1 引言
2 LiteFlow简介
2.1 引入jar包
2.2 定义组件
2.3 执行流程
2.4 官网
3 可视化编排（形态进阶）
3.1 为什么要可视化
3.2 方案设计
3.3 推拉结合刷新流程
3.4 源码
4 效果收益&未来规划
4.1 效果收益
4.2 未来规划
1 引言
LiteFlow解决哪些场景的问题呢？通过下面的例子感受一下。
假设有三个组件（或方法）stepOne、stepTwo、stepThree，并且你想要按照顺序打印"one"、"two"、"three"，通常我们编写代码的方式可能是这样的：
@Component
public class PrintService {
/**
* 执行业务代码
*/
private void doExecute() {
stepOne();
stepTwo();
stepThree();
}
private void stepOne() {
// 业务代码
System.out.println("one");
}
private void stepTwo() {
// 业务代码
System.out.println("two");
}
private void stepThree() {
// 业务代码
System.out.println("three");
}
}
这样写最简单粗暴，但是如果之后有调整打印顺序的话，例如你想打印two、one、three，或者直接跳过two直接打印one、three，你一定需要修改代码并且重新上线。
// 打印two、one、three
public void doExecute() {
stepTwo();
stepOne();
stepThree();
}
// 打印one、three
public void doExecute() {
stepOne();
stepThree();
}
对于需要动态调整执行流程的业务场景，显然不适合将流程硬编码在代码中。
2 LiteFlow简介
LiteFlow是一款编排式的规则引擎框架，可以通过表达式的方式来编排组件或方法的执行流程，并且支持一些高级的流程编排。
上述案例如何通过更高级的方式来实现零代码修改、无需重新上线即可编排流程了呢？我们基于LiteFlow做一些改造。
2.1 引入jar包
可以去官网根据需要选择合适的版本，这里用的是最新版本
<dependency>
<groupId>com.yomahub</groupId>
<artifactId>liteflow-spring-boot-starter</artifactId>
<version>2.12.0</version>
</dependency>
2.2 定义组件
将打印功能分别定义成一个个组件，继承NodeComponent 这个抽象父类并实现其中的方法：
@Component
public class PrintOne extends NodeComponent {
@Override
public void process() throws Exception {
// 业务代码
System.out.println("one");
}
}
@Component
public class PrintTwo extends NodeComponent {
@Override
public void process() throws Exception {
// 业务代码
System.out.println("two");
}
}
@Component
public class PrintThree extends NodeComponent {
@Override
public void process() throws Exception {
// 业务代码
System.out.println("three");
}
}
2.3 执行流程
定义好组件之后，我们就开始编写组件执行的流程表达式了，官方名称叫EL表达式；上述案例可以这样编写表达式：
THEN(node("printOne"),node("printTwo"),node("pirntThree"));
并给这个流程起个名字（流程唯一标识）：print_flow
根据流程名称执行流程：
@Component
public class PrintService {
@Autowired
private FlowExecutor flowExecutor;
/**
* 执行业务代码
*/
public void doExecute() {
// 开始执行流程
LiteflowResponse response = flowExecutor.execute2Resp("print_flow");
// 根据执行结果进行后续操作
// ......
