大体量 GeoJSON 性能优化实战:普通加载 vs geojson-vt 矢量瓦片(388MB 实测)

大体量 GeoJSON 性能优化实战:普通加载 vs geojson-vt 矢量瓦片(388MB 实测)

一个 388MB、7.4 万个面的 GeoJSON,用 ol.source.Vector 直接加载只有 3 FPS,换成 geojson-vt 后漫游稳定 160 FPS。本文把完整实现、实测数据和踩过的坑一次性说清楚。

一、背景:为什么不能直接 ol.source.Vector

业务数据往往是"整块导出"的 GeoJSON,动辄几十上百 MB。用 OpenLayers 最朴素的方式加载:

js 复制代码
const feats = new ol.format.GeoJSON().readFeatures(json, {
  dataProjection: 'EPSG:4326',
  featureProjection: 'EPSG:3857'
});
const layer = new ol.layer.Vector({
  source: new ol.source.Vector({features: feats}),
  style: dataStyle
});

问题在于 ol.layer.Vector 的渲染模型:每次重绘都要把视野内所有要素的几何完整走一遍。数据量上万后:

  • 首屏白屏时间长(解析 + 建几何 + 首次绘制)
  • 拖动、缩放时每一帧都在重复处理全部几何
  • 帧率掉到个位数,体感就是"卡成 PPT"

geojson-vt 的思路完全不同:在客户端把 GeoJSON 预切成瓦片金字塔 ,按当前视野和层级只取对应的、且已被简化过的瓦片来渲染。层级越深,几何越精细;缩得很远时只渲染极简轮廓。这本质上是把 ol.source.Vector 的"全量渲染"换成了"按需、分级渲染"。

二、测试环境与数据

项目 说明
地图引擎 OpenLayers 10.5.0(全局构建 ol.min.js)
切片库 geojson-vt(UMD 构建,全局变量 GeoJSONVT)
浏览器 Chrome,Windows
数据 A wbmk.json 17.5 MB / 10,426 个面 / 约 22.3 万坐标点
数据 B dltb7w.json 388 MB / 73,959 个面 / 840.5 万坐标点
底图 高德矢量 / 影像(默认关闭,避免干扰计时)

两点需要提前说明:

  1. 底图默认关闭 。底图瓦片和矢量瓦片共用同一个浏览器连接池,慢底图会把数据瓦片挤在后面,测出来的时间不干净。计时期间强制隐藏底图并 refresh() 中止在途请求。
  2. 两种方式共用同一份下载缓存。JSON 文本首次下载后缓存在内存里,第二次加载时"网络下载"显示"已缓存",这样对比的是纯粹的解析 + 渲染差异,而不是网络波动。

三、方式一:普通加载(基线)

js 复制代码
async function loadNormal() {
  const T0 = performance.now();

  const text = await (await fetch('dltb7w.json')).text();
  const json = JSON.parse(text);                       // ① 文本 → 对象

  const t = performance.now();
  const feats = new ol.format.GeoJSON().readFeatures(json, {
    dataProjection: 'EPSG:4326',
    featureProjection: 'EPSG:3857'
  });                                                  // ② 对象 → 要素
  feats.forEach((f, i) => f.setId(i));                 // ③ 必须覆写 id,见坑 5

  const src = new ol.source.Vector({features: feats});
  const layer = new ol.layer.Vector({source: src, style: dataStyle});
  map.addLayer(layer);

  await waitDataReady(src, false);                     // ④ 等待首帧真正完成
  console.log('总耗时', performance.now() - T0);
}

耗时被拆成"下载 / JSON.parse / readFeatures / 首次渲染"四段,页面面板里逐项展示。这里不追求代码优雅,追求的是每一段开销都能归因。

四、方式二:geojson-vt 矢量瓦片

4.1 建索引

js 复制代码
// 建索引之前先给每个要素写入唯一 id,瓦片要素会带回来,用于点击高亮和去重统计
for (let i = 0; i < json.features.length; i++) json.features[i].id = i;

const tileIndex = new GeoJSONVT(json, {
  maxZoom: 20,     // 索引最大层级,默认只有 14,超出后 getTile 直接返回 null
  tolerance: 3,    // 简化容差,深层级会自动趋近原始几何
  extent: 4096,    // 瓦片内坐标范围,和常见矢量瓦片规范一致
  buffer: 64       // 瓦片缓冲区,避免跨瓦片要素在边缘被裁断
});

