稳定、层级明确 | 实时风控、A/B测试、灰度策略 |
| 可追溯性 | 强（版本固化） | 弱（依赖运行时上下文） |
关键决策： 静态优先级适合合规性要求高的场景（如金融监管规则），动态优先级适合需要快速实验与调优的运营场景。
3.3 常见冲突解决策略
当多条规则同时满足条件时，引擎必须按预定策略选择最终执行的规则。以下是四种主流策略：
3.3.1 最先匹配（First Match）
按规则在规则集中的物理顺序从上到下依次评估，选择第一条满足条件的规则执行。实现简单，但规则顺序敏感，调整顺序可能改变决策结果。
3.3.2 最后匹配（Last Match）
与最先匹配相反，选择最后一条满足条件的规则。常用于覆盖或兜底场景，例如默认规则放在最前，但最后匹配的规则才是最终生效规则。
3.3.3 最高优先级（Highest Priority）
在所有满足条件的规则中，选择优先级数值最高（或最低，依引擎约定）的规则执行。该策略不依赖规则物理顺序，可维护性较好。
3.3.4 指定策略（Specified Strategy）
由规则设计者显式指定冲突解决方式，例如：合并所有规则的动作、取动作的并集、或按预定义函数聚合。适用于需要组合多个规则结果的复杂场景。
| 策略名称 | 选择依据 | 优点 | 缺点 |
|---|---|---|---|
| 最先匹配 | 物理顺序 | 实现简单、性能高 | 顺序耦合、维护困难 |
| 最后匹配 | 物理顺序（反向） | 适合覆盖模式 | 顺序耦合、易混淆 |
| 最高优先级 | 优先级数值 | 解耦顺序、可扩展 | 需维护优先级数值 |
| 指定策略 | 显式声明 | 灵活、可组合 | 复杂度高、需额外配置 |
避坑提示： 混合使用多种冲突策略可能导致决策逻辑混乱。建议整个规则引擎统一采用一种主策略（如最高优先级），仅在特殊规则组内使用指定策略覆盖。
3.4 冲突解决流程示意图
下图展示了规则引擎在多个候选规则中应用冲突解决策略的完整流程：
3.5 策略选择决策树
在实际项目中，选择哪种冲突解决策略取决于业务场景与治理要求。下表提供了决策参考：
| 业务场景 | 推荐策略 | 理由 |
|---|---|---|
| 风控黑名单拦截 | 最高优先级 | 拦截规则必须优先于其他业务规则 |
| 促销折扣计算 | 指定策略（合并） | 多个折扣可能叠加或取最优 |
| 默认兜底规则 | 最后匹配 | 兜底规则放在末尾，最后匹配确保生效 |
| 合规性检查 | 最先匹配 | 检查顺序严格按法规条款排列 |
架构建议： 在规则引擎设计阶段，将冲突解决策略作为规则集级别的元数据配置，而非全局硬编码。这样不同业务域可以独立选择最适合的策略，同时保持引擎内核的统一。