}
}
一般我们会将流程放到数据库中，如果想改变打印顺序，只需要修改表达式即可，例如：打印two、one、three。
THEN(node("printTwo"),node("printOne"),node("pirntThree"));
打印two、three。
THEN(node("printTwo"),node("printThree"));
然后LiteFlow真正强大的地方远不止如此，它不仅仅支持简单的串行编排，还支持更加复杂的逻辑例如（并行编排）WHEN、（条件编排）IF、（选择编排）SWITCH、（循环编排）FOR等。
2.4 官网
上述的简单示例旨在为不熟悉LiteFlow框架的伙伴们提供一个初步的认知。要想真正基于LiteFlow将业务流程落地并运用到实际业务场景中，还需要通过官方文档深入了解该框架的运作原理和核心机制。
https://liteflow.cc/
3 可视化编排（形态进阶）
3.1 为什么要可视化
官网提供修改表达式的方式只有一个，那就是手写！官网并没有提供配套的可视化工具，手写可能存在诸多问题和不便，例如：
容易出错：表达式少一个字母甚至一个逗号都不行！ 流程不可视：我们只能完全依赖大脑去构想这些流程，运营或产品团队想要了解或讨论流程，也只能依赖于其他画图工具来手动绘制和表达。 节点不可配置：我们的运营会根据不同的场景对节点进行动态配置，没有可视化界面，运营改动配置的需求则无从下手。
所以可视化对于编排流程来说意义重大，对于研发能更准确地理解和设计流程，还能让运营能更便捷地监控和管理流程。
3.2 方案设计
网上有一些网友开源的项目，但基本都是个人维护，对于复杂流程的处理不是很好，质量也参差不齐，所以自己进行了调研和设计；支持普通节点、判断节点、选择节点、并行节点；循环节点目前业务不需要，有需要的可以自己拓展，掌握方案之后拓展节点类型非常简单。完成可视化编排需要解决两个问题：
一款与用户交互的前端画布（推荐logicFlow，有自己熟悉的也行） 将画布数据转化成EL表达式（手写算法，基于DFS的递归）
这里重点讲画布数据转化为EL的过程。
3.2.1 整体流程
创建流程
流程的核心在第5步，下面会重点讲解。
回显流程
解析EL成本很高，所以我选择不解析表达式，直接将前端传入的画布json数据返回给前端进行回显。
3.2.2 后端抽象语法树设计
节点类型枚举
public enum NodeEnum {
// 普通节点，对应普通组件
COMMON,
// 并行节点，对应并行组件
WHEN,
// 判断节点，对应判断组件
IF,
// 选择节点，对应选择组件
SWITCH,
// 汇总节点（自定义）
SUMMARY,
// 开始节点（自定义）
START,
// 结束节点（自定义）
END;
}
COMMON
普通节点，入度和出度都为1。
IF
判断节点，包含一个true分支，一个false分支，入度为1，出度为2。
SWITCH
根据SWITCH返回的tag，来决定执行后续哪个流程。入度为1，出度大于1。
WHEN
官网没有WHEN节点的概念，我这里自定义WHEN节点会避免很多问题。
为什么要定义WHEN节点？
WHEN作为一个出度大于1的节点，和IF、SWITCH不同的是WHEN并没有一个前置节点去驱动一个流程。
假设这样一个流程，如果没有WHEN节点的支持，展示到画布上的效果很差。
THEN(
IF(node("c"),
WHEN(
node("a"),
node("b"),
node("d"),
node("e")
).ignoreError(true)
),
node("f")
)
SUMMARY
官网没有这种节点，自定义节点，用于汇总所有分支节点，也就是WHEN、IF、SWITCH节点。入度大于1，出度为1。
为什么要定义SUMMARY节点？
构建EL算法是基于递归实现的，参考的是深度优先遍历算法（DFS），这种嵌套方式如果没有一个结束标志会一直执行下去。
举个例子：
基于图1生成EL表达式
THEN(
node("c"),
WHEN(
THEN(node("b"),node("e")),
THEN(node("d"),node("e"))
)
)
基于图2生成EL表达式
THEN(
node("c"),
WHEN(node("b"),node("d")),
node("e")
)
可以看出来图2的EL表达式才是我们想要的。
市面上有名的工作流引擎在画布上处理汇总问题也是这样设计的，比如在activiti中使用并行网关开启会签，也必须用并行网关在会签结束时进行汇总，否则就会出现重复审批的问题。
START
开始节点，一个流程必须有一个开始节点，入度为0，出度为1。
END
结束节点，一个流程必须有一个结束节点，入度为1，出度为0。
上述节点类型的类定义
// 抽象父类
@Getter
public abstract class Node {
// node的唯一id
private final String id;
// node名称，对应LiteFlow的Bean名称
private final String name;
// 入度
private final List<Node> pre = Lists.newArrayList();
// 节点类型
private final NodeEnum nodeEnum;
// 出度
private final List<Node> next = Lists.newArrayList();
protected Node(String id, String name, NodeEnum nodeEnum) {
this.id = id;
this.name = name;
this.nodeEnum = nodeEnum;
}
public void addNextNode(Node node) {
next.add(node);
}
public void addPreNode(Node preNode) {
pre.add(preNode);
}
}