GeoJSONVT 是构造函数 ,必须 new。直接 GeoJSONVT(json, opts) 会抛 Class constructors cannot be invoked without 'new'(这是 UMD 打包 + ES class 的常见组合陷阱)。

4.2 自定义瓦片加载函数

这是整个方案的核心。ol.source.VectorTile 默认会去请求一个 URL 拿 MVT,而我们的瓦片在内存里,所以要用 tileLoadFunction 自己造要素。

js 复制代码
const TILE_PX = 4096;

// 有向面积符号:判断环的绕向
function ringSign(r) {
  let a = 0;
  for (let i = 0, n = r.length; i < n; i++) {
    const p = r[i], q = r[(i + 1) % n];
    a += p[0] * q[1] - q[0] * p[1];
  }
  return a >= 0 ? 1 : -1;
}

// geojson-vt 会把 MultiPolygon 拍平成一维环数组,需要按绕向重新分组
function ringsToPolys(rings) {
  const polys = [];
  let cur = null, sign = 0;
  for (const r of rings) {
    if (!r || r.length < 3) continue;
    const s = ringSign(r);
    if (!cur || s === sign) { cur = [r]; polys.push(cur); sign = s; }  // 同向 = 新的外环
    else cur.push(r);                                                   // 反向 = 洞
  }
  return polys;
}

function vtLoader(source, index) {
  return (tile, url) => {
    const [z, x, y] = url.split('/').map(Number);
    const t = index.getTile(z, x, y);
    const feats = [];
    if (t) {
      const ext = source.getTileGrid().getTileCoordExtent([z, x, y]);
      const kx = (ext[2] - ext[0]) / TILE_PX;
      const ky = (ext[3] - ext[1]) / TILE_PX;

      for (const tf of t.features) {
        if (tf.type !== 3) continue;              // 3 = 面,本数据全是面要素
        const coords = ringsToPolys(tf.geometry).map(poly =>
          poly.map(ring => ring.map(pt => [
            ext[0] + pt[0] * kx,                  // 瓦片像素 x → 3857 x
            ext[3] - pt[1] * ky                   // 瓦片像素 y 向下,需取反
          ]))
        );
        if (!coords.length) continue;

        const geom = coords.length === 1
          ? new ol.geom.Polygon(coords[0])
          : new ol.geom.MultiPolygon(coords);

        const f = new ol.Feature({geometry: geom});
        f.setProperties(tf.tags || {});
        f.setId(tf.id);
        feats.push(f);
      }
    }
    tile.setFeatures(feats);
  };
}

坐标系映射的两个细节必须写对:

  • geojson-vt 输出的坐标是瓦片内像素 ,范围 0 ~ extent(这里 4096),原点在左上角、y 向下;
  • EPSG:3857 瓦片范围的 y 向上,所以 Y = ext[3] - py * ky,x 方向则是正向线性。

4.3 挂到地图上

js 复制代码
const src = new ol.source.VectorTile({
  format: new ol.format.GeoJSON(),          // 占位,实际要素由 tileLoadFunction 造
  tileUrlFunction: tc => tc.join('/'),      // url 就是 'z/x/y',仅作 key
  tileLoadFunction: (tile, url) => loader(tile, url)
});
const loader = vtLoader(src, tileIndex);

const layer = new ol.layer.VectorTile({
  source: src,
  style: dataStyle
});
map.addLayer(layer);

tileUrlFunction 返回的字符串在这里不是网络地址 ,只是传给 tileLoadFunction 的标识,所以用 z/x/y 这种最省事的格式。

五、实测数据

5.1 wbmk.json(17.5 MB)

指标 普通加载 geojson-vt
首屏总耗时 1.13 s 0.51 s
漫游平均帧率 29.7 FPS 165 FPS

首屏约 2.2× ,交互流畅度约 5.5×。17MB 这个量级普通方式还能跑,geojson-vt 的优势主要体现在帧率。

5.2 dltb7w.json(388 MB)

指标 普通加载 geojson-vt
首屏总耗时 4.23 s 6.62 s
漫游平均帧率 3.1 FPS 162.2 FPS
最大帧间隔(卡顿) 641 ms 81 ms
视野内要素数 73,959 32,384(按最细瓦片去重)

这里出现了最有意思、也最容易被误解的结果:

首屏 geojson-vt 反而慢了 2.4 秒。原因是建索引是一次性开销------O(n) 遍历 840 万个坐标点做简化、裁剪、切金字塔,这 2 秒多省不掉。

