# 系统架构设计文档

## 基于多维特征挖掘的员工缺勤分析与预测系统

**文档版本**：V1.0  
**编写日期**：2026年3月  
**编写人**：张硕

---

## 1. 概述

### 1.1 设计目标

本系统架构设计旨在实现以下目标：

1. **高可用性**：系统稳定可靠，能够持续提供服务
2. **可扩展性**：便于后续功能扩展和算法升级
3. **可维护性**：代码结构清晰，便于理解和维护
4. **高性能**：快速响应前端请求，提供流畅的用户体验

### 1.2 设计原则

| 原则 | 说明 |
|------|------|
| 分层设计 | 前后端分离，后端采用三层架构 |
| 模块化 | 功能模块独立，高内聚低耦合 |
| 单一职责 | 每个模块只负责一个特定功能 |
| 开闭原则 | 对扩展开放，对修改关闭 |
| 接口隔离 | 接口设计精简，避免冗余 |

---

## 2. 系统架构

### 2.1 整体架构图

```
┌─────────────────────────────────────────────────────────────────────┐
│                           用户层 (User Layer)                        │
│                     浏览器 (Chrome/Firefox/Edge)                     │
└─────────────────────────────────────────────────────────────────────┘
                                    │
                                    ▼
┌─────────────────────────────────────────────────────────────────────┐
│                         前端层 (Frontend Layer)                      │
│  ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐   │
│  │  Dashboard  │ │ FactorAnalysis│ │ Prediction │ │ Clustering  │   │
│  │   数据概览   │ │   影响因素   │ │   缺勤预测   │ │   员工画像   │   │
│  └─────────────┘ └─────────────┘ └─────────────┘ └─────────────┘   │
│  ┌─────────────────────────────────────────────────────────────┐   │
│  │              公共组件 (ChartComponent, ResultCard)            │   │
│  └─────────────────────────────────────────────────────────────┘   │
│  ┌─────────────────────────────────────────────────────────────┐   │
│  │      Vue 3 + Element Plus + ECharts + Axios + Vue Router     │   │
│  └─────────────────────────────────────────────────────────────┘   │
└─────────────────────────────────────────────────────────────────────┘
                                    │
                                    │ HTTP/REST API
                                    ▼
┌─────────────────────────────────────────────────────────────────────┐
│                         后端层 (Backend Layer)                       │
│  ┌─────────────────────────────────────────────────────────────┐   │
│  │                      API Layer (api/)                         │   │
│  │    overview_routes  │  analysis_routes  │  predict_routes    │   │
│  │                          cluster_routes                        │   │
│  └─────────────────────────────────────────────────────────────┘   │
│                                    │                                 │
│  ┌─────────────────────────────────────────────────────────────┐   │
│  │                   Service Layer (services/)                   │   │
│  │  data_service  │  analysis_service  │  predict_service       │   │
│  │                        cluster_service                         │   │
│  └─────────────────────────────────────────────────────────────┘   │
│                                    │                                 │
│  ┌─────────────────────────────────────────────────────────────┐   │
│  │                     Core Layer (core/)                        │   │
│  │   preprocessing  │  feature_mining  │  train_model           │   │
│  │                          clustering                            │   │
│  └─────────────────────────────────────────────────────────────┘   │
│  ┌─────────────────────────────────────────────────────────────┐   │
│  │              Flask + scikit-learn + XGBoost + pandas          │   │
│  └─────────────────────────────────────────────────────────────┘   │
└─────────────────────────────────────────────────────────────────────┘
                                    │
                                    ▼
┌─────────────────────────────────────────────────────────────────────┐
│                         数据层 (Data Layer)                          │
│  ┌──────────────────┐  ┌──────────────────┐  ┌──────────────────┐  │
│  │     data/raw/    │  │  data/processed/ │  │     models/      │  │
│  │   原始CSV数据     │  │   处理后数据      │  │   模型文件.pkl   │  │
│  └──────────────────┘  └──────────────────┘  └──────────────────┘  │
└─────────────────────────────────────────────────────────────────────┘
```

### 2.2 技术架构

```
┌────────────────────────────────────────────────────────────────┐
│                        技术栈总览                               │
├────────────────────────────────────────────────────────────────┤
│                                                                │
│  前端技术栈                     后端技术栈                      │
│  ┌──────────────────┐          ┌──────────────────┐            │
│  │ Vue 3            │          │ Python 3.8+      │            │
│  │ Element Plus     │          │ Flask            │            │
│  │ ECharts 5        │  ◄─────► │ scikit-learn     │            │
│  │ Axios            │   HTTP   │ XGBoost          │            │
│  │ Vue Router       │   REST   │ pandas           │            │
│  │ Vite             │          │ numpy            │            │
│  └──────────────────┘          │ joblib           │            │
│                                └──────────────────┘            │
│                                                                │
│  算法技术                       数据存储                        │
│  ┌──────────────────┐          ┌──────────────────┐            │
│  │ 随机森林 (RF)     │          │ CSV文件          │            │
│  │ XGBoost          │          │ PKL模型文件      │            │
│  │ K-Means          │          │ JSON响应         │            │
│  │ StandardScaler   │          │                  │            │
│  │ OneHotEncoder    │          │                  │            │
│  └──────────────────┘          └──────────────────┘            │
│                                                                │
└────────────────────────────────────────────────────────────────┘
```

### 2.3 部署架构

```
┌─────────────────────────────────────────────────────────────────┐
│                        单机部署架构                              │
│                                                                 │
│  ┌─────────────────────────────────────────────────────────┐   │
│  │                      服务器                              │   │
│  │                                                         │   │
│  │   ┌─────────────────┐      ┌─────────────────┐         │   │
│  │   │   Flask Server  │      │   Vite Dev      │         │   │
│  │   │   Port: 5000    │      │   Port: 5173    │         │   │
│  │   │                 │      │                 │         │   │
│  │   │   - REST API    │      │   - Vue App     │         │   │
│  │   │   - ML Models   │      │   - Static      │         │   │
│  │   │   - Data Files  │      │                 │         │   │
│  │   └─────────────────┘      └─────────────────┘         │   │
│  │                                                         │   │
│  │   ┌─────────────────────────────────────────────────┐  │   │
│  │   │              文件系统                            │  │   │
│  │   │   /backend/data/    - 数据文件                   │  │   │
│  │   │   /backend/models/  - 模型文件                   │  │   │
│  │   │   /frontend/dist/   - 前端构建产物               │  │   │
│  │   └─────────────────────────────────────────────────┘  │   │
│  │                                                         │   │
│  └─────────────────────────────────────────────────────────┘   │
│                                                                 │
└─────────────────────────────────────────────────────────────────┘
```

---

## 3. 后端架构设计

### 3.1 分层设计

后端采用经典的三层架构，各层职责明确：

| 层级 | 目录 | 职责 | 依赖关系 |
|------|------|------|----------|
| API层 | api/ | 接收HTTP请求，参数校验，调用服务层，返回响应 | 依赖Service层 |
| Service层 | services/ | 业务逻辑处理，协调Core层和Data层 | 依赖Core层 |
| Core层 | core/ | 核心算法实现，数据处理，模型训练 | 无依赖 |