// 普通节点
public class CommonNode extends Node {
public CommonNode(@NonNull String id, @NonNull String name) {
super(id, name, NodeEnum.COMMON);
}
}
// 并行节点
public class WhenNode extends Node {
public WhenNode(@NonNull String id, @NonNull String name) {
super(id, name, NodeEnum.WHEN);
}
}
// 判断节点
@Getter
public class IfNode extends Node {
private Node trueNode;
private Node falseNode;
public IfNode(@NonNull String id, @NonNull String name) {
super(id, name, NodeEnum.IF);
}
public void setTrueNode(Node trueNode) {
this.trueNode = trueNode;
super.addNextNode(trueNode);
}
public void setFalseNode(Node falseNode) {
this.falseNode = falseNode;
super.addNextNode(falseNode);
}
}
// 选择节点
@Getter
public class SwitchNode extends Node {
private final Map<Node, String> nodeTagMap = Maps.newHashMap();
public SwitchNode(@NonNull String id, @NonNull String name) {
super(id, name, NodeEnum.SWITCH);
}
public void putNodeTag(Node node, String tag) {
nodeTagMap.put(node, tag);
super.addNextNode(node);
}
}
// 开始节点
public class StartNode extends Node {
public StartNode(@NonNull String id, @NonNull String name) {
super(id, name, NodeEnum.START);
}
}
// 结束节点
public class EndNode extends Node {
public EndNode(@NonNull String id, @NonNull String name) {
super(id, name, NodeEnum.END);
}
}
// 汇总节点
public class SummaryNode extends Node {
public SummaryNode(@NonNull String id, @NonNull String name) {
super(id, name, NodeEnum.SUMMARY);
}
}
3.2.3 画布JSON数据设计
画布数据最终体现在JSON语法树，数据结构如下：
{
"nodeEntities": [
{
"id": "节点的唯一id，由前端生成。必填",
"name": "节点名称，对应LiteFlow的节点名称，spring的beanName。必填",
"label": "前端节点展示名称，到时候给前端。必填",
"nodeType": "节点的类型，有COMMON、IF、SWITCH、WHEN、START、END和SUMMARY。必填",
"x": "x坐标。必填",
"y": "y坐标。必填"
}
],
"nodeEdges": [
{
"source": "源节点。必填",
"target": "目标节点。必填",
"ifNodeFlag": "if类型节点的true和false，只有ifNode时必填，其他node随意",
"tag": "switch类型的下层节点的tag，主机有switchNode时必填，其他node随意"
}
]
}
用户拖动画布节点和节点之间连线的过程，其实就是维护节点数组和边数组的过程。
3.2.4 画布JSON数据合法校验
下面是针对画布json数据的一些简单合法性校验，可以自己根据需要拓展，实现很简单，最后有具体实现代码，需要的可以下载。
流程必须有一个开始节点和一个结束节点 校验节点类型，只能是IF、WHEN、COMMON、SWITCH、START、END和SUMMARY IF、WHEN、SWITCH节点的数量总和与SUMMARY类型节点数量总和校验 校验节点和边的source和target是否能对应上 校验SWITCH的出度边是否有tag，且tag不能为空 校验IF节点有没有ifNodeFlag的标识，并且总有一条true分支，总有一条false分支
3.2.5 画布JSON数据转化为抽象语法树
举个简单的例子：对应的JSON语法树如下；避免篇幅过长，这里只列举了部分属性。
{
"nodeEntities": [
{
"id": "a",
"label": "a",
"nodeType": "COMMON"
},
{
"id": "e",
"label": "e",
"nodeType": "WHEN"
},
{
"id": "b",
"label": "b",
"nodeType": "COMMON"
},
......
],
"nodeEdges": [
{
"source": "a",
"target": "e",
},
{
"source": "e",
"target": "b",
},
{
"source": "e",
"target": "c",
},
......
