企业级软件研发团队绩效考核系统开发（持续更新 Day 5）【企业绩效考核系统开发进展】今日完成C101指标计算功能开发，

作者：呱牛

发布日期：2026年3月28日

标签：FastAPI、绩效考核

🔥 今日亮点

2026年3月28日 - C101指标计算完成 & 代码优化

✅ 完成C101指标计算功能：实现完整的查询、聚合、更新流程
✅ 解决事务管理问题：修复"Can't operate on closed transaction"错误
✅ 解决重复计算问题：按指标编号去重，避免得分重复累加
✅ 解决类型转换问题：Decimal类型正确转换为float类型
✅ 解决字段缺失问题：动态检查字段是否存在，支持不同表结构
✅ 代码优化清理：删除冗余日志和注释代码
✅ 执行顺序优化：先插入员工信息，再更新指标得分

🎯 C101指标计算完成

1.1 功能需求

在上传考核期次页面的操作列表中增加"计算考核期次得分"按钮：

按钮状态与*_pa_excel_upload_record表的calculation_status字段关联
状态默认为"未计算"（红色），计算完成后变为"已计算"（蓝色）

1.2 实现步骤

步骤1：查询员工基本信息

# 从*_user_staff_info表查询在职员工信息
stmt = select(
    *UserStaffInfoModel.staff_no,
    *UserStaffInfoModel.real_name,
    *UserStaffInfoModel.position,
    *UserStaffInfoModel.dept_level1_name,
    *UserStaffInfoModel.dept_level2_name,
    *UserStaffInfoModel.team_name
).where(
    *UserStaffInfoModel.data_status == 1
).order_by(
    *UserStaffInfoModel.id
)

# 执行查询
result = await auth.db.execute(stmt)
staff_infos = result.fetchall()

步骤2：查询C101指标数据

# 从*_pa_kpi_c101表查询指标数据
c101_select_columns = [
    *PaKpiC101Model.staff_no,
    *PaKpiC101Model.real_name,
    *PaKpiC101Model.position,
    *PaKpiC101Model.assessment_period,
    *PaKpiC101Model.data_date,
    *PaKpiC101Model.indicator_no,
    *PaKpiC101Model.indicator_content,
    *PaKpiC101Model.judgment_condition,
    *PaKpiC101Model.indicator_score
]

c101_stmt = select(*c101_select_columns).where(
    *PaKpiC101Model.assessment_period == assessment_period,
    *PaKpiC101Model.data_date == data_date
).order_by(
    *PaKpiC101Model.staff_no,
    *PaKpiC101Model.indicator_no
)

# 执行查询
c101_result = await auth.db.execute(c101_stmt)
c101_data = c101_result.fetchall()

步骤3：按指标编号去重聚合得分

from collections import defaultdict
from decimal import Decimal

staff_scores = defaultdict(float)
staff_indicators = defaultdict(set)  # 记录每个员工已处理的指标编号

for row in c101_data:
    staff_no = row[0]
    indicator_no = row[5]
    indicator_score = row[8]
    
    # 按指标编号去重
    if indicator_score and indicator_no:
        if indicator_no not in staff_indicators[staff_no]:
            # 将Decimal类型转换为float类型
            score_value = float(indicator_score) if isinstance(indicator_score, Decimal) else float(indicator_score)
            staff_scores[staff_no] += score_value
            staff_indicators[staff_no].add(indicator_no)

步骤4：插入员工信息到绩效考核结果表

# 使用CRUD创建员工记录
create_data = *PaPerformanceAssessmentCreateSchema(
    status='0',
    description=None,
    staff_no=staff_no,
    staff_name=real_name,
    position=position,
    dept_level1_name=dept_level1_name,
    dept_level2_name=dept_level2_name,
    team_name=team_name,
    assessment_period=assessment_period,
    data_timepoint=data_timepoint_date
)

await performance_crud.create_yurdmc_pa_performance_assessment_crud(data=create_data)