### 3.2 模块划分

```
backend/
├── app.py                 # 应用入口，Flask实例配置
├── config.py              # 配置文件（路径、参数等）
├── requirements.txt       # Python依赖清单
│
├── api/                   # API接口层
│   ├── __init__.py
│   ├── overview_routes.py     # 数据概览接口
│   ├── analysis_routes.py     # 影响因素分析接口
│   ├── predict_routes.py      # 预测接口
│   └── cluster_routes.py      # 聚类接口
│
├── services/              # 业务逻辑层
│   ├── __init__.py
│   ├── data_service.py        # 数据服务
│   ├── analysis_service.py    # 分析服务
│   ├── predict_service.py     # 预测服务
│   └── cluster_service.py     # 聚类服务
│
├── core/                  # 核心算法层
│   ├── __init__.py
│   ├── preprocessing.py       # 数据预处理
│   ├── feature_mining.py      # 特征挖掘
│   ├── train_model.py         # 模型训练
│   └── clustering.py          # 聚类分析
│
├── data/                  # 数据存储
│   ├── raw/                   # 原始数据
│   │   └── Absenteeism_at_work.csv
│   └── processed/             # 处理后数据
│       └── clean_data.csv
│
├── models/                # 模型存储
│   ├── rf_model.pkl           # 随机森林模型
│   ├── xgb_model.pkl          # XGBoost模型
│   ├── kmeans_model.pkl       # K-Means模型
│   ├── scaler.pkl             # 标准化器
│   └── encoder.pkl            # 编码器
│
└── utils/                 # 工具函数
    ├── __init__.py
    └── common.py              # 通用工具函数
```

### 3.3 各模块职责详解

#### 3.3.1 API层 (api/)

| 文件 | 职责 | 主要接口 |
|------|------|----------|
| overview_routes.py | 数据概览相关接口 | /api/overview/stats, /api/overview/trend |
| analysis_routes.py | 影响因素分析接口 | /api/analysis/importance, /api/analysis/correlation |
| predict_routes.py | 缺勤预测接口 | /api/predict/single, /api/predict/model-info |
| cluster_routes.py | 聚类分析接口 | /api/cluster/result, /api/cluster/profile |

#### 3.3.2 Service层 (services/)

| 文件 | 职责 | 核心方法 |
|------|------|----------|
| data_service.py | 数据读取与基础统计 | get_raw_data(), get_statistics() |
| analysis_service.py | 特征分析业务逻辑 | get_importance(), get_correlation() |
| predict_service.py | 预测业务逻辑 | predict_single(), load_model() |
| cluster_service.py | 聚类业务逻辑 | get_clusters(), get_profile() |

#### 3.3.3 Core层 (core/)

| 文件 | 职责 | 核心类/方法 |
|------|------|-------------|
| preprocessing.py | 数据预处理 | DataPreprocessor类 |
| feature_mining.py | 特征挖掘 | calculate_importance(), calculate_correlation() |
| train_model.py | 模型训练 | train_rf(), train_xgboost() |
| clustering.py | 聚类分析 | KMeansAnalyzer类 |

---

## 4. 前端架构设计

### 4.1 组件化设计

```
frontend/src/
├── components/              # 公共组件
│   ├── ChartComponent.vue       # ECharts图表封装组件
│   ├── ResultCard.vue           # 预测结果展示卡片
│   ├── KPICard.vue              # KPI指标卡片
│   └── LoadingSpinner.vue       # 加载动画组件
│
├── views/                   # 页面组件
│   ├── Dashboard.vue            # 数据概览页
│   ├── FactorAnalysis.vue       # 影响因素分析页
│   ├── Prediction.vue           # 缺勤预测页
│   └── Clustering.vue           # 员工画像页
│
├── api/                     # API调用
│   ├── request.js               # Axios封装
│   ├── overview.js              # 概览API
│   ├── analysis.js              # 分析API
│   ├── predict.js               # 预测API
│   └── cluster.js               # 聚类API
│
├── router/                  # 路由配置
│   └── index.js
│
├── assets/                  # 静态资源
│   └── styles/
│       └── main.css
│
├── App.vue                  # 根组件
└── main.js                  # 入口文件
```

