echarts折线图大数据量一次性展示卡顿的解决方案

echarts现在已经逐渐成为各类数据展示或者大屏开发的一个重要工具，你可能没有用过但是绝对考虑过
最近在项目开发时遇到了一个问题，Echarts折线图展示近两天的秒级数据的时候会很卡，甚至页面有些时候每秒只有10帧，这是理所当然毕竟在图里画了接近20w的点，（每天86400*2天）
那么要怎么处理呢，可以分为两个方法，第一个对echart图处理，第一个对数据进行处理

echart内配置，增加滑动轴和懒加载

简单的滚动配置和滑动监听

const option = {
...
dataZoom: [
    {
      type: 'slider',
      xAxisIndex: 0,
      filterMode: 'none'
    }
  ]
...
}

myChart.on('dataZoom', function (params) {
...
｝

这种方法能够很好展示部分区间的数据，但是缺点也很明显，很难看到全局的数据，而且要重复的请求和监听，这对于大屏来说无疑不太合适

进行数据处理

正常显示如上图
考虑到折线图上的展示实际上看的是趋势和特别动荡的点，因此或许可以只保留那些‘极值点’即特征点
这样就想到了几个方案
比如用聚类算法将依据动荡程度数据分类然后取均值，但是不论是最简单的K-mean还是其他都需要事先确定分组或者初始值，这样就需要让数据经过两轮洗礼，开局加载就要等个10~20s，显然得不偿失

2.多项式拟合算法，拟合算法大多用来训练一个模型做预测作用，而且为了确定幂次数和让损差函数达到恰当小的值，开销可能更大，显得大材小用了

然后我就傻傻的把自己折磨了半天去测试这些，最后拍大腿一想，不是更应该用数据降维或者降采样处理吗

刚刚好echart里用附带的lttb算法

图形没有太大的改变，但是渲染速度快了很多，图里的锯齿信息对我们来说没有太多的必要，信息感觉可以在减少点，echart好像也没有提供对应的参数设置，因此在信息处理时加上了LTTB算法，10分钟为一个桶，(LTTD算法可以动态的计算桶数量，但是效果差距不大并且还增大了不小的开销)

lttba(array) {
    // 数据形式[['00:00:00',123]]
    const bucket = 600; // 每个桶点数量
    const avgArray = [[...array[0], 0]]; // 储存均值的数组,第一个点以及坐标先存
    const resAry = [array[0]]; // 最终数组

    let left = 1;
    let sum = 0;
    // 计算每个桶均值
    for (let i = 1; i<array.length; i++) {
      sum += array[i][1];
      // 每个桶均值和坐标点
      if (i % bucket === 0) {
        let avgT = Math.floor((left + i) / 2); // 中点坐标
        avgArray.push([array[avgT][0], Math.round(sum / bucket), avgT]);
        sum = 0;
        left = i;
      } else if (i === array.length - 1) {
        // 最后一个点
        sum -= array[i][1];
        let avgT = Math.floor((left + i - 1) / 2); // 中点坐标
        avgArray.push([array[avgT][0], Math.round(sum / bucket), avgT]);
        avgArray.push([...array[i], i]);
      }
    }

    // 找出每个桶的最大三角点
    for (let i = 1; i<avgArray.length - 1; i++) {
      const tleft = (i - 1) * bucket + 1;
      const tright = tleft + bucket - 1;
      resAry.push(
        ...this.lttbb(
          array,
          tleft,
          tright > array.length - 1 ? (array.length - 1) : tright,
          resAry[i - 1],
          avgArray[i + 1]
        )
      );
    }
    resAry.push(avgArray[avgArray.length - 1]);
    return resAry;
  },
  /** 最大三角桶
   *@param array 原始数据数组
   *@param left 左侧点
   *@param right 右侧点
   *@param avglast 上一个桶的点
   *@param avgnext 下一个桶的均值点
   */
  lttbb(array, left, right, avglast, avgnext) {
    let max = -1;
    let maxIndex = left;
    for (let i = left; i < right; i++) {
        if(!array[i])console.log(i)
      // 计算三角形面积公式 x1 * y2 - x1 * y3 + x2 * y3 - y1 * x2 + x3 * y1 - x2 * y2
      let s = avglast[2] * array[i][1] - avglast[2] * avgnext[1];
      s += avgnext[1] * i - avglast[1] * i;
      s += avgnext[2] * avglast[1] - array[i][1] * i;
      s = Math.abs(s);
      if (max < s) {
        s = max;
        maxIndex = i;
      }
    }
    return [array[maxIndex]];
  },

最后效果图

lttb的算法建议参考echart的lttb来写，这里是根据原理直接写的可能还有很多可优化

这又引发另一个问题，因为实际上这样抹除了很多店，导致了图基本已经不能触发echart的tooltip了
考虑下选择了x轴的指示标来作为替代品

      xAxis: {
        type: "category",
        boundaryGap: false,
        axisPointer:{
          status:'show',
          snap: false,
          label:{
            show:true,
            fontSize:18,
            margin:20,
            formatter:(value={value:'00'})=>{
              const s = value['value']
              const s1 = (generalData.timeData3 as any)[s]
              return `${s}  模拟数据:${s1}`
            }
          }
        },
        ...
      },