步骤5：执行UPDATE语句更新得分

from sqlalchemy import text

for staff_no, total_score in staff_scores.items():
    update_sql = f"""
UPDATE `*_pa_performance_assessment`
SET `demand_score_c101` = {total_score:.2f},
    `updated_time` = NOW()
WHERE `staff_no` = '{staff_no}'
  AND `assessment_period` = '{assessment_period}'
  AND `data_timepoint` = '{data_timepoint_date}';
"""
    try:
        await auth.db.execute(text(update_sql))
        update_count += 1
    except Exception as e:
        log.error(f"更新员工 {staff_no} 的C101得分失败: {str(e)}")

# 使用flush而不是commit，让上下文管理器自动处理事务提交
await auth.db.flush()

🐛 问题排查与修复

2.1 事务管理问题

问题描述

InvalidRequestError: Can't operate on closed transaction inside context manager.

问题分析

问题根源：
1. 数据库连接使用了`async with session.begin()`上下文管理器
2. 手动调用`commit()`会导致事务被提前关闭
3. 后续操作无法在已关闭的事务中执行
4. 系统使用上下文管理器自动管理事务生命周期

解决方案

# 错误做法
await auth.db.commit()

# 正确做法
await auth.db.flush()

技术说明

flush()将更改同步到数据库，但不提交事务
上下文管理器在请求结束时自动提交事务
避免手动干预事务生命周期

2.2 重复计算问题

问题描述

同一个指标编号在数据库中有多条记录，导致得分被重复累加。

问题数据示例

工号: 1113, 指标编号: 12344334343, 指标得分: 20.00
工号: 1113, 指标编号: 233233232323, 指标得分: 20.00
工号: 1113, 指标编号: 202323232323, 指标得分: 20.00

实际得分应该是：20.00
错误计算结果：60.00（重复累加了3次）

解决方案

# 使用字典记录已处理的指标编号
staff_indicators = defaultdict(set)

if indicator_no not in staff_indicators[staff_no]:
    staff_scores[staff_no] += score_value
    staff_indicators[staff_no].add(indicator_no)

2.3 执行顺序问题

问题描述

先执行UPDATE语句，后插入员工信息，导致UPDATE找不到匹配的记录。

问题分析

错误顺序：
1. 查询C101指标数据
2. 聚合得分
3. 执行UPDATE语句（此时员工记录还不存在）
4. 插入员工信息

正确顺序：
1. 查询C101指标数据
2. 聚合得分
3. 插入员工信息
4. 执行UPDATE语句（此时员工记录已存在）

解决方案

# 先插入员工信息
insert_count = await cls._insert_staff_to_performance_assessment(
    auth=auth,
    staff_infos=staff_infos,
    assessment_period=assessment_period,
    data_timepoint=data_timepoint_date
)

# 再执行UPDATE语句
for staff_no, total_score in staff_scores.items():
    update_sql = f"UPDATE ..."
    await auth.db.execute(text(update_sql))

2.4 类型转换问题

问题描述

TypeError: unsupported operand type(s) for +=: 'float' and 'decimal.Decimal'

问题分析

数据库查询出来的indicator_score字段是Decimal类型
与float类型不兼容，无法直接进行累加操作

解决方案

# 将Decimal类型转换为float类型
score_value = float(indicator_score) if isinstance(indicator_score, Decimal) else float(indicator_score)
staff_scores[staff_no] += score_value

2.5 字段缺失问题

问题描述

AttributeError: type object '*PaKpiC106Model' has no attribute 'indicator_no'

问题分析

不同指标表的字段结构不同
通用处理函数假设所有模型都有相同字段
C106模型缺少indicator_no字段

解决方案

# 动态检查字段是否存在
if hasattr(model, 'indicator_no'):
    c101_select_columns.append(model.indicator_no)
if hasattr(model, 'indicator_content'):
    c101_select_columns.append(model.indicator_content)
if hasattr(model, 'judgment_condition'):
    c101_select_columns.append(model.judgment_condition)
if hasattr(model, 'indicator_score'):
    c101_select_columns.append(model.indicator_score)