]
}
JSON转化为抽象语法树，实际就是创建节点对象，并维护节点的属性，下面是伪代码。
// 创建节点对象
List<Node> nodes = Lists.newArrayList();
for (NodeEntity nodeEntity : nodeEntities) {
Node node = null;
switch (nodeEntity.getNodeType()) {
case NodeEnum.COMMON;
node = new CommonNode("节点的id", "节点的label");
break;
case NodeEnum.WHEN;
node = new WhenNode("节点的id", "节点的label");
break;
case NodeEnum.SUMMARY;
node = new SummaryNode("节点的id", "节点的label");
break;
default:
throw new RuntimeException("未知的节点类型！");
}
nodes.add(node);
}
// 构建nodeId和node的map
Map<String, Node> nodeIdAndNodeMap = nodes.stream()
.collect(Collectors.toMap(Node::getId, Function.identity()));
// 维护节点间关系
for (NodeEdge nodeEdge : nodeEdges) {
Node sourceNode = nodeIdAndNodeMap.get(nodeEdge.getSource());
Node targetNode = nodeIdAndNodeMap.get(nodeEdge.getTarget());
sourceNode.addNextNode(targetNode);
targetNode.addPreNode(sourceNode);
......
}
疑问：为什么要设计JSON和AST（抽象语法树）两种数据结构？
根据上述JSON数据可以发现，用户编辑画布时，前端只需要维护节点和边两个数组即可；而生成EL表达式的操作在后端，生成方法是利用递归实现的深度优先遍历算法（DFS），显然JSON是不满足递归需求的，所以JSON转换为AST。
总之设计JSON和AST就是为了方便前后端去各自维护数据。
3.2.6 抽象语法树生成EL表达式
整个流程的核心就在这里，AST生成EL表达式
同样用上面的例子来模拟生成EL表达式过程，该流程只涉及THEN和WHEN，我们约定把THEN和WHEN当成数组来处理，例如THEN(node("a"),node("b"))对应数组[node("a"),node("b")]，同理WHEN。
流程必须以一个数组开始。
[
node("a")
]
遇见WHEN分支节点e，创建一个新数组，并加入上一层数组。
[
node("a"),
[
]
]
分支节点之后的每一个分支都要创建一个数组，并且加入到分支节点的数组中。
[
node("a"),
[
[
node("b")
]
]
]
正常的串行，节点直接加入最内层数组。
[
node("a"),
[
[
node("b"),
node("d")
]
]
]
遇见汇总节点，什么也不处理。
[
node("a"),
[
[
node("b"),
node("d")
]
]
]
继续向下，将f节点加入WHEN节点所在的数组，到达递归的出口。
[
node("a"),
[
[
node("b"),
node("d")
]
],
node("f")
]
这可能有疑问，程序是如何定位到WHEN所在的数组在哪呢？
利用栈，遇到WHEN节点的时候会将WHEN节点所在的数组压栈，等遇到汇总节点时将数组出栈，那么可以确定f节点应该加入出栈时的数组了。
因为是从e节点开始有分支流程的，以b节点开头的分支已经执行完，回溯到另一条分支；同样c节点属于e的一条分支，分支节点之后的每一个分支都要创建一个数组，并且加入到分支节点的数组中。
[
node("a"),
[
[
node("b"),
node("d")
],
[
node("c")
]
],
node("f")
]
到了汇总节点，因为遍历以b节点开头的分支时已经访问了该汇总节点，这次不处理，到达递归的出口。
[
node("a"),
[
[
node("b"),
node("d")
],
[
node("c")
]
],
node("f")
]如何判断汇总节点是否访问过？
用Set，访问过的汇总节点加入Set中，下次再访问先判断Set中有没有该汇总节点，有就不往下执行，到达递归出口。
结束！
根据上面简单示例，下面是用递归实现DFS的伪代码；文末有全量源码，感兴趣的可以下载参考一下。
public static String ast2El(Node head) {
if (head == null) {
return null;
}
// 用于存放when节点List
Deque<List> stack = new ArrayDeque<>();
