SpringBoot+Vue制造业HR系统开发实践

1. 项目背景与核心需求鞍山钢峰风机作为一家传统制造业企业在数字化转型过程中面临着人力资源管理效率低下的痛点。传统纸质档案和Excel表格管理方式导致员工信息更新滞后、考勤统计耗时、绩效评估主观性强等问题。这套系统正是为解决以下核心问题而设计信息孤岛问题各部门数据独立存储人事变动后需多部门手动同步流程效率低下请假、报销等审批流程平均耗时3-5个工作日数据分析缺失无法实时获取人才结构、离职率等关键指标系统采用SpringBootVue的前后端分离架构实现了员工全生命周期管理入职→在岗→离职智能排班与考勤异常自动预警可视化人才结构分析看板移动端审批流程对接企业微信提示制造业HR系统需特别注意与生产排班系统的数据对接我们通过每日凌晨2点的定时任务同步MES系统的排班数据2. 技术架构设计2.1 整体技术栈选型后端技术栈框架SpringBoot 2.7.3平衡稳定性和新特性安全Spring Security JWTRBAC权限模型数据库MySQL 8.0使用窗口函数优化统计查询缓存Redis 6存放热点数据和Session文件存储MinIO员工证件照等非结构化数据前端技术栈框架Vue 3 TypeScriptUI库Element Plus表格性能优化方案见3.2节可视化ECharts 5构建工具Vite 3显著提升热更新速度部署方案# 后端Dockerfile关键配置 FROM openjdk:11-jre COPY target/hr-system.jar /app.jar EXPOSE 8080 ENTRYPOINT [java,-Dspring.profiles.activeprod,-jar,/app.jar]2.2 数据库设计要点员工核心表结构设计CREATE TABLE employee ( id BIGINT NOT NULL AUTO_INCREMENT, employee_no VARCHAR(20) NOT NULL COMMENT 工号规则GF部门代码4位序号, name VARCHAR(50) NOT NULL, id_card VARCHAR(18) NOT NULL COMMENT 加密存储, department_id INT NOT NULL COMMENT 关联部门表, position_id INT NOT NULL COMMENT 关联岗位表, entry_date DATE NOT NULL, status TINYINT NOT NULL DEFAULT 1 COMMENT 1在职 2试用 3离职, PRIMARY KEY (id), UNIQUE KEY idx_employee_no (employee_no), KEY idx_department (department_id) ) ENGINEInnoDB DEFAULT CHARSETutf8mb4 COLLATEutf8mb4_0900_ai_ci;注意制造业企业工号设计需预留扩展位我们为未来可能的子公司合并预留了2位前缀3. 核心功能实现3.1 智能排班算法基于历史生产数据设计的排班规则引擎public class SchedulingEngine { // 班次权重计算考虑技能等级、疲劳度等 private BigDecimal calculateShiftScore(Employee employee, LocalDate date) { BigDecimal score BigDecimal.ZERO; // 技能匹配度0-40分 score score.add(skillMatchScore(employee)); // 连续工作日惩罚每多1天扣5分 score score.subtract(continuousWorkPenalty(employee)); // 上周加班奖励每小时加1分 score score.add(overtimeReward(employee)); return score; } // 使用贪心算法进行班次分配 public ListSchedule generateSchedule(LocalDate startDate, int days) { // 实现细节... } }3.2 大数据量表格优化针对超过1万条记录的员工列表页采用以下优化方案后端分页优化Repository public interface EmployeeRepository extends JpaRepositoryEmployee, Long { Query(value SELECT e FROM Employee e WHERE e.department :dept, countQuery SELECT COUNT(e) FROM Employee e WHERE e.department :dept) PageEmployee findByDepartment(Param(dept) Department dept, Pageable pageable); }前端虚拟滚动使用vue-virtual-scrollertemplate RecycleScroller classscroller :itemsemployees :item-size56 key-fieldid template v-slot{ item } div classemployee-item {{ item.name }} - {{ item.department.name }} /div /template /RecycleScroller /template4. 典型问题与解决方案4.1 考勤数据不一致问题现象考勤机数据与系统记录存在约3%的偏差排查过程日志分析发现部分打卡记录入库时间延迟追踪到Redis缓存击穿导致数据库压力陡增最终定位到考勤高峰期的并发问题解决方案// 使用双重检查锁解决缓存击穿 public AttendanceRecord getTodayRecord(Long employeeId) { String cacheKey attendance: employeeId : LocalDate.now(); AttendanceRecord record redisTemplate.opsForValue().get(cacheKey); if (record null) { synchronized (this) { record redisTemplate.opsForValue().get(cacheKey); if (record null) { record attendanceRepository.findByEmployeeAndDate(employeeId, LocalDate.now()); redisTemplate.opsForValue().set(cacheKey, record, 6, TimeUnit.HOURS); } } } return record; }4.2 移动端图片加载慢优化措施使用WebP格式压缩证件照平均体积减少65%实现CDN分级存储热数据阿里云OSS温数据本地MinIO集群冷数据七牛云归档存储效果对比优化前优化后平均加载时间2.3s平均加载时间0.6sPNG格式300KB/张WebP格式105KB/张5. 安全防护实践5.1 敏感数据加密员工身份证号采用AES加密存储public class IdCardEncryptor { private static final String ALGORITHM AES/GCM/NoPadding; private final SecretKey secretKey; public String encrypt(String idCard) { byte[] iv new byte[12]; // GCM推荐12字节IV secureRandom.nextBytes(iv); Cipher cipher Cipher.getInstance(ALGORITHM); cipher.init(Cipher.ENCRYPT_MODE, secretKey, new GCMParameterSpec(128, iv)); byte[] cipherText cipher.doFinal(idCard.getBytes(StandardCharsets.UTF_8)); return Base64.getEncoder().encodeToString(iv) : Base64.getEncoder().encodeToString(cipherText); } }5.2 权限控制方案基于部门的动态数据权限控制PreAuthorize(hasRole(HR_MANAGER) or dataPermission.checkDeptAccess(#deptId)) GetMapping(/employees) public PageEmployee listByDepartment(RequestParam Long deptId, Pageable pageable) { return employeeService.findByDepartment(deptId, pageable); } // 数据权限检查Bean Service public class DataPermission { public boolean checkDeptAccess(Long deptId) { User user SecurityContextHolder.getContext().getAuthentication().getPrincipal(); return user.getManagedDepartments().contains(deptId); } }6. 性能优化成果经过3轮压测调优后的关键指标单节点承载能力员工信息查询1200 QPS带缓存考勤打卡800 TPS集群部署月度报表生成原耗时47s → 优化后8s使用MySQL窗口函数内存占用优化JVM堆内存从4G降至2G调整G1GC参数常驻内存从1.2G降至780MB优化对象池配置我在实施过程中发现三个关键经验制造业HR系统必须考虑三班倒的特殊考勤规则Vue表格渲染超过5000行数据时务必使用虚拟滚动SpringBoot的Cacheable注解在集群环境下需要配合Redis序列化策略