基于Python与SQL Server的分层规则分类存储及实现方案咨询

一、SQL Server 2018 规则存储优化方案 #

直接放弃单字段存整段JSON的方案，改用关联表结构存储，兼顾可管理性、可读性和层级支持：

• 表1：规则层级主表，存储规则的层级关系、优先级、基础信息

  字段名	类型	说明
  rule_id	INT 主键自增	规则唯一标识
  parent_rule_id	INT	父规则ID，根层级规则填0，支持无限层级
  priority	INT	同层级匹配优先级，数值越小越先被匹配
  rule_name	VARCHAR(100)	规则名称，方便业务人员识别
  rule_desc	VARCHAR(500)	规则逻辑的自然语言描述，解决可读性问题
  is_active	BIT	规则生效状态，可直接用SQL筛选生效规则

• 表2：规则原子表达式表，存储最小规则单元

  字段名	类型	说明
  expr_id	INT 主键自增	表达式唯一标识
  rule_id	INT 外键	关联所属规则的ID
  field	VARCHAR(50)	待匹配的员工属性名，如position、remaining_annual_leave
  operator	VARCHAR(20)	运算符，支持==、>=、contains、regexMatch等所有你需要的类型
  value	VARCHAR(200)	匹配值，不同类型统一转字符串存储，Python侧匹配前做类型转换
  logic_rel	VARCHAR(10)	和同规则下其他表达式的逻辑关系，可选and/or/not，单表达式留空
  group_id	INT	可选，复杂布尔组合时用，同组表达式先运算再和其他组做逻辑拼接

该方案的优势：

• 完全支持层级结构，可通过递归SQL直接拉取完整规则树，按priority排序保证匹配顺序
• 可读性极强，无需解析JSON，直接查表就能看到所有规则的逻辑，也可直接通过SQL做规则的增删改查
• 支持部分规则更新，无需修改整段JSON，减少出错概率

二、Python侧高效匹配方案 #

核心优化点 #

1. 规则预编译：服务启动时一次性拉取所有生效规则，按层级+优先级拼接成可执行的规则对象，存在内存中，避免每次匹配重复解析
2. 数据预处理：将所有员工数据（字典/数据类）统一转成带类型校验的结构，提前把字符串转日期、enum转对应值，避免匹配时重复做类型转换
3. 短路匹配：按优先级从高到低匹配，员工命中第一个规则后直接返回结果，不做后续冗余校验
4. 批量加速：数据量大于10万条时，用向量化运算替代逐行校验，性能提升10倍以上

推荐可直接使用的Python库（无需自行实现底层逻辑） #

• pydantic：统一处理员工数据的类型转换和校验，不管输入是字典还是数据类，都可以转成标准化的模型，自动处理字符串、浮点数、整数、日期、enum的类型适配，避免匹配时类型错误
• rule-engine：轻量级开箱即用的规则引擎，原生支持你需要的所有运算符（比较运算符、字符串的contains/startswith/endswith/regexMatch，以及and/or/not布尔组合），可以直接将SQL中拉取的原子表达式拼接成规则语句，预编译为规则对象后，调用matches()方法即可完成匹配，性能远高于Cerberus，且规则语句可读性极强
• pandas（可选，大数据量场景）：如果员工数据量极大，可以将数据转成DataFrame，把规则转成pandas的查询条件，用df.query()或者布尔掩码批量计算命中情况，避免逐行循环的性能损耗
• networkx（可选，规则层级极深场景）：如果你的规则层级超过3层，可用该库构建规则决策树，快速遍历节点完成匹配，减少层级遍历的代码量

最简实现示例 #

import rule_engine
from pydantic import BaseModel
from datetime import date
from enum import Enum

# 1. 定义员工数据模型，统一类型
class GenderEnum(str, Enum):
    MALE = "male"
    FEMALE = "female"

class Employee(BaseModel):
    name: str
    position: str
    hourly_wage: float
    remaining_annual_leave: int
    hire_date: date
    gender: GenderEnum

# 2. 模拟从SQL拉取规则后拼接预编译
# 示例规则：岗位是经理 且 剩余年假大于等于5天 且 入职时间早于2020年1月1日
rule_obj = rule_engine.Rule(
    "position == 'manager' and remaining_annual_leave >=5 and hire_date < dt('2020-01-01')"
)

# 3. 批量匹配
employees = [
    Employee(name="张三", position="manager", hourly_wage=80.5, remaining_annual_leave=6, hire_date=date(2019,5,1), gender=GenderEnum.MALE).dict(),
    Employee(name="李四", position="developer", hourly_wage=60.2, remaining_annual_leave=10, hire_date=date(2021,3,1), gender=GenderEnum.FEMALE).dict()
]

# 匹配结果：只有张三命中该规则
matched = [emp for emp in employees if rule_obj.matches(emp)]

内容的提问来源于stack exchange，提问作者gt6989b