使用ECharts加载大数据量数据
言归正传,本次研究目的是通过echarts加载大数据量数据,测试数据点为24w左右,最终调试结果,加载一条曲线在2.5s左右,同时加载两条曲线为5s以为,8条曲线为10s以内,需前后端结合达到快速加载目的。
前端部分
考虑多曲线同时加载,建议使用异步请求加载,结合ECharts大数据加载方式(appendData,注意ECharts版本需3.0以上):
function appendDataToChart(id,index){
$.post(ext.contextPath +"/work/mpoint/getHistory4ECharts.do",{bizId:companyId,mpointCode:id,sdt:beginTimeStore1,edt:endTimeStore1},function(data){
//后端构造对应数据
mychart.appendData({
seriesIndex:index,
data : data
})
//刷新
mychart.resize();
},'json');
}
其中seriesIndex为serial序列号,data数据格式为[[“2017-07-01 01:00”, “6.7488”],[“2017-07-01 01:00”, “6.7488”]]
appendData具体使用方法请参考ECharts官网API
同时为提高加载速度需设置禁用动画,
可设置dataZoom 局部加载,
设置加载其它属性(具体作用请参考ECharts官网API)
后端部分
建议使用Redis缓存处理,调试24w条数据使用Redis可以提速接近1s,也可以使用HBase(尚未测试)。
接口代码
/**
* 获取测量点历史曲线数据
* */
@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;
}
此处接口返回数据直接使用EChats需要格式,减少前端组装数据耗时;使用@ResponseBody可直接返回json,也可使用ModelAndView,建议Json转化时使用FastJson(速度快)。