📊 完整流程

4.1 C101指标得分计算流程图

开始
  ↓
点击"计算考核期次得分"按钮
  ↓
查询员工基本信息（*_user_staff_info）
  ↓
写入员工信息日志
  ↓
查询C101指标数据（*_pa_kpi_c101）
  ↓
写入C101指标数据日志
  ↓
按指标编号去重聚合得分
  ↓
插入员工信息到绩效考核结果表（*_pa_performance_assessment）
  ↓
执行UPDATE语句更新C101得分
  ↓
更新计算状态为"已生成"
  ↓
返回计算结果
  ↓
结束

4.2 数据流转图

┌─────────────────────────────────────────────────────────────┐
│  数据源：Excel文件上传                                    │
│  ┌───────────────────────────────────────────────────────┐ │
│  │  *_pa_excel_upload_record                    │ │
│  │  - assessment_period: 202603                   │ │
│  │  - data_date: 2026-03-23                      │ │
│  │  - calculation_status: 未计算 → 已计算              │ │
│  └───────────────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────────────┘
                                │
                                ▼
┌─────────────────────────────────────────────────────────────┐
│  员工信息表：*_user_staff_info                      │
│  ┌───────────────────────────────────────────────────────┐ │
│  │  staff_no, real_name, position, dept_level1_name,  │ │
│  │  dept_level2_name, team_name                     │ │
│  │  data_status = 1 (在职）                          │ │
│  └───────────────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────────────┘
                                │
                                ▼
┌─────────────────────────────────────────────────────────────┐
│  指标数据表：*_pa_kpi_c101                       │
│  ┌───────────────────────────────────────────────────────┐ │
│  │  staff_no, indicator_no, indicator_score            │ │
│  │  assessment_period, data_date                      │ │
│  └───────────────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────────────┘
                                │
                                ▼
┌─────────────────────────────────────────────────────────────┐
│  绩效考核结果表：*_pa_performance_assessment        │
│  ┌───────────────────────────────────────────────────────┐ │
│  │  员工基本信息 + 指标得分                          │ │
│  │  demand_score_c101 = 汇总得分                    │ │
│  │  assessment_period, data_timepoint                  │ │
│  └───────────────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────────────┘

🚀 技术要点

5.1 SQLAlchemy异步操作

# 使用AsyncSession进行异步数据库操作
from sqlalchemy.ext.asyncio import AsyncSession

# 异步查询
result = await auth.db.execute(stmt)
data = result.fetchall()

# 异步执行SQL
await auth.db.execute(text(update_sql))

# 使用flush而不是commit
await auth.db.flush()

5.2 上下文管理器

# 数据库依赖注入
async def db_getter() -> AsyncGenerator[AsyncSession, None]:
    async with async_db_session() as session:
        async with session.begin():  # 自动事务管理
            yield session

关键点：

使用async with session.begin()自动管理事务
避免手动调用commit()或rollback()
上下文结束时自动提交事务

5.3 动态字段检查

# 检查模型字段是否存在
if hasattr(model, 'indicator_no'):
    select_columns.append(model.indicator_no)
if hasattr(model, 'indicator_content'):
    select_columns.append(model.indicator_content)

# 动态添加排序
if hasattr(model, 'staff_no'):
    stmt = stmt.order_by(model.staff_no)
    if hasattr(model, 'indicator_no'):
        stmt = stmt.order_by(model.indicator_no)

优势：

支持不同结构的指标表
避免字段不存在导致的错误
提高代码的通用性和可维护性

5.4 去重聚合技巧

# 使用defaultdict和set实现去重
from collections import defaultdict

staff_scores = defaultdict(float)
staff_indicators = defaultdict(set)

# 按指标编号去重
if indicator_no not in staff_indicators[staff_no]:
    staff_scores[staff_no] += score_value
    staff_indicators[staff_no].add(indicator_no)

