Konva作为优秀的Canvas渲染引擎之一,其内部存在很多优化策略,这些优化策略就是构建其高效的基石,批量渲染机制就是其中之一。批量渲染就是将多次更新操作合并为一次,减少渲染的次数。批量渲染机制在前端领域的应用非常广泛,像Vue、React等框架中都存在,例如Vue异步队列渲染等。
本篇文章探究Konva的渲染流程,Konva版本是v9.2.1。
在之前的Konva基本处理流程文章中,基本处理流程中并没有图形相关渲染的处理,实际上这部分的处理都在Stage、Layer等对象的add实例方法中触发的。
以下面的案例进行流程分析:
const stage = new Konva.Stage({
container: "root",
width: window.innerWidth,
height: window.innerHeight,
});
const layer = new Konva.Layer();
const WIDTH = 300;
const HEIGHT = 300;
function generateNode() {
return new Konva.Circle({
x: WIDTH * Math.random(),
y: HEIGHT * Math.random(),
radius: 50,
fill: "red",
stroke: "black",
});
}
// 创建10个圆形图形
for (var i = 0; i < 10; i++) {
layer.add(generateNode());
}
stage.add(layer);
Layer、Stage容器类都具备add实例方法,相关的处理逻辑就需要具体分析。首先看Layer类的add实例方法处理逻辑,Layer继承自Container,其处理逻辑就是Container的实例方法,其处理逻辑具体如下:
add(...children) {
...
const child = children[0];
this.getChildren().push(child);
...
this._requestDraw();
}
将图形对象添加到layer对象中,然后调用requestDraw实例方法,该方法的逻辑如下:
_requestDraw() {
if (Konva$2.autoDrawEnabled) {
const drawNode = this.getLayer() || this.getStage();
drawNode === null || drawNode === void 0 ? void 0 : drawNode.batchDraw();
}
}
如果Konvak开启autoDrawEnabled渲染属性,即自动渲染时就会调用layer对象或者stage对象的batchDraw实例方法,即批量渲染。layer对象的batchDraw实例方法的逻辑如下:
Util = {
requestAnimFrame(callback) {
animQueue.push(callback);
if (animQueue.length === 1) {
window.requestAnimationFrame(function () {
const queue = animQueue;
animQueue = [];
queue.forEach(function (cb) { cb(); });
});
}
}
}
batchDraw() {
if (!this._waitingForDraw) {
this._waitingForDraw = true;
Util.requestAnimFrame(() => {
this.draw();
this._waitingForDraw = false;
});
}
return this;
}
从上面代码可知,完全可以知道Konva批量渲染机制的大概处理流程:
从这个流程出发,再去看Stage的add实例方法,相关逻辑如下:
add(layer) {
...
super.add(layer);
...
// draw layer and append canvas to container
layer.draw();
if (Konva$2.isBrowser) {
this.content.appendChild(layer.canvas._canvas);
}
...
}
Stage的add实例方法的主要逻辑如下三点:
无论是Stage还是Layer触发的渲染逻辑最后都是调用Layer的batchDraw,实际上在Konva中还有很多触发渲染的逻辑点,而batchDraw内部主要是调用Layer的draw方法来实现具体的渲染工作,具体逻辑如下:
draw() {
// 绘制图形到SceneCanvas
this.drawScene();
// 绘制图形到HitCanvas
this.drawHit();
}
实际上后续图形的绘制实际上是调用每个Shape的相应方法实现的,这里的处理逻辑就不展开。这里需要额外说明的是:Canvas渲染元素是全量渲染,即每次都需清空画布并重新绘制所有图形,实际上存在局部渲染的优化手段,但是在Konva中并没有相关机制,渲染方式是全量渲染,即内部会遍历所有图形对象一一绘制
Konva对于图形的更新渲染逻辑与初始化时渲染逻辑是相同的,最后都会通过batchDraw来实现绘制逻辑,只是触发的来源不同而已。关于Konva的批量渲染机制需要注意如下几点:
局部渲染是通过clip等手段来实现绘制变更区域的机制,对于大数据量下图形渲染非常有效,但相应的增加额外的判断逻辑。需要注意的是Konva底层并没有相关的局部渲染机制,每一次更新操作触发的都是全量渲染。不可否认是局部渲染可以大大提高渲染性能,但是其增加了计算逻辑,有些场景下可能比全量渲染性能还差。
那么Konva对于大数据量下相关场景的渲染处理就很差吗?实际上并不是,Konva的架构设计可以让开发者进行图形粒度的控制,开发者可以应用很多优化策略,比如: