写点什么

前端开发进阶:前端开发中如何高效渲染大数据量?

作者:袋鼠云数栈
  • 2023-08-23
    浙江
  • 本文字数:3221 字

    阅读完需:约 11 分钟

前端开发进阶:前端开发中如何高效渲染大数据量?

在日常工作中,有时会遇到一次性往页面中插入大量数据的场景,在数栈的离线开发(以下简称离线)产品中,就有类似的场景。本文将通过分享一个实际场景中的前端开发思路,介绍当遇到大量数据时,如何实现高效的数据渲染,以达到提升页面性能和用户体验的目的。

渲染大数据量时遇到的问题


在离线的数据开发模块,用户可以在 SQL 编辑器中编写 SQL,再通过整段运行/分段运行来执行 SQL。在点击整段运行后,从运行成功日志打印后到展示结果的过程中,有一段时间页面会很卡顿,主要表现为编辑器编写卡顿。



我们是在解决 SQL 最大运行行数问题时,发现了上述需要进行性能优化的场景。


先来梳理下当前代码的设计逻辑:



· 前端将选中的 SQL 传递给服务端,服务端返回一个调度运行的 jobId


· 前端接着以该 jobId 轮询服务端,查询任务的执行状态


· 当轮询到任务已完成时,选中的 SQL 中如果有查询语句,服务端则会按 select 语句的顺序返回一个 sqlId 的数组集合


· 前端基于 n 个 sqlId 的集合,并发 n 个 selectData 的请求


· 所有的 selectData 请求完成后渲染数据


为了保证结果最终的展示顺序和 select 语句顺序一致,我们为单纯的 sqlIdList 循环方法加上了 Promise.allsettled 的方法,使得 n 个 selectData 的请求顺序和 select 语句顺序一致。



由上述逻辑可以看出,问题可能出现在如果选中的 SQL 中有大量 select 语句的话,会在「整段运行」完成后大批量请求 selectData 接口,再等待所有 selectData 请求完成后,集中进行渲染。此时,就会出现一次性往页面中插入大量数据的场景,导致卡顿。那么,我们怎么解决上述问题呢?

解决思路


可以看出,上述逻辑主要有两个问题:大批量请求 selectData 接口和集中性数据渲染。我们通过如下所示的解决思路去处理这些问题。

任务分组

依旧通过 Promise.allsettled 拿到所有 selectData 接口返回的结果,将原先集中渲染看作是一个大任务,我们将任务拆分成单个的 selectData 结果渲染任务。再根据实际情况,对单个任务进行分组,比如两个一组,渲染完一组再渲染下一组。


拆分完任务,就涉及到了任务的优先级问题,优先级决定了哪个任务先执行。这里采用最原始的“抢占式轮转”,按 sqlIdList 的顺序保留编辑器中的 SQL 顺序。

Promise.allSettled(promiseList).then((results = []) => {    const renderOnce = 2; // 每组渲染的结果 tab 数量    const loop = (idx) => {        if (promiseList.length <= idx) return;        results.slice(idx, idx + renderOnce).forEach((item, idx) => {            if (item.status === 'fulfilled') {                handleResultData(item?.value || {}, sqlIdList[idx]?.sqlId);            } else {                console.error(                    'selectExecResultDataList Promise.allSettled rejected',                    item.reason                );            }        });        setTimeout(() => {            loop(idx + renderOnce);        }, 100);    };    loop(0);});
复制代码