### 4.2 状态管理

由于本项目状态较为简单，不引入Vuex/Pinia，使用以下方式管理状态：

- **组件内部状态**：使用Vue 3的ref/reactive
- **跨组件通信**：使用props和emit
- **API状态**：在API层统一管理

### 4.3 路由设计

```javascript
const routes = [
  {
    path: '/',
    redirect: '/dashboard'
  },
  {
    path: '/dashboard',
    name: 'Dashboard',
    component: () => import('@/views/Dashboard.vue'),
    meta: { title: '数据概览' }
  },
  {
    path: '/analysis',
    name: 'FactorAnalysis',
    component: () => import('@/views/FactorAnalysis.vue'),
    meta: { title: '影响因素分析' }
  },
  {
    path: '/prediction',
    name: 'Prediction',
    component: () => import('@/views/Prediction.vue'),
    meta: { title: '缺勤预测' }
  },
  {
    path: '/clustering',
    name: 'Clustering',
    component: () => import('@/views/Clustering.vue'),
    meta: { title: '员工画像' }
  }
]
```

---

## 5. 算法架构设计

### 5.1 数据预处理流程

```
┌─────────────────────────────────────────────────────────────────┐
│                      数据预处理流程                              │
│                                                                 │
│  ┌──────────────┐    ┌──────────────┐    ┌──────────────┐      │
│  │  原始CSV数据  │───►│  数据清洗     │───►│  特征分离     │      │
│  │              │    │  (缺失值处理) │    │              │      │
│  └──────────────┘    └──────────────┘    └──────────────┘      │
│                                                │                │
│                                                ▼                │
│  ┌──────────────┐    ┌──────────────┐    ┌──────────────┐      │
│  │  处理后数据   │◄───│  特征合并     │◄───│  特征编码     │      │
│  │  clean_data  │    │              │    │  + 标准化    │      │
│  └──────────────┘    └──────────────┘    └──────────────┘      │
│                                                                 │
│  特征处理方式：                                                  │
│  ┌────────────────────────────────────────────────────────┐    │
│  │ 类别型特征 → OneHotEncoder                              │    │
│  │   - Reason for absence                                  │    │
│  │   - Month, Day, Seasons                                 │    │
│  │   - Education, Disciplinary failure                     │    │
│  │   - Social drinker, Social smoker                       │    │
│  ├────────────────────────────────────────────────────────┤    │
│  │ 数值型特征 → StandardScaler                             │    │
│  │   - Transportation expense                              │    │
│  │   - Distance, Service time, Age                         │    │
│  │   - Work load, Hit target                               │    │
│  │   - Son, Pet, BMI                                       │    │
│  └────────────────────────────────────────────────────────┘    │
│                                                                 │
└─────────────────────────────────────────────────────────────────┘
```

### 5.2 特征挖掘流程

```
┌─────────────────────────────────────────────────────────────────┐
│                      特征挖掘流程                                │
│                                                                 │
│  ┌──────────────────────────────────────────────────────────┐  │
│  │                    特征重要性计算                         │  │
│  │                                                          │  │
│  │   训练数据 ──► 随机森林模型 ──► feature_importances_      │  │
│  │                                   │                      │  │
│  │                                   ▼                      │  │
│  │                          特征重要性排序结果               │  │
│  │                                                          │  │
│  └──────────────────────────────────────────────────────────┘  │
│                                                                 │
│  ┌──────────────────────────────────────────────────────────┐  │
│  │                    相关性分析                             │  │
│  │                                                          │  │
│  │   数据矩阵 ──► pandas.DataFrame.corr() ──► 相关系数矩阵   │  │
│  │                                                    │     │  │
│  │                                                    ▼     │  │
│  │                                           热力图数据      │  │
│  │                                                          │  │
│  └──────────────────────────────────────────────────────────┘  │
│                                                                 │
└─────────────────────────────────────────────────────────────────┘
```

