03.11.4 图表与大屏性能优化
所属:全栈开发面试题库 / 03 前端基础与 Web 开发 / 03.11 可视化与图形
覆盖范围
- Web Worker:数据计算、聚合、降采样
- 分层 Canvas:静态层与动态层分离
- 内存回收:对象池、dispose、事件解绑
- 首屏渲染:按需加载、骨架屏、渐进渲染
- 大屏适配:分辨率拉伸、缩放策略
高频题速览
| 编号 | 题目 | 难度 | 频率 |
|---|---|---|---|
| 03.11.4-001 | 万级数据点图表如何优化 | 高级 | ★★★★ |
| 03.11.4-002 | Web Worker 在可视化中的应用 | 进阶 | ★★★★ |
| 03.11.4-003 | 分层 Canvas 的组织方式 | 进阶 | ★★★ |
| 03.11.4-004 | 图表内存泄漏如何排查 | 高级 | ★★★ |
| 03.11.4-005 | 大屏分辨率适配策略 | 进阶 | ★★★ |
| 03.11.4-006 | 首屏渲染多个图表如何优化 | 进阶 | ★★★★ |
| 03.11.4-007 | 数据更新频率与渲染频率解耦 | 进阶 | ★★★ |
| 03.11.4-008 | 对象池与粒子系统性能 | 高级 | ★★★ |
03.11.4-001 万级数据点图表如何优化
一句话结论
万级数据点优化三板斧:降采样到屏幕像素级、Web Worker 计算、Canvas 渲染器;配合 dataZoom 与渐进渲染。
概念解释
- 降采样:按输出宽度采样。
- Worker:计算不阻塞主线程。
- Canvas:位图绘制。
原理流程
- 接收原始数据。
- Worker 中 LTTB 降采样。
- 主线程 Canvas 绘制。
- 用户缩放时重新采样。
代码 / 示例
// 主线程
const worker = new Worker("sampler.js");
worker.postMessage({ data, width: container.clientWidth });
worker.onmessage = (e) => chart.setOption({ series: [{ data: e.data }] });
常见误区
- 误区:ECharts 自动优化万级点;正解:需要开启 dataSampling 与 dataZoom。
- 误区:数据点越少越好;正解:用户放大查看时需要原始数据,不能永久降采样。
追问
- Q:ECharts 渐进渲染? A:
progressive: 1000, progressiveThreshold: 3000,分批绘制。 - Q:WebGL 渲染器? A:ECharts GL 用 WebGL,适合超大数据。
03.11.4-002 Web Worker 在可视化中的应用
一句话结论
Web Worker 用于数据聚合、降采样、排序、几何计算,避免主线程长任务;通过 postMessage 传递结构化数据或 Transferable。
概念解释
- Worker:独立线程,不能访问 DOM。
- Transferable:ArrayBuffer 零拷贝转移所有权。
原理流程
- 主线程接收数据。
- Worker 计算。
- 回传结果给主线程绘制。
代码 / 示例
// worker.js
self.onmessage = (e) => {
const result = aggregate(e.data);
self.postMessage(result);
};
常见误区
- 误区:Worker 传数据零拷贝;正解:默认结构化克隆,大数组用 Transferable 才零拷贝。
- 误区:Worker 可访问 localStorage;正解:不能,只能通过 postMessage 通信。
追问
- Q:SharedArrayBuffer 是什么? A:多 Worker 共享内存,需要 COOP/COEP 头。
- Q:Worker 中能创建 WebGL? A:OffscreenCanvas 支持,可在 Worker 渲染。
03.11.4-003 分层 Canvas 的组织方式
一句话结论
分层 Canvas 把静态背景、动态数据、UI 覆盖层分别放在不同 canvas,z-index 叠加;只刷新动态层,减少重绘。
概念解释
- 静态层:坐标轴、网格、背景。
- 动态层:实时数据点。
- UI 层:tooltip、交互框。
原理流程
- 多层 canvas 绝对定位。
- 静态层初始化一次。
- 动态层每帧刷新。
代码 / 示例
<div class="canvas-stack" style="position: relative">
<canvas class="bg"></canvas>
<canvas class="data"></canvas>
<canvas class="ui"></canvas>
</div>
常见误区
- 误区:分层越多越好;正解:每层都有 GPU 合成开销,通常 2-3 层足够。
- 误区:分层 canvas 共享上下文;正解:每个 canvas 独立上下文。
追问
- Q:如何同步 DPR? A:每层都按 dpr 设置尺寸。
- Q:WebGL 多上下文? A:浏览器限制 8-16 个 WebGL 上下文,多了会丢失。
03.11.4-004 图表内存泄漏如何排查
一句话结论
图表泄漏通常来自:未 dispose 实例、事件监听未移除、定时器未清理、数据源引用常驻;用 Chrome Memory 面板录制堆快照对比。
概念解释
- dispose:释放 ECharts/Three.js 内部资源。
- 事件:on/resize/click。
原理流程
- 组件卸载时
chart.dispose()。 - 移除 resize 监听。
- 清空定时器。
代码 / 示例
useEffect(() => {
const chart = echarts.init(dom);
const onResize = () => chart.resize();
window.addEventListener("resize", onResize);