📈 待实现功能

6.1 其他指标处理

C102指标得分计算
C103指标得分计算
C105指标得分计算
C106指标得分计算
C107指标得分计算
C201-C214项目指标得分计算
C301自主研发得分计算
C401-C403运维指标得分计算
C501-C503质量指标得分计算
C601-C602安全指标得分计算
C701-C703 OKR目标（研发岗）得分计算
C801-C803 OKR目标（需求岗）得分计算

6.2 通用指标处理方法

@classmethod
async def _process_indicator_data(
    cls,
    auth: AuthSchema,
    table_name: str,
    field_name: str,
    assessment_period: str,
    data_date: str,
    data_timepoint_date: str,
    LOG_DIR: str
) -> None:
    """
    处理指标数据，生成汇总得分和UPDATE SQL

    参数:
    - auth: AuthSchema - 认证信息
    - table_name: str - 指标表名
    - field_name: str - 目标字段名
    - assessment_period: str - 考核期次
    - data_date: str - 数据时点
    - data_timepoint_date: str - 数据时点（date格式）
    - LOG_DIR: str - 日志目录
    """
    # 动态导入模型
    model_name = f"*PaKpi{table_name.split('_')[-1].title()}Model"
    module_path = f"app.plugin.module_gencode.{table_name}.model"

    try:
        import importlib
        module = importlib.import_module(module_path)
        model = getattr(module, model_name)
    except Exception as e:
        log.error(f"导入 {table_name} 模型失败: {str(e)}")
        return

    # 构建查询，动态检查字段是否存在
    select_columns = [
        model.staff_no,
        model.real_name,
        model.position,
        model.assessment_period,
        model.data_date,
    ]

    # 检查可选字段是否存在
    if hasattr(model, 'indicator_no'):
        select_columns.append(model.indicator_no)
    if hasattr(model, 'indicator_content'):
        select_columns.append(model.indicator_content)
    if hasattr(model, 'judgment_condition'):
        select_columns.append(model.judgment_condition)
    if hasattr(model, 'indicator_score'):
        select_columns.append(model.indicator_score)

    # 执行查询、聚合、更新...

🧪 测试验证

7.1 功能测试

按钮状态正确显示（未计算/已计算）
员工信息正确查询和插入
C101指标数据正确查询
按指标编号去重正确聚合
UPDATE语句正确执行
数据正确更新到数据库
日志文件正确生成

7.2 异常测试

NULL值正确处理（不累加）
事务正确管理（不提前关闭）
类型转换正确处理（Decimal转float）
字段缺失正确处理（动态检查）
执行顺序正确（先插入后更新）

⚠️ 注意事项

8.1 数据一致性

确保assessment_period和data_timepoint字段在所有表中一致
使用相同的格式（assessment_period: '202603', data_timepoint: '2026-03-23'）
避免因格式不一致导致UPDATE找不到匹配记录

8.2 性能优化

使用flush()而不是commit()避免事务开销
在循环外部创建CRUD实例，避免重复创建
使用批量操作减少数据库访问次数
合理使用索引提高查询效率

8.3 错误处理

捕获并记录UPDATE失败的情况
继续处理其他员工，不因单个错误而中断
使用详细的错误日志便于排查问题
提供友好的错误提示给用户

8.4 日志管理

日志文件按时间戳命名，避免覆盖
日志内容包含原始数据和汇总结果
日志级别合理使用（info、error）
避免日志文件过大影响性能

📝 今日总结

9.1 完成功能

C101指标得分计算功能完整实现
员工信息查询和插入功能
UPDATE语句执行功能
事务管理问题修复
重复计算问题解决
类型转换问题解决
字段缺失问题解决
执行顺序问题解决
代码优化和清理

9.2 技术收获

深入理解SQLAlchemy异步操作和事务管理
掌握动态字段检查和处理方法
学会了去重聚合的实现技巧
提高了代码质量和可维护性
理解了上下文管理器的工作原理

9.3 下一步计划

实现其他指标（C102、C103等）的处理逻辑
完善通用指标处理方法
添加数据验证和异常处理
优化性能和用户体验
完善单元测试和集成测试

编辑