### 5.3 预测模型流程

```
┌─────────────────────────────────────────────────────────────────┐
│                      预测模型流程                                │
│                                                                 │
│  训练阶段：                                                      │
│  ┌──────────────┐    ┌──────────────┐    ┌──────────────┐      │
│  │  处理后数据   │───►│  划分数据集   │───►│  模型训练     │      │
│  │              │    │  Train/Test  │    │  RF + XGBoost │      │
│  └──────────────┘    └──────────────┘    └──────────────┘      │
│                                                │                │
│                                                ▼                │
│                         ┌──────────────────────────────────┐   │
│                         │  模型评估                         │   │
│                         │  - R² (决定系数)                  │   │
│                         │  - MSE (均方误差)                 │   │
│                         │  - RMSE (均方根误差)              │   │
│                         └──────────────────────────────────┘   │
│                                                │                │
│                                                ▼                │
│                         ┌──────────────────────────────────┐   │
│                         │  保存模型 (.pkl文件)              │   │
│                         └──────────────────────────────────┘   │
│                                                                 │
│  预测阶段：                                                      │
│  ┌──────────────┐    ┌──────────────┐    ┌──────────────┐      │
│  │  用户输入     │───►│  特征预处理   │───►│  加载模型     │      │
│  │  (表单数据)   │    │  (编码+标准化)│    │  预测推理     │      │
│  └──────────────┘    └──────────────┘    └──────────────┘      │
│                                                │                │
│                                                ▼                │
│                         ┌──────────────────────────────────┐   │
│                         │  返回预测结果                     │   │
│                         │  - 预测时长                       │   │
│                         │  - 风险等级                       │   │
│                         │  - 置信度                         │   │
│                         └──────────────────────────────────┘   │
│                                                                 │
└─────────────────────────────────────────────────────────────────┘
```

### 5.4 聚类分析流程

```
┌─────────────────────────────────────────────────────────────────┐
│                      聚类分析流程                                │
│                                                                 │
│  ┌──────────────┐    ┌──────────────┐    ┌──────────────┐      │
│  │  处理后数据   │───►│  特征选择     │───►│  K-Means     │      │
│  │              │    │  (关键维度)   │    │  聚类        │      │
│  └──────────────┘    └──────────────┘    └──────────────┘      │
│                                                │                │
│                                                ▼                │
│  ┌──────────────────────────────────────────────────────────┐  │
│  │                     聚类结果                              │  │
│  │                                                          │  │
│  │   ┌─────────────────┐      ┌─────────────────┐          │  │
│  │   │  聚类标签        │      │  聚类中心        │          │  │
│  │   │  (每条记录所属簇) │      │  (每个簇的中心点) │          │  │
│  │   └─────────────────┘      └─────────────────┘          │  │
│  │                                                          │  │
│  └──────────────────────────────────────────────────────────┘  │
│                                                │                │
│                                                ▼                │
│  ┌──────────────────────────────────────────────────────────┐  │
│  │                     可视化输出                            │  │
│  │                                                          │  │
│  │   - 雷达图：展示各聚类群体的特征分布                       │  │
│  │   - 散点图：展示员工在聚类空间的分布                       │  │
│  │   - 统计表：各聚类的成员数量、特征均值                     │  │
│  │                                                          │  │
│  └──────────────────────────────────────────────────────────┘  │
│                                                                 │
└─────────────────────────────────────────────────────────────────┘
```

---

## 6. 技术选型

### 6.1 后端技术栈

| 技术 | 版本 | 用途 | 选择理由 |
|------|------|------|----------|
| Python | 3.8+ | 开发语言 | 丰富的数据科学和机器学习库 |
| Flask | 2.x | Web框架 | 轻量级，易于上手，适合中小项目 |
| scikit-learn | 1.x | 机器学习 | 提供完整的机器学习工具链 |
| XGBoost | 1.x | 梯度提升 | 高性能，适合结构化数据预测 |
| pandas | 1.x | 数据处理 | 强大的数据分析和处理能力 |
| numpy | 1.x | 数值计算 | 高效的数组操作 |
| joblib | 1.x | 模型持久化 | 高效的模型序列化 |

### 6.2 前端技术栈

| 技术 | 版本 | 用途 | 选择理由 |
|------|------|------|----------|
| Vue | 3.x | 前端框架 | 组合式API，性能优秀，生态完善 |
| Element Plus | 2.x | UI组件库 | 组件丰富，文档完善，适合管理后台 |
| ECharts | 5.x | 图表库 | 功能强大，图表类型丰富，国内主流 |
| Axios | 1.x | HTTP客户端 | Promise支持，拦截器功能完善 |
| Vue Router | 4.x | 路由管理 | Vue官方路由解决方案 |
| Vite | 4.x | 构建工具 | 开发体验好，构建速度快 |