return () => {
window.removeEventListener("resize", onResize);
chart.dispose();
};
}, []);
常见误区
- 误区:组件卸载后 chart 自动 GC;正解:内部事件与 DOM 监听持有引用,必须 dispose。
- 误区:dispose 后 DOM 节点自动移除;正解:DOM 仍在,需要手动移除。
追问
- Q:如何监控内存? A:Chrome Performance 面板录制,看 JS heap 是否持续增长。
- Q:ECharts 多次 init 同一 DOM? A:会警告,先 dispose。
03.11.4-005 大屏分辨率适配策略
一句话结论
大屏适配用固定设计稿分辨率(如 1920x1080),整体缩放 transform: scale(ratio) 适配实际屏幕,保持布局不变。
概念解释
- 设计稿:固定尺寸。
- 缩放:按宽高比缩放。
原理流程
- 计算 scale = screenWidth / designWidth。
- 对根容器 transform: scale。
代码 / 示例
function resize() {
const w = window.innerWidth;
const h = window.innerHeight;
const scale = Math.min(w / 1920, h / 1080);
root.style.transform = `scale(${scale})`;
}
常见误区
- 误区:用 rem 适配大屏;正解:大屏分辨率差异大,rem 复杂,整体 scale 最简单。
- 误区:scale 会模糊;正解:矢量图与文字不会模糊,位图按 dpr 渲染。
追问
- Q:超宽屏如何处理? A:用 max 缩放 + 居中,左右留黑边或拉伸背景。
- Q:scale 后点击坐标如何计算? A:需要除以 scale 还原坐标。
03.11.4-006 首屏渲染多个图表如何优化
一句话结论
多图表首屏优化:按需 init、懒加载、骨架屏、合并数据请求、避免同时 resize。
概念解释
- 按需 init:图表进入视口再 init。
- 懒加载:IntersectionObserver。
原理流程
- 首屏只 init 可见图表。
- 滚动到可视区域再 init 其它。
- 合并接口请求。
代码 / 示例
const io = new IntersectionObserver((entries) => {
entries.forEach((e) => {
if (e.isIntersecting && !chartMap.has(e.target)) {
chartMap.set(e.target, echarts.init(e.target));
}
});
});
常见误区
- 误区:所有图表同步 init;正解:同时 init 多个图表会阻塞主线程。
- 误区:resize 所有图表;正解:只 resize 可见图表。
追问
- Q:ECharts 渲染是同步还是异步? A:Canvas 渲染同步,SVG 异步布局。
- Q:如何避免布局抖动? A:先设置容器尺寸再 init。
03.11.4-007 数据更新频率与渲染频率解耦
一句话结论
数据推送频率(如 1s/次)不等于渲染频率(如 60fps);用 rAF 节流渲染,最新数据优先,避免每帧重复绘制。
概念解释
- 数据缓存:最新数据放在变量。
- rAF:每帧读一次最新数据。
原理流程
- WebSocket 推送数据,更新 latestData。
- rAF 循环中读取 latestData 绘制。
- 数据未变则跳过。
代码 / 示例
let latest = null;
ws.onmessage = (e) => (latest = JSON.parse(e.data));
function loop() {
if (latest) {
draw(latest);
latest = null;
}
requestAnimationFrame(loop);
}
常见误区
- 误区:每次数据推送都重绘;正解:推送到 rAF 队列,合并多次更新。
- 误区:rAF 一定 60fps;正解:后台标签页暂停,可恢复时补帧。
追问
- Q:如何处理丢帧? A:保留最新数据,丢弃中间帧。
- Q:动画插值如何做? A:在 rAF 中对新旧数据做插值,避免数据突变。
03.11.4-008 对象池与粒子系统性能
一句话结论
粒子系统频繁创建/销毁对象会触发 GC 抖动;用对象池复用粒子对象,避免频繁分配。
概念解释
- 对象池:预分配粒子数组。
- 复用:死亡粒子回收到池。
原理流程
- 初始化预分配数组。
- 发射粒子从池取。
- 粒子死亡重置属性回池。
代码 / 示例
class ParticlePool {
constructor(size) {
this.pool = Array.from({ length: size }, () => ({ alive: false }));
}
acquire() {
return this.pool.find((p) => !p.alive);
}
release(p) {
p.alive = false;
}
}
常见误区
- 误区:粒子数越多越炫;正解:超过几千个粒子 GPU 负载高,需要降采样。
- 误区:对象池一定更快;正解:小规模对象分配开销小,池化反而增加复杂度。
追问
- Q:如何批量更新粒子? A:用 TypedArray 存储位置,一次 update。
- Q:GPU 粒子? A:用 Transform Feedback 或 compute shader,在 GPU 更新位置。
待整理清单
- [ ] WebSocket 数据推送与重连
- [ ] 大屏可视化监控告警
- [ ] 可视化可访问性与屏幕阅读器
关联与延伸
- 与 03.8.1.3 性能指标与优化配合,本节聚焦图表与大屏特定场景。
- 万级数据点优化三板斧(降采样/Worker/Canvas)是面试高频考点。
- 大屏适配方案中 transform: scale 是企业项目最常用做法。