随着数据处理量的逐渐增大、数据处理要求的逐渐提高、业务开发的逐渐多样,传统的大数据开发平台已无法支撑如此多的业务迭代需求,本文的项目背景是在能够满足以上需求的大数据分析系统中,开发一套能够快速构建人事分析算法业务的算法运行库,该人事算法处理库着力于解决人事业务中算法开发门槛高、业务算法迭代速度慢、算法关联执行复杂等问题。本文结合可变性建模与规则引擎技术,提出了新的人事处理算法运行库,该算法运行库通过可变性建模技术减少了业务人员对算法编码人员的依赖,通过业务算法编辑可视化提升业务人员开发效率,降低了业务算法的编码门槛,有效解决了代码开发人员对业务算法频繁修改的痛点。本文主要工作如下:1.开发前端可视化工具。通过开发规则引擎中的规则定义功能,实现前端业务算法编辑的可视化,同时提供可视化语法树的定义功能,降低了业务人员的使用门槛,提升业务算法开发效率。2.业务算法编辑与运行中使用规则定义和规则引擎。将可变性建模技术与规则引擎技术应用于业务算法的开发中,通过使用规则引擎提供的算法技术,对拆分后的业务算法进行快速匹配,实现业务算法的自动化运行。3.算法库提供规则引擎执行结果调用。通过该调用,实现算法库和业务算法的可扩展,通过调用业务算法的运行结果,实现业务算法逻辑和代码的分离,降低了业务开发人员对算法编码人员的过度依赖。针对组合算法运行低效问题,该算法库能有效减少业务算法的算法配置时间,提高业务算法的组合效率,实现了在人事处理业务场景下算法快速开发与部署的目标,提升了人事业务算法组合执行的效率。针对业务算法开发门槛高问题,通过前端可视化工具,降低了使用门槛,利用可视化语法树定义,降低了业务人员开发业务算法的门槛。针对程序编码人员,通过提供外部调用,提升了系统的可扩展性,降低了编码人员的工作量与对业务人员的依赖,有效提升了业务开发效率。