### 6.3 算法选型

| 算法 | 用途 | 选择理由 |
|------|------|----------|
| 随机森林 | 特征重要性计算、预测 | 可解释性强，能输出特征重要性 |
| XGBoost | 预测模型 | 性能优异，适合回归任务 |
| K-Means | 员工聚类 | 简单高效，适合无监督聚类 |
| StandardScaler | 数值标准化 | 消除量纲影响，提高模型效果 |
| OneHotEncoder | 类别编码 | 处理类别型特征的标准方法 |

---

## 7. 附录

### 7.1 目录结构完整版

```
Absenteeism_Analysis_System/
│
├── backend/                          # 后端项目
│   ├── app.py                        # 应用入口
│   ├── config.py                     # 配置文件
│   ├── requirements.txt              # 依赖清单
│   │
│   ├── api/                          # API接口层
│   │   ├── __init__.py
│   │   ├── overview_routes.py
│   │   ├── analysis_routes.py
│   │   ├── predict_routes.py
│   │   └── cluster_routes.py
│   │
│   ├── services/                     # 业务逻辑层
│   │   ├── __init__.py
│   │   ├── data_service.py
│   │   ├── analysis_service.py
│   │   ├── predict_service.py
│   │   └── cluster_service.py
│   │
│   ├── core/                         # 核心算法层
│   │   ├── __init__.py
│   │   ├── preprocessing.py
│   │   ├── feature_mining.py
│   │   ├── train_model.py
│   │   └── clustering.py
│   │
│   ├── data/                         # 数据目录
│   │   ├── raw/
│   │   │   └── Absenteeism_at_work.csv
│   │   └── processed/
│   │       └── clean_data.csv
│   │
│   ├── models/                       # 模型目录
│   │   ├── rf_model.pkl
│   │   ├── xgb_model.pkl
│   │   ├── kmeans_model.pkl
│   │   ├── scaler.pkl
│   │   └── encoder.pkl
│   │
│   └── utils/                        # 工具函数
│       ├── __init__.py
│       └── common.py
│
├── frontend/                         # 前端项目
│   ├── public/
│   ├── src/
│   │   ├── api/
│   │   │   ├── request.js
│   │   │   ├── overview.js
│   │   │   ├── analysis.js
│   │   │   ├── predict.js
│   │   │   └── cluster.js
│   │   ├── assets/
│   │   │   └── styles/
│   │   │       └── main.css
│   │   ├── components/
│   │   │   ├── ChartComponent.vue
│   │   │   ├── ResultCard.vue
│   │   │   ├── KPICard.vue
│   │   │   └── LoadingSpinner.vue
│   │   ├── router/
│   │   │   └── index.js
│   │   ├── views/
│   │   │   ├── Dashboard.vue
│   │   │   ├── FactorAnalysis.vue
│   │   │   ├── Prediction.vue
│   │   │   └── Clustering.vue
│   │   ├── App.vue
│   │   └── main.js
│   ├── index.html
│   ├── package.json
│   ├── pnpm-lock.yaml
│   └── vite.config.js
│
├── docs/                             # 文档目录
│   ├── 00_需求规格说明书.md
│   ├── 01_系统架构设计.md
│   ├── 02_接口设计文档.md
│   ├── 03_数据设计文档.md
│   ├── 04_UI原型设计.md
│   └── ...
│
├── data/                             # 原始数据（项目根目录）
│   └── Absenteeism_at_work.csv
│
└── README.md                         # 项目说明
```

### 7.2 文档修改历史

| 版本 | 日期 | 修改人 | 修改内容 |
|------|------|--------|----------|
| V1.0 | 2026-03 | 张硕 | 初始版本 |

---

**文档结束**