Cesium添加万级Billboard数据及性能测试优化

一度一度2021年11月3日大约 5 分钟

由于飞行架次一般都是万级数据在地图的显示，所以这次做了万级数据的显示测试，主要用于测试Cesium渲染效率及表现，方便后续做数据接入。

本文主要学习和参考：Cesium | 海量点的加载与性能优化 https://juejin.cn/post/6972420331982028837, 欢迎点击原文阅读。

输出本篇文章主要是为记录测试和学习的过程，毕竟好久没有水一篇正经文章了。。。

测试说明

本次测试的主要数据来源： pointList.json文件中的10000条测试数据
drawMarkers函数作为10000条数据的绘制入口，对每个点的坐标添加随机数处理，避免点多次重合
循环调用n次drawMarkers，以实现n * 10000 点效果

工具：

主要使用的是Chrome自带的Performance分析工具。第一次使用它，也是第一次做性能方面的分析，感觉比较新鲜，哈哈

实体添加方式

Cesium 本身是支持两种常见方式创建Billboard(本文又称标记点）。由于初次开发时主要用于航线的起止点标记显示，一般也就2个点，所以并未对添加方式做深入探讨，直接选用了通过实体的添加方式，即调用Viewer.Entities.add()添加billboard实例。

实际使用时做了封装处理，这里展示核心代码：

class Marker {
    constructor(options) {
        this.init(options)
    }
    init(options) {
        const cartesian = toCesiumCartesian3(options.position);
        viewer.entities.add({
          position: cartesian,
          billboard: {
            image: './1.png',
            pixelOffset: new Cesium.Cartesian2(0,0),
            width:  20,
            height: 20,
            rotation: 0,
          },
        });
    }
}

创建过程

代码实现

import pointList from './pointList.json'

const drawMarkers = ()=> {
  pointList.forEach((point:any) => {
    const marker = new Marker({
        position: {
          lat: point.lat + Math.random()*0.0001,
          lng: point.lng + Math.random()*0.0001,
          alt: point.alt + Math.random()*200,
        }
    })
  });  
}

for(let i = 0; i < 10; ++) {
    drawMarkers()
}

从第一次调用drawMarkers，到billboard批量显示，约10s
该实例共循环调用十次drawMarkers方法，每一个drawMarkers函数运行10000条数据的实体添加
drawMarkers循环调用entities.add创建billboard
每次drawMarkers调用耗时在530ms~650ms之间

使用过高德地图API的应该知道，高德地图的常用标记点有Marker，以及海量点MassMarks。实际上，通过Entities.add添加的billboard，与Marker类似，拥有更多的属性及方法可以被调用；那么Cesium是否可以创建一种压缩版的Marker，从而达到类似海量点的效果呢？答案是肯定的——通过primitives.add添加BillboardCollection，然后调用BillboardCollection.add创建billboard。

type MassMarksOptions = {
  zIndex?: number,
  opacity?: number,
  zooms?: [],
  cursor?: string,
  alwaysRender?: false,
  style?: StyleObjectOptions 
}
type StyleObjectOptions = {
  anchor?: [number, number],
  url?: string,
  size?: [number, number],
  rotation?: number
}
type MassMarkData = {
  lnglat: [number, number, number | undefined], 
  name: string,
  id: string| number
}
class MassMarks {
  private points:MassMarkData[];
  private entity:Cesium.BillboardCollection;
  private style: StyleObjectOptions;
  constructor(options:MassMarksOptions) {
    this.entity = scene.primitives.add(new Cesium.BillboardCollection());
    this.style = options.style || { url: '', size: [20, 20] };
  }

  setData(markData:MassMarkData[]) {
    this.points = markData
    for (let i = 0;i < markData.length; i++) {
      const point = markData[i];
      const [ lng, lat, alt ] = point.lnglat
      const cartesian3: Cesium.Cartesian3 = toCesiumCartesian3({ lat, lng, alt: alt || 0 })
      const billboard = this.entity.add({
        position : cartesian3,
        image: this.style.url || '',
      })
      billboard.id = point.id
      this.idMap[point.id] = i
    }
  }
}

接口及参数描述可以参考高德API, 这里不再赘述。

在这里的实现，核心代码是setData方法，它主要：

循环markData中的元素
处理markData中的元素的坐标
调用Cesium.BillboardCollection.add()创建一个billboard对象。

整体效果

当前通过primitives添加billboard，从开始创建，到显示完成，合计用时约1.3s。效果整体如下：

创建过程

实现代码：

import pointList from './pointList.json'

let i = 0
let allMarkers = []
const drawMarkers = ()=> {
  // 处理数据为MassMarkData数组
  const maskData:MassMarkData[] = pointList.map((point:any) => {
    return {
      id: point.id + '_' + index,
      name: point.name + index,
      lnglat: [ point.lon + Math.random()*0.001, point.lat + Math.random()*0.001, Math.random()*200, ]
    }
  });
  allMarkers = allMarkers.concat(maskData)
}

for(let i = 0; i < 10; ++) {
    drawMarkers()
}

const massMask = new MassMarks({
    style: {
        url: './1.png',
        size: [20,20],
    }
})
// 调用setData方法批量创建标记点
massMask.setData(allMarkers)

优化后，drawMarkers 不再直接调用绘制接口绘制billboard，而是处理数据格式后，将数据交给setData处理
每个setData循环数组中的10000条数据，每次循环调用Cesium.BillboardCollection.add添加一个billboard，并做一些标记操作（添加id等）
setData 执行共计耗时不到400ms

渲染过程

从创建完成，到Cesium结束渲染，共计耗时0.9s左右

总结

方式	实体方式	Primitives方式	优化提速
总计耗时	10s	1.3s	8倍
创建耗时	5s	0.4s	12倍
渲染耗时	5s	0.9s	5倍

可以看到，整体上的优化是比较明显的。从10s左右甚至以上显示，到1.3s显示，提升了8倍左右的速度。
在渲染完毕后，实体方式创建十万点后拖动地图会感受到明显的卡顿，且基本不能够流畅运行；而通过primitives方式，则较为流畅，且点数少的地方明显速度更快。
但是，目前直接的渲染十万个点，即使使用primitives方式创建，在点密集的地方，也会感受到比较明显的卡顿。

所以在实际运行过程，我还是倾向于推荐在大图时使用做点聚合显示的来对这种万级数量点做处理的，这里暂时不需要实现，后续有机会再去学习咯。

附

一张GPU 满载截图

100,000 挂在地图上の0

Cesium添加万级Billboard数据及性能测试优化

测试说明

实体添加方式

创建过程

渲染过程

优化：primitives添加方式

伪`MassMarks`实现：

标题4

标题5

标题6

整体效果

创建过程

渲染过程

总结

附