请求分组 + 任务分组


问题中的大批量请求 selectData 接口,也是一个突破点。我们可以将请求进行分组,每次以固定数量的 sqlId 去请求 selectData 接口,比如每组请求 6 个 sqlId 的结果,当前组的请求全部结束后再进行渲染。为了保证效果最优,这里也引入任务分组的思路。

const requestOnce = 6; // 每组请求的数量// 将一维数组转换成二维数组const sqlIdList2D = convertTo2DArray(sqlIdList, requestOnce);const idx2D = 0; // sqlIdList2D 的索引
const requestLoop = (index) => { if (!sqlIdList2D[index]) return; const promiseList = sqlIdList2D[index].map((item) => selectExecResultData(item?.sqlId) ); Promise.allSettled(promiseList) .then((results = []) => { const renderOnce = 2; // 每组渲染的结果 tab 数量
const loop = (idx) => { if (promiseList.length <= idx) return; results.slice(idx, idx + renderOnce).forEach((item, idx) => { if (item.status === 'fulfilled') { handleResultData(item?.value || {}, sqlIdList[idx]?.sqlId); } else { console.error( 'selectExecResultDataList Promise.allSettled rejected', item.reason ); } }); setTimeout(() => { loop(idx + renderOnce); }, 100); }; loop(0); }) .finally(() => { requestLoop(index + 1); });};requestLoop(idx2D);
复制代码


请求分组


上一种方案的代码相对来说又些难以理解,属于上午写,下午忘的逻辑,注释也不好写,不利于维护。基于实际情况,我们尝试下仅对请求作分组处理,看看效果。

const requestOnce = 3; // 每组请求的数量// 将一维数组转换成二维数组const sqlIdList2D = convertTo2DArray(sqlIdList, requestOnce);const idx2D = 0; // sqlIdList2D 的索引
const requestLoop = (index) => { if (!sqlIdList2D[index]) return; const promiseList = sqlIdList2D[index].map((item) => selectExecResultData(item?.sqlId) ); Promise.allSettled(promiseList) .then((results = []) => { results.forEach((item, idx) => { if (item.status === 'fulfilled') { handleResultData(item?.value || {}, sqlIdList[idx]?.sqlId); } else { console.error( 'selectExecResultDataList Promise.allSettled rejected', item.reason ); } }); }) .finally(() => { requestLoop(index + 1); });};requestLoop(idx2D);
复制代码


解决思路解析


· 解决大数据量渲染的问题,常见方法有:时间分片、虚拟列表等


· 解决同步阻塞的问题,常见方法有:任务分解、异步等


· 如果某个任务执行时间较长的话,从优化的角度,我们通常会考虑将该任务分解成一系列的子任务


在任务分组一节,我们将 setTimeout 的时间间隔设置为 100ms,也就是我认为最快在 100ms 内能完成渲染。但假设不到 100ms 就完成了渲染,那么就需要白白等待一段时间,这是没有必要的,这时可以考虑 window.requestAnimationFrame 方法。


- setTimeout(() => {+ window.requestAnimationFrame(() => {      loop(idx + renderOnce);- }, 100);+ });
复制代码


第三节的请求分组,实际上已经达到了渲染任务分组的效果。本文更多的是提供一个解决思路,上述方式也是基于对时间分片的理解实践。


在软件开发中,性能优化是一个重要的方面,但并不是唯一追求,往往还需要考虑多个因素,包括功能需求、可维护性、安全性等等。根据具体情况,综合使用多种技术和策略,找到最佳的解决方案,才是最终目的。


《数据治理行业实践白皮书》下载地址:https://fs80.cn/380a4b


《数栈 V6.0 产品白皮书》下载地址:https://fs80.cn/cw0iw1


想了解或咨询更多有关袋鼠云大数据产品、行业解决方案、客户案例的朋友,浏览袋鼠云官网:https://www.dtstack.com/?src=szinfoq


同时,欢迎对大数据开源项目有兴趣的同学加入「袋鼠云开源框架钉钉技术 qun」,交流最新开源技术信息,qun 号码:30537511,项目地址:https://github.com/DTStack

发布于: 刚刚阅读数: 2
用户头像

还未添加个人签名 2021-05-06 加入

还未添加个人简介

评论

发布
暂无评论
前端开发进阶:前端开发中如何高效渲染大数据量?_大数据_袋鼠云数栈_InfoQ写作社区