场景
周五进行需求评审的时候； 出现了一个图表，本身一个图表本没有什么稀奇的； 可是产品经理在图表的上的备注,让我觉得这个事情并不简单； 那个图表的时间跨度可以是月,年，而且时间间隔很短； 这让我意识到事情并不是想的那样简单； 然后经过简单的询问：如果选择的范围是年；数据可能会上万； 我们都知道；出现上万的数据； 在渲染的时候肯定会出现白屏，操作的时候卡顿； 今天周末，没有事干；来研究研究 Echarts 渲染海量数据
file模块用来写文件
我们首先使用node来生成10万条数据； 借助node的fs模块就行； 如果不会的小伙伴；也不要担心；超级简单
// 引入模块 let fs = require('fs'); // 数据内容 let fileCont='我是文件内容' /** * 第一个参数是文件名 * 第二个参数是文件内容，这个文件的内容必须是字符串哈(特别注意) * 第三个参数是回调函数, 回调函数中有两个参数, * 第一个参数是错误信息, * 第二个参数是写入成功后的返回值 * */ fs.writeFile('./demodata.txt',fileCont, (error, data) => { if (!error) { console.log('写入成功了',data) } else { console.log('写入失败了',error) } })
现在我们需要创建一个指定类型的数据格式
我们等会从2022.1.1开始；每条数据间隔5分钟；产生10万条数据。 time的值是时间戳，我们可以通过 new Date().getTime() 来获取 value的值是温度，我们通过Math.random() * 50+10来获取 time的时间间隔是每隔5分钟 数据格式如下 [ {"time":1640966400000,"value":36.57}, {"time":1640966700000,"value":31.68}, ]
// 引入模块 let fs = require('fs'); // 生成100000条符合要求的数据格式 function timeFn(total){ // 获取2022年1月1日的时间戳 let dateTimeStamp = new Date(2022, 0, 1).getTime(); // 2022年1月1日 // 5分钟的时间戳是多少 let oneHourStamp = 1000 * 60*5; let newArr = [] for(let i= 0;i<total; i++){ // 构造我们需要的数据格式 newArr.push( { time: dateTimeStamp + oneHourStamp* i, value:Math.random() * 50+10 } ) } return newArr } let needData = timeFn(100000) fs.writeFile('./demodata.js',JSON.stringify(needData), (error, data) => { // JSON.stringify(needData) 将数组转为字符串 if (!error) { console.log('写入成功了',data) } else { console.log('写入失败了',error) } })
10万条数据渲染耗时10秒，且页面非常卡顿
<!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <meta name="viewport" content="width=device-width, initial-scale=1.0"> <title>Document</title> <script src="../allechart/echarts.js"></script> <script src="./demodata.js"></script> </head> <body> <div style="width: 598px;height: 400px;" id="box"></div> </body> <script> function backTime(value){ let date = new Date(value); // 获取年份、月份和日期 let year = date.getFullYear(); // 月份从 0 开始，需要加 1 let month = date.getMonth() + 1; let day = date.getDate(); let hours = date.getHours(); let minutes = date.getMinutes(); let seconds = date.getSeconds(); // 格式化月份和日期为两位数（不足两位时补零） month = month < 10 ? '0' + month : month; day = day < 10 ? '0' + day : day; hours = hours < 10 ? '0' + hours : hours; minutes = minutes < 10 ? '0' + minutes : minutes; seconds = seconds < 10 ? '0' + seconds : seconds; // 返回格式化后的字符串 return year + '-' + month + '-' + day + 'n' + hours + ':' + minutes + ':' + seconds; } console.log(backData) let myChart = echarts.init(document.querySelector('#box')) let option = { legend: { data: ['某城市'] }, tooltip: { trigger: 'axis', triggerOn: 'mousemove', confine: true, extraCssText: 'white-space: pre-wrap' }, xAxis: { type: 'category', // 返回时间 data: backData.map(v=> backTime(v.time)), splitLine: { show: false }, lineStyle: { width: 2 }, axisTick: { show: false }, axisLabel:{ // 更改x轴文字颜色的配置 textStyle: { color: '#717782' }, showMinLabel: true, showMaxLabel: true // 固定显示X轴的最后一条数据 }, }, yAxis: { type: 'value', axisLine: { show: false }, axisTick: { show: false }, splitLine: { lineStyle: { color: '#D2DBE6' } }, axisLabel: { formatter: '{value}', color: '#717782' } }, grid: { left: '30', right: '35', bottom: '10', top: '20', containLabel: true }, series: [ { data:backData.map(v=>v.value), type: 'line', smooth: true } ] }; myChart.setOption(option); </script> </html>
发现的问题
