使用ECharts加載大數(shù)據(jù)量數(shù)據(jù)

這兩天需要用到echarts渲染大數(shù)據(jù)? 百度了不少? 翻來(lái)覆去就是以下三種方法 現(xiàn)總結(jié)一下

言歸正傳肩豁,本次研究目的是通過(guò)echarts加載大數(shù)據(jù)量數(shù)據(jù)必尼,測(cè)試數(shù)據(jù)點(diǎn)為24w左右娜遵,最終調(diào)試結(jié)果诞挨,加載一條曲線在2.5s左右,同時(shí)加載兩條曲線為5s以為鳖眼,8條曲線為10s以內(nèi),需前后端結(jié)合達(dá)到快速加載目的即纲。

前端部分

一具帮、考慮多曲線同時(shí)加載,建議使用異步請(qǐng)求加載低斋,結(jié)合ECharts大數(shù)據(jù)加載方式(appendData蜂厅,注意ECharts版本需3.0以上):

主要支持ECharts GL,基礎(chǔ)版本只支持 散點(diǎn)圖(scatter) 線圖(lines)膊畴,注意是lines掘猿,不是line!(看錯(cuò)一個(gè)單詞還試了半天的)

function appendDataToChart(id,index){

$.post(ext.contextPath +"/work/mpoint/getHistory4ECharts.do",{bizId:companyId,mpointCode:id,sdt:beginTimeStore1,edt:endTimeStore1},function(data){

//后端構(gòu)造對(duì)應(yīng)數(shù)據(jù)

mychart.appendData({

? ? ? ? ? ? seriesIndex:index,

? ? ? ? ? ? data : data

? ? ? ? })

? ? ? ? //刷新

? ? ? ? mychart.resize();?

},'json');

}

其中seriesIndex為serial序列號(hào)唇跨,data數(shù)據(jù)格式為[[“2017-07-01 01:00”, “6.7488”],[“2017-07-01 01:00”, “6.7488”]]

appendData具體使用方法請(qǐng)參考ECharts官網(wǎng)API

同時(shí)為提高加載速度需設(shè)置禁用動(dòng)畫稠通,

可設(shè)置dataZoom 局部加載,

設(shè)置加載其它屬性(具體作用請(qǐng)參考ECharts官網(wǎng)API)

后端部分

建議使用Redis緩存處理买猖,調(diào)試24w條數(shù)據(jù)使用Redis可以提速接近1s改橘,也可以使用HBase(尚未測(cè)試)。

接口代碼

/**

* 獲取測(cè)量點(diǎn)歷史曲線數(shù)據(jù)

* */

@RequestMapping("/getHistory4ECharts.do")

@ResponseBody

public List<String[]> getHistory4ECharts(HttpServletRequest request,Model model,

@RequestParam(value = "bizId") String bizId,

@RequestParam(value = "mpointCode") String mpointCode,

@RequestParam(value = "sdt") String sdt,

@RequestParam(value = "edt") String edt) {

List<String[]> result = new ArrayList<>();

try{

StringBuilder whereStr= new StringBuilder();

whereStr.append(" where MeasureDT >= '");

whereStr.append(sdt);

whereStr.append("' and MeasureDT<= '");

whereStr.append(edt);

whereStr.append("' order by MeasureDT");

List<MPointHistory> list = mPointHistoryService.selectListByTableAWhere(bizId,"[TB_MP_"+mpointCode+"]",whereStr.toString());

String[] item ;

for (MPointHistory mPointHistory : list) {

item = new String[2];

item[0]=mPointHistory.getMeasuredt().substring(0, 16);

item[1]=mPointHistory.getParmvalue().toString();

result.add(item);

}

} catch (Exception e) {

? ? ? ? // TODO: handle exception

? ? e.printStackTrace();

? ? }

? ? ? ? return result;

}

此處接口返回?cái)?shù)據(jù)直接使用EChats需要格式玉控,減少前端組裝數(shù)據(jù)耗時(shí)飞主;使用@ResponseBody可直接返回json,也可使用ModelAndView高诺,建議Json轉(zhuǎn)化時(shí)使用FastJson(速度快)碌识。