但交互流畅度是 51.9 倍差距(3.1 → 162.2 FPS),最大卡顿从 641 ms 降到 81 ms。也就是说:

  • 数据只加载一次就静态看,geojson-vt 不划算;
  • 数据加载后要反复缩放、平移、点选(这是 GIS 系统的常态),geojson-vt 是刚需。

不要把"首屏更慢"当成方案缺陷,它是用一次性 CPU 换掉了之后每一次的重复 CPU。真正该优化的方向是建索引那一步能不能放到 Worker 或服务端预切。

补充:两种模式在面板上都会显示"视野内要素数",但口径不同。普通模式是 getFeaturesInExtent 的真实值;VT 模式是"与视野相交、且处于最深层级"的瓦片要素去重后数量,包含瓦片缓冲区,所以会小于全量总数。这个数字不能直接拿来当"VT 丢了数据"的证据。

六、什么时候该用 geojson-vt

不是所有场景都该上。判断标准:

场景 建议
数据 < 5 MB、要素 < 5000 普通加载足够,别引入复杂度
数据 10~50 MB,需要流畅缩放 geojson-vt 收益明显
数据 > 100 MB 必须 geojson-vt,或干脆服务端预切 MVT
数据只加载一次、基本不交互 普通加载更省时间
需要频繁缩放/平移/点选 geojson-vt,收益随交互次数放大
数据会动态更新 慎重:每次更新都要重建索引

还有三个进一步优化的方向,本项目没做,但值得提:

  1. 建索引放进 Web Worker------最耗时的 2 秒多不阻塞主线程,首屏体验会好很多。
  2. 服务端预切矢量瓦片(MVT) ------把索引开销彻底移到离线,前端直接用 ol.source.VectorTile 请求 .pbf,这是生产环境的标准做法。
  3. indexMaxZoom 调优------默认 5,调大能让更多层级预生成、减少运行时切分,代价是内存和建索引时间增加。

七、小结

  • ol.source.Vector 的开销是"全量几何 × 每帧",geojson-vt 是"按视野取简化瓦片"。数据越大、交互越多,差距越大。
  • geojson-vt 的首屏不一定更快,它把成本从"每帧重复"转成了"一次性建索引"。388MB 数据上首屏慢了 2.4 秒,但交互帧率差了 51.9 倍。
  • 真正容易翻车的不是 API,而是这些细节:maxZoom、环绕向、id: null、瓦片队列竞争、rendercomplete 不可靠、Overlay 的 transform 叠加。
  • 底图出问题时先查网络返回内容,别先改代码。ERR_BLOCKED_BY_ORB 往往只是"服务器返回了非预期内容"的表象。

完整可运行示例(含性能面板、漫游帧率测试、点击属性气泡、底图切换)都在一个 index.html 里,ol.min.js 与 geojson-vt.js 本地引入,双击打开或 python -m http.server 起个静态服务即可。

相关推荐
Keith Guo3 小时前
ESP32-S31芯片架构中文件系统在不同的Flash的位置对PSRAM的性能影响
性能优化·架构·esp32
JMchen1238 小时前
【Android 性能优化实战 60 讲】12 异步 Inflate 实战与痛击:源码拆解原生瓶颈,手写增强版布局预加载框架
android·性能优化·实战·启动优化·异步inflate·x2c
Flynt21 小时前
Java4Shell 实测:EPYC 一跑就中招,关掉 Base64 硬件加速,1KB 解码慢 14 倍
java·安全·性能优化
利威尔xu1 天前
PostgreSQL 索引失效 4 类:函数运算让查询全表扫描拖垮性能
开发语言·数据库·postgresql·性能优化·索引优化
爱写Bug的浮游2 天前
C++移动构造真的比拷贝快吗
c++·性能优化
Flynn Liang2 天前
Java 虚拟线程别乱用:I/O 密集型服务的线程模型与并发度计算
java·spring boot·性能优化·高并发·线程池·虚拟线程
Flynn Liang3 天前
I/O 密集型高并发实战:Java 服务 10 维优化,从线程打满到 10 万 QPS
java·spring boot·性能优化·高并发·系统设计·虚拟线程·io密集型
隔窗听雨眠3 天前
Spring Boot启动提速的机制剖析与调优路径
性能优化·springboot·后端开发
码间留白3 天前
AI 给的两个方案都被我否了:把 startIcon 与启动遮罩做成同一张图,鸿蒙 APP 冷启动零白屏
性能优化·uni-app·ai编程·harmonyos