我们发现渲染时间非常久(需要10多秒)，而且页面卡顿； 有没有好的办法来解决这个问题呢; 是有的，最好的使用echarts的dataZoom用于区域缩放； 通过滑块看指定区域的数据，我们来尝试一下
dataZoom的常见属性介绍
type: "slider" || "inside", slider:这种类型会在图表的一侧添加一个滑动条， 用户可以通过拖动滑动条来改变数据窗口的范围，从而实现数据的缩放。 inside:这种类型缩放组件是内置于坐标系中的， 用户可以通过鼠标滚轮、触屏手指滑动等方式来操作数据的缩放。 简单点说:slider会产生一个滚动条，inside不会 xAxisIndex: 可以是一个数字，表示特定的X轴索引； 也可以是一个数组，表示同时控制多个X轴。 xAxisIndex: 0, 控制第1条数据开始 start: 0, 数据窗口范围的起始百分比。范围是：0 ~ 100。表示 0% ~ 100%。 end: 1, 数据窗口范围的结束百分比。范围是：0 ~ 100。 minSpan: 0, 用于限制窗口大小的最小值（百分比值），取值范围是 0 ~ 100。 maxSpan: 10, 用于限制窗口大小的最大值（百分比值），取值范围是 0 ~ 100。 特别提醒：start: 设置为0；说明是从第1条数据开始的； 那么xAxisIndex就必须是0; 因为xAxisIndex不是0，他们就互相矛盾了； minSpan 和 maxSpan一般配合使用；主要是用于只展示某一个区间； 无论用户怎么缩放；都会在这个区间
我们使用 dataZoom 来处理海量的数据
... 其他配置项 dataZoom: [ { type: "slider", // 滑块类型 值有slider和inside xAxisIndex: [0], start: 0, end: 1, minSpan: 0, // 用于限制窗口大小的最小值（百分比值），取值范围是 0 ~ 100。 maxSpan: 10, }, ], series: [ { data:backData.map(v=>v.value), type: 'line', smooth: true } ]
配置之后，我们发现渲染非常流畅
通过配置前和配置后的图的对比 我们发现配置之后；页面渲染速度非常快； 打开页面就渲染完成，压根想不到是10万条数据； 说明通过 dataZoom 是非常有效的
dataZoom处理海量数据的优缺点
优点：配置简单； 缺点：只能看指定局部的数据；无法看整体数据
其他办法 sampling 降采样策略 sampling: 'average'
series: [ { data:backData.map(v=>v.value), type: 'line', smooth: true, sampling: 'average',//' 表示采用平均值采样策略 } ]
sampling的几个值
'lttb': 采用 Largest-Triangle-Three-Bucket 算法， 可以最大程度保证采样后线条的趋势，形状和极值。 不过有可能会造成页面渲染时间长 'average': 取过滤点的平均值 'min': 取过滤点的最小值 'max': 取过滤点的最大值 'minmax': 取过滤点绝对值的最大极值 (从 v5.5.0 开始支持) 'sum': 取过滤点的和
sampling 降采样策略 sampling: 'lttb'
series: [ { data:backData.map(v=>v.value), type: 'line', smooth: true, // 采用 Largest-Triangle-Three-Bucket 算法， // 可以最大程度保证采样后线条的趋势，形状和极值。 // 不过有可能会造成页面渲染时间长 sampling: 'lttb' } ]
降采样策略 sampling 的优缺点
优点：可以看见整体的趋势； 缺点：部分数据丢失；tooltip功能可能实现不了
使用 large 属性
series: [ { data:backData.map(v=>v.value), type: 'line', smooth: true, //开启大数据量优化，在数据特别多而出现图形卡顿时候开启 large:true, } ]
发现使用large属性没有效果
为什么我们使用large没有效果呢？ 我们去官网看看怎么说的； https://echarts.apache.org/zh/option.html#series-bar.type 在上面这个文档中心，我发现折线图[type: 'line']没有 large 属性 large支持的图表:柱状图(bar), K 线图 (candlestick), 路径图(lines),散点图(scatter) 其他类型的图表暂时不支持； 所以我们可以把折线图更改为柱状图看下是否可以解决卡顿问题；
series: [ { data:backData.map(v=>v.value), type:'bar', //开启大数据量优化，在数据特别多而出现图形卡顿时候开启 large:true, } ]
large 属性的介绍以及优缺点
large:是否开启大数据量优化； 在【数据图形】特别多而出现卡顿时候可以开启。 开启后配合 largeThreshold 在数据量大于指定阈值的时候对绘制进行优化。 优点：解决图形卡数据量大而产生的卡顿问题。 缺点：优化后不能自定义设置单个数据项的样式； 【特别提醒】: large支持的图表:柱状图(bar), K 线图 (candlestick), 路径图(lines),散点图(scatter)
"辅助"large属性最佳配角 largeThreshold
有些时候；数据量并不是一开始就是大量； 而是经过时间的变化；数据才变成了海量数据； 如果我们一开始就使用large开启优化；这显然是不适合的； 这个时候；我们的最佳配角 largeThreshold 就闪亮登场了； largeThreshold：开启绘制优化的阈值。 当数据量(即data长度)大于这个阀值的时候，会开启高性能模式。 低于这个阀值；不会开启高性能模式； 比如我们希望:数据量(即data长度)大于1万时开启高性能模式，你可以这样设置：
series: [ { data:backData.map(v=>v.value), type:'bar', //开启大数据量优化，在数据特别多而出现图形卡顿时候开启 large:true, // 数据量大于1万时开启高性能模式,如果没有大于1万;不会开启 // 此时我们的数据是10万；会开启；渲染非常快 largeThreshold: 10000, } ]
appendData 属性的简单介绍
根据官网的介绍； appendData属性会分片加载数据和增量渲染； 在大数据量的场景下（例如地理数的打点）； 此时，数据量将会非常的大； 在互联网环境下，往往需要分片加载； appendData 接口提供了分片加载后增量渲染的能力； 渲染新加入的数据块时，不会清除原有已经渲染的部分数据。 但是并不是所有图表类型都支持这个属性； 目前不支持series系列的；如柱状图，折线图，饼状图这些都不支持； 目前支持的图有： 散点图(scatter),线图(lines)。 ECharts GL的散点图(scatterGL)、线图(linesGL) 和 可视化建筑群(polygons3D)。 上面这段参考：https://echarts.apache.org/zh/api.html#echartsInstance.appendData
series系列的图表
尾声
最近股票亏麻了；哎；好难受； 如果觉得我的文章写的还不错；给我点个推荐； 感谢了