————————————————

版權(quán)聲明:本文為CSDN博主「王小壞xp」的原創(chuàng)文章,遵循CC 4.0 BY-SA版權(quán)協(xié)議虱而,轉(zhuǎn)載請(qǐng)附上原文出處鏈接及本聲明筏餐。

原文鏈接:https://blog.csdn.net/mulangqq/article/details/103595059

二、sampling 降采樣渲染

官方提供的方法牡拇,親測(cè)有效魁瞪,降采樣直接取平均值穆律,肉眼可見的app不會(huì)卡死,兩萬(wàn)五千多個(gè)點(diǎn)渲染速度約3s(app渲染時(shí)間不好監(jiān)控佩番,沒有截圖)

三众旗、更改datazoom的startValue、endValue

這么做的目的就是一次性渲染一部分?jǐn)?shù)據(jù)趟畏,相當(dāng)于分段渲染贡歧,查看的時(shí)候拖動(dòng)datazoom,也是分段查看赋秀,效果沒有一次性看整體的好利朵,不過(guò)也是看項(xiàng)目需求。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末猎莲,一起剝皮案震驚了整個(gè)濱河市绍弟,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌著洼,老刑警劉巖樟遣,帶你破解...
    沈念sama閱讀 217,657評(píng)論 6 505
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異身笤,居然都是意外死亡豹悬,警方通過(guò)查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,889評(píng)論 3 394
  • 文/潘曉璐 我一進(jìn)店門液荸,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)瞻佛,“玉大人,你說(shuō)我怎么就攤上這事娇钱∩吮” “怎么了?”我有些...
    開封第一講書人閱讀 164,057評(píng)論 0 354
  • 文/不壞的土叔 我叫張陵文搂,是天一觀的道長(zhǎng)适刀。 經(jīng)常有香客問(wèn)我,道長(zhǎng)煤蹭,這世上最難降的妖魔是什么笔喉? 我笑而不...
    開封第一講書人閱讀 58,509評(píng)論 1 293
  • 正文 為了忘掉前任,我火速辦了婚禮疯兼,結(jié)果婚禮上然遏,老公的妹妹穿的比我還像新娘贫途。我一直安慰自己吧彪,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,562評(píng)論 6 392
  • 文/花漫 我一把揭開白布丢早。 她就那樣靜靜地躺著姨裸,像睡著了一般秧倾。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上傀缩,一...
    開封第一講書人閱讀 51,443評(píng)論 1 302
  • 那天那先,我揣著相機(jī)與錄音,去河邊找鬼赡艰。 笑死售淡,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的慷垮。 我是一名探鬼主播揖闸,決...
    沈念sama閱讀 40,251評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼料身!你這毒婦竟也來(lái)了汤纸?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,129評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤芹血,失蹤者是張志新(化名)和其女友劉穎贮泞,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體幔烛,經(jīng)...
    沈念sama閱讀 45,561評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡啃擦,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,779評(píng)論 3 335
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了说贝。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片议惰。...
    茶點(diǎn)故事閱讀 39,902評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖乡恕,靈堂內(nèi)的尸體忽然破棺而出言询,到底是詐尸還是另有隱情,我是刑警寧澤傲宜,帶...
    沈念sama閱讀 35,621評(píng)論 5 345
  • 正文 年R本政府宣布运杭,位于F島的核電站,受9級(jí)特大地震影響函卒,放射性物質(zhì)發(fā)生泄漏辆憔。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,220評(píng)論 3 328
  • 文/蒙蒙 一报嵌、第九天 我趴在偏房一處隱蔽的房頂上張望虱咧。 院中可真熱鬧,春花似錦锚国、人聲如沸腕巡。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,838評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)绘沉。三九已至煎楣,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間车伞,已是汗流浹背择懂。 一陣腳步聲響...
    開封第一講書人閱讀 32,971評(píng)論 1 269
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留另玖,地道東北人困曙。 一個(gè)月前我還...
    沈念sama閱讀 48,025評(píng)論 2 370
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像谦去,于是被迫代替她去往敵國(guó)和親赂弓。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,843評(píng)論 2 354

推薦閱讀更多精彩內(nèi)容