从 0 到 1 实战构建营销投放：基于 Go 的规则引擎 + 灰
双十一刚过去，你是不是还在被各种复杂的优惠券、满减、阶梯折扣规则折磨？
商促活动本是电商最常见、最重要的业务需求，可现实却让人头疼：每次调整规则都得改代码、提需求、打补丁、重新上线，既耗时又容易出错。
更麻烦的是，一旦促销策略设计不当，影响范围不可控，很可能带来成千上万的财务损失。毕竟——涉及钱的事情，从来马虎不得。
基于上面的问题，你是否合适的解决方案？今天我们就来彻底解决你的这些顾虑。
传统投放、风控、内容推荐、商品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
本文带你一步步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、为什么要用到 “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）
下图展示我们整套系统架构：
┌──────────────┐ ┌─────────────┐
│ 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、结合实用案例核心能力拆解
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）,是你不二的选择。
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，先在10%范围内测试，效果测试成功后直接修改灰度
{
"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，Publisher 推送后，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，所以这里选择了Kafka。当然这里还是又很多其他的选择，你在开发过程中可以按照需求及自身资源进行合理的选择。
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，突发高流量可能压垮优惠券系统 → 导致事故
- Token-Bucket 可允许“突刺”，更适合营销业务
④ Webhook 动作执行器
Webhook Server 是业务处理端：
- 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 服务可按需扩展。
Dashboard 可视化报表整理端
这里因为实际因素没有详细的去做，营销活动的运营数据这是在商促中非常重要的环节，不可能每次都要让一个程序员去后台拉取数据去做”普通文员“的活吧。
// 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
这一个完整的营销投放系统就这么搭好了。该项目源码具备生产级，需要的朋友可以简单修改就可以直接使用。
在线上营销过程中你是否遇到类似的问题，你的解决方案是什么呢？欢迎在评论区留言讨论。
🔗 源码下载
👉 GitHub： https://github.com/louis-xie-programmer/rule-engine-gray
