성능 안내서

대규모 데이터셋을 위한 데이터 로딩 및 차트 업데이트를 설계하십시오.

빠른 렌더링은 Canvas2D 이전에 시작됩니다. 데이터는 열 형태로 유지하고 한 번만 전송하며 메인 스레드에서 디코딩하지 말고 차트가 화면에 보이는 상세도만 렌더링하도록 하십시오.

LOD는 상세도(level of detail)를 의미합니다: 렌더러는 대규모 데이터를 화면 크기 표현으로 사용하고 사용자가 확대하면 더 세밀한 정보를 드러냅니다. 먼저 Worker 자동선택과 기본 LOD 정책으로 시작한 후 실제 작업량을 측정하십시오. 밀도, 리베이스 비율 또는 양자화(quantization)를 변경하기 전에만 LOD 보정 랩을 사용하십시오.

권장 로딩 파이프라인

  1. 첫 프레임 지연이 중요한 경우 작은 극값 보존 미리보기를 표시하세요.
  2. 네트워크 가져오기와 디코딩을 전용 데이터 Worker에서 시작하세요.
  3. 열형 포맷에서 필요한 열과 범위만 읽으세요.
  4. 정렬된 길이, 유한하고 순서화된 X, 단위 및 선언된 간격(갭)이 유효한지 검증하십시오.
  5. 타입이 지정된 열을 차트 렌더러에 한 번만 전송하십시오.
  6. 전송 후 데이터 Worker를 종료하여 복사본을 더 보유하지 않도록 하십시오.

HTTP 바이트 범위 읽기의 경우 정적 호스트가 바이트 범위를 지원하고 중간 캐시가 이를 보존하는지 확인하십시오. 전체 다운로드 대체 방식이 올바르더라도 모바일 방문자에게는 여전히 비용이 클 수 있습니다.

초기 번들을 작게 유지하십시오.

  • 무거운 데이터 디코더와 선택적 데모는 동적으로 임포트하십시오.
  • 현재 보이거나 선택된 차트만 마운트하십시오.
  • 렌더러가 이를 처리할 수 있음을 증명하려고 수백만 행의 쇼케이스 데이터를 단순히 랜딩 페이지에 전송하지 마십시오.
  • 테마 카탈로그와 보조 예제는 보호된 첫 프레임 경로에서 제외하십시오.
  • 제약이 있는 장치에서는 선별된 또는 적응형 예제를 우선 사용하고 전체 작업대(워크벤치)로 연결하십시오.

Worker 모드 선택

일반 애플리케이션에서는 renderMode: "auto"를 사용하고 결정된 모드를 측정하십시오. 메인 스레드 모드는 테스트와 작은 정적 차트에 유용하지만, 대규모 상호작용 데이터셋은 일반적으로 Worker에서 실행해야 합니다.

작업량에 따라 선 표시를 조정하십시오

대부분의 애플리케이션은 사용자 정의 상세도(LOD) 값이 필요하지 않습니다.

lod.density는 기본적인 충실도/작업 제어값입니다. 0.75에서 시작하십시오. 로컬 상세도가 눈에 띄게 부족하고 프레임 시간이 여유가 있을 때 값을 높이십시오. 멀티패스로 채워지는 범위, 높은 디바이스-픽셀 비율, 또는 Canvas2D 채우기 비용이 지배적인 브라우저에서는 값을 낮추십시오.

표현의 부드러움은 밀도만이 아니라 rebaseRatio와 quantizationStep에 따라 달라집니다. 더 미세한 값은 개별 텍스처 변경을 줄이지만 계층 쿼리를 더 자주 발생시킵니다. 실제 줌 제스처에서 튜닝하고 정상 상태 프레임 시간, 쿼리 방문 수, 표시 정점 수 및 시각적 안정성을 비교하십시오.

개발 중에는 일시적으로 setStatsCallback를 사용하십시오:

chart.setStatsCallback((stats) => {
  console.table({
    frame: stats.frameTime,
    mode: stats.presentationMode,
    vertices: stats.presentationVertices,
    visits: stats.presentationQueryVisits,
    ready: stats.lodReady,
  });
}, { intervalMs: 250 });

애플리케이션이 원격 측정(telemetry)을 사용하지 않을 때는 프로덕션에서 콜백을 비활성화하십시오.

업데이트를 일괄 처리하십시오

  • 완전한 배치가 이미 존재할 경우 벌크 타입 배열 API를 사용하십시오.
  • 하나의 UI 동작으로 발생한 여러 동기적 명령형 변경에는 batch()를 사용하십시오.
  • 프레임별 콜백 내부에서 배열을 생성하거나 문자열을 포맷하는 일을 피하십시오.
  • 애플리케이션 측 스트리밍 재구성은 디바운스하고 오래된 비동기 결과는 무시하십시오.

차트의 스트리밍 상세도(LOD) 빌더는 새 샘플이 도착하는 동안 스냅샷 기반 작업을 완료하고 교체물이 준비될 때까지 완료된 레벨을 사용 가능하게 유지합니다. 관측마다 스트리밍을 재설정하거나 전체 데이터세트를 교체하지 마시고 대신 streaming APIs를 통해 추가하십시오. 라인 스트리밍은 추가마다 전체 버퍼를 재검색하지 않고 경계값을 점진적으로 업데이트합니다.

프레임워크 어댑터는 콜백이나 활성 리스너가 이를 수신할 수 있는 동안에만 통계를 수집합니다. Vue는 단일 .once 리스너가 소모되면 수집을 중단하며; Angular는 구독이 해제되거나 출력이 닫히면 수집을 중단합니다. 애플리케이션이 더 이상 해당 측정을 사용하지 않을 때는 원격 측정 리스너를 제거하십시오.

데이터 의미 보존

성능 저감은 극값과 실제 간극을 유지해야 합니다. 범위 엔벨로프를 미리 평균화하거나, 누락된 구간을 연결하거나, 각 스택형 면적 입력을 독립적으로 다운샘플링하지 마십시오. OHLCV의 경우 실제 관측을 기준으로 시가는 먼저, 고가는 최대, 저가는 최소, 종가는 마지막, 거래량은 합산 방식으로 집계하십시오.