// 用于标记是否处理过summary节点了
Set<String> doneSummary = Sets.newHashSet();
List list = tree2El(head, new ArrayList(), stack, doneSummary);
// 将list生成EL，你可以认为框架有对应的方法
return toEL(list);
}
private static List tree2El(Node currentNode,
List currentThenList,
Deque<List> stack,
Set<String> doneSummary) {
switch (currentNode.getNodeEnum()) {
case COMMON:
currentThenList.add(currentNode.getId());
for (Node nextNode : currentNode.getNext()) {
tree2El(nextNode, currentThenList, stack, doneSummary);
}
case WHEN:
stack.push(currentThenList);
List whenELList = new ArrayList<>();
currentThenList.add(whenELList);
for (Node nextNode : currentNode.getNext()) {
List thenELList = new ArrayList<>();
whenELList.add(thenELList);
tree2El(nextNode, thenELList, stack, doneSummary);
}
case SUMMARY:
if (!doneSummary.contains(currentNode.getId())) {
doneSummary.add(currentNode.getId());
// 这种节点只有0个或者1个nextNode
for (Node nextNode : currentNode.getNext()) {
tree2El(nextNode, stack.pop(), stack, doneSummary);
}
}
default:
throw new RuntimeException("未知的节点类型！");
}
return currentThenList;
}
3.2.7 校验EL表达式的合法性
这是生成EL表达式的最后一步；框架有本身有支持校验EL合法性的方法，在生成EL之后进行校验。
// 校验是否符合EL语法
Boolean isValid = LiteFlowChainELBuilder.validate(el);
进行完最后一步，EL表达式就可以入库了。
3.3 推拉结合刷新流程
流程入库之后并不是立即生效，进行以下操作后生效。
3.3.1 拉
框架会定期从数据库（或通过配置指定的任何数据源）中同步最新流程，并将这些流程缓存在内存中；新流程同步和缓存的过程是平滑进行的，不会干扰或打断现有流程的执行；该框架还允许用户根据实际需求配置数据刷新的时间间隔（默认1分钟），具体配置方法可参照官方文档进行详细了解。
3.3.2 推
如果我们希望改动的EL表达式立即生效而不是等待框架被动刷新，我们可以通过官方提供的api进行主动刷新：
flowExecutor.reloadRule();
需要注意的的是，官方提供的方法只是刷新单个实例节点的流程；如果是集群环境，我们需要借助消息队列以达到通知整个集群的效果。
3.4 源码
目前这套设计方案已在实际业务场景落地并使用；自己进行过很多复杂流程的验证，基于这种规则能百分百保证生成EL表达式的正确性。
自己的写的demo，可以借鉴一下思路；里面有一个构造好的复杂流程案例，通过调接口的方式自己感受。
https://dl.zhuanstatic.com/fecommon/liteFlow-el.zip
4 效果收益&未来规划
通过引入流程的可视化编排，结合LiteFlow框架的支持，显著提升了流程设计的直观性和开发效率，为项目带来了更为顺畅和高效的开发体验。
4.1 效果收益：
开发人员只需要专注于核心的业务流程设计，而无需在语法规则上耗费过多精力。 通过直观的可视化流程界面，产品和研发团队之间的沟通变得更为高效，复杂的业务逻辑能够清晰展现，避免了不必要的沟通。 运营能够实时编辑流程节点，并快速了解节点的属性配置；例如“黑名单校验”节点中配置了哪些用户，从而更加灵活地管理业务流程。
4.2 未来规划
痛点：
流程编排只是针对现有节点，对于新的业务节点，依然需要开发。 对外提供服务可能需要调用方提供较为详尽的参数信息。
规划：
希望未来借助动态脚本，实现全新业务流程的快速搭建，无需进行任何开发工作。 引入数据字典的概念，将常用的参数整合为数据字典，例如只需要一个订单号，便能根据数据字典获取该流程想要的参数，从而降低调用方的开发成本。
关于作者
蒋韬，转转回收技术部的后端工程师
想了解更多转转公司的业务实践，欢迎点击关注下方公众号：
