4. 校验规则引擎：规则表达式、规则编译与规则缓存机制

规则引擎是风控网关样本校验的核心决策单元。在低延迟场景下，规则引擎不仅要支持灵活、可扩展的规则表达，还必须通过编译优化与缓存机制将单次校验的耗时压缩到微秒级。本节从规则表达式语法、编译流水线与缓存策略三个维度展开。

4.1 规则表达式：语法设计与原子操作

规则表达式采用类 SQL 的条件组合语法，支持原子比较、逻辑运算与集合判定。每个规则由若干条件（Condition）通过 AND/OR 连接组成，最终输出命中/未命中（Hit/Miss）结果。

4.2 规则编译：从表达式到可执行指令

规则编译将文本形式的表达式转换为内部指令序列（Bytecode 或 JIT 编译后的机器码），消除运行时字符串解析与语法树遍历。编译过程分为三个阶段：

1. 词法分析（Lexer）：将表达式拆分为 Token 序列，如 IDENTIFIER、OPERATOR、LITERAL。
2. 语法分析（Parser）：构建抽象语法树（AST），校验类型匹配与运算符优先级。
3. 代码生成（CodeGen）：遍历 AST 生成线性指令数组，每条指令包含操作码与操作数。

// 编译后指令示例（伪代码）
Instruction[] instructions = {
  new Instruction(OpCode.LOAD_FIELD, "amount"),   // 加载字段
  new Instruction(OpCode.PUSH_CONST, 10000),      // 压入常量
  new Instruction(OpCode.GT),                     // 执行大于比较
  new Instruction(OpCode.JUMP_IF_FALSE, 8),       // 条件跳转
  new Instruction(OpCode.LOAD_FIELD, "country"),
  new Instruction(OpCode.PUSH_CONST, "CN"),
  new Instruction(OpCode.EQ),
  new Instruction(OpCode.RETURN, true)            // 返回命中
};

4.3 规则缓存机制：分级存储与失效策略

规则缓存是降低重复编译开销的核心手段。风控网关采用三级缓存架构，兼顾访问速度与内存效率：

4.4 缓存预热与动态更新

网关启动时，从 L3 加载全量规则并逐级预热到 L1/L2。运行时通过监听配置中心（如 ZooKeeper/etcd）的变更事件，实现规则的热加载：

1. 配置中心推送规则变更事件。
2. 网关接收事件后，解析新规则并编译为指令数组。
3. 原子替换 L2 缓存中的规则对象，同时递增全局版本号。
4. L1 缓存通过版本号比对自动淘汰旧指令。

// 缓存查询伪代码
public RuleResult evaluate(RuleKey key, Context ctx) {
    // 1. 查 L1 指令缓存
    Instruction[] instrs = l1Cache.get(key);
    if (instrs != null && instrs.version == globalVersion) {
        return vm.execute(instrs, ctx);
    }
    // 2. 查 L2 对象缓存
    CompiledRule rule = l2Cache.get(key);
    if (rule != null && rule.version == globalVersion) {
        l1Cache.put(key, rule.instructions); // 回填 L1
        return vm.execute(rule.instructions, ctx);
    }
    // 3. 查 L3 并编译
    String source = l3Cache.get(key);
    CompiledRule newRule = compile(source);
    l2Cache.put(key, newRule);
    l1Cache.put(key, newRule.instructions);
    return vm.execute(newRule.instructions, ctx);
}

4.5 性能指标与优化方向

规则引擎在低延迟风控网关中的关键性能指标如下：