应用开发平台能力扩展——集成echarts组件实现图表展现能力

背景

图表展现能力是平台需具备的基础能力，目前echarts是最佳选择。
在早期版本的图表中，不同的图表样式，需要不同的数据格式，需要进行复杂封装才能易于使用。百度官方也意识到这个问题，在echarts 4.0版本提供了dataset属性支持，提供了统一的数据格式，也曾考虑基于这一新特性将常用图表进行封装。
后来，发现了饿了么团队出品的开源组件v-charts，统一提供了一种对前后端都友好的数据格式，只需设置简单的配置项，便可轻松生成常见的图表。
但v-charts停留在了vue2.x版本，vue3.x完全没有动静。
官方自己出了vue-echarts，本文从实战角度介绍下如何与平台进行集成，包括集成方案、具体实现和注意事项等。

技术预研

vue-echarts 官方地址
https://github.com/ecomfe/vue-echarts/blob/HEAD/README.zh-Hans.md

说明过于简单了，如果只看这里的资料，不了解echarts自身的概念和配置，集成和使用时会非常困难，推荐了解以下相关知识。

查看echarts图表官网文档，了解基本概念，如坐标轴、图例、数据集等
https://echarts.apache.org/handbook/zh/concepts/chart-size

查看echarts图表官网文档 配置说明
https://echarts.apache.org/zh/option.html#legend.top

集成目标

echarts提供了种类繁多的图表，大概有40多种大类，详见https://echarts.apache.org/examples/zh/index.html#chart-type-line。

在实际软件系统中，最常见最实用实际就是三大类型图表：折线图、柱状图、饼图。
平台的集成主要目标是实现这三大类图表集成。如某个特定的业务需求使用到了其他类型图表样式，也可以通过直接使用原生的echarts图表组件来实现。

注：对于企业应用而言，图表需求并非只有echarts这一种实现方式。实际复杂的报表需求，特别是管理驾驶舱，往往使用的是类似于帆软这种专门的报表工具。图表工具与报表工具，定位上有差异，但功能又有重叠。图表工具依托后端服务接口，前端进行友好展现，数据的查询、转换都在应用后端完成；而报表功能往往是直连数据库，进行报表模板的开发和部署，数据的查询、转换主要在报表应用端上完成，然后集成到应用系统中，实际的方式机制是不同的。

配置选项

要考虑集成方案，先了解下echarts图表组件现状，对于这三类图表的配置选项要求，具体如下：

饼图

option = {
  series: [
    {
      type: 'pie',
      data: [
        {
          value: 335,
          name: '直接访问'
        },
        {
          value: 234,
          name: '联盟广告'
        },
        {
          value: 1548,
          name: '搜索引擎'
        }
      ]
    }
  ]
};
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

柱状图

option = {
  xAxis: {
    data: ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun']
  },
  yAxis: {},
  series: [
    {
      type: 'bar',
      data: [23, 24, 18, 25, 27, 28, 25]
    }
  ]
};
1
2
3
4
5
6
7
8
9
10
11
12

折线图

option = {
  xAxis: {   
    data: ['A', 'B', 'C']
  },
  yAxis: {    
  },
  series: [
    {
      data: [120, 200, 150],
      type: 'line'
    }
  ]
};
1
2
3
4
5
6
7
8
9
10
11
12
13

配置分析

相同点

图表类型，统一放在series.type属性中

不同点

饼图则没有x轴和y轴的概念，在series.data里配置一个对象数组，name代表类目，value代表值
折线图和柱状图相同，基于直角坐标系，有x轴和y轴，xAxis.data类配置一个一维数组作为类目，series.data里配置一个一维数组作为值

集成方案

实现模式——传统模式VS数据集模式

基于上述分析，可以为饼图、柱状图和折线图各封装出一个组件来，组件内部提供默认设置，将关键属性，如数据data，属性option作为属性暴露，供调用方使用。
这种方式能走得通，但并非最佳方案。在最开始背景部分，提到过echart产品的演进。在早期版本的图表中，不同的图表样式，需要不同的数据格式，需要进行封装才能易于使用。官方也意识到这个问题，在echarts 4.0版本提供了dataset属性支持，提供了统一的数据格式。

使用数据集的优势主要自于将数据与配置分离，使数据可以多组件复用，以下引用官方说明：

数据集（dataset）是专门用来管理数据的组件。虽然每个系列都可以在 series.data 中设置数据，但是从 ECharts4 支持数据集开始，更推荐使用数据集来管理数据。因为这样，数据可以被多个组件复用，也方便进行 “数据和其他配置” 分离的配置风格。毕竟，在运行时，数据是最常改变的，而其他配置大多并不会改变。

在系列中设置数据
如果数据设置在 系列（series） 中，例如：

option = {
  xAxis: {
    type: 'category',
    data: ['Matcha Latte', 'Milk Tea', 'Cheese Cocoa', 'Walnut Brownie']
  },
  yAxis: {},
  series: [
    {
      type: 'bar',
      name: '2015',
      data: [89.3, 92.1, 94.4, 85.4]
    },
    {
      type: 'bar',
      name: '2016',
      data: [95.8, 89.4, 91.2, 76.9]
    },
    {
      type: 'bar',
      name: '2017',
      data: [97.7, 83.1, 92.5, 78.1]
    }
  ]
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

这种方式的优点是，适于对一些特殊的数据结构（如“树”、“图”、超大数据）进行一定的数据类型定制。 但是缺点是，常需要用户先处理数据，把数据分割设置到各个系列（和类目轴）中。此外，不利于多个系列共享一份数据，也不利于基于原始数据进行图表类型、系列的映射安排。
在数据集中设置数据
而数据设置在 数据集（dataset） 中，会有这些好处：

• 能够贴近数据可视化常见思维方式：（I）提供数据，（II）指定数据到视觉的映射，从而形成图表。
• 数据和其他配置可以被分离开来。数据常变，其他配置常不变。分开易于分别管理。
• 数据可以被多个系列或者组件复用，对于大数据量的场景，不必为每个系列创建一份数据。
• 支持更多的数据的常用格式，例如二维数组、对象数组等，一定程度上避免使用者为了数据格式而进行转换。

来源：https://echarts.apache.org/handbook/zh/concepts/dataset/

官方对于数据集的优势已经说得很清楚了，不再赘述，选择数据集模式的优势是显而易见的。

组件封装的必要性

官方的vue-echarts，实际已经对echarts进行了良好的封装，包括提供默认配置、对外暴露属性，以及提供事件和方法。
下面来探讨下二次封装的必要性，平台集成是否还需要再二次封装呢？
如果直接使用vue-echarts组件，则优点是该组件质量比较高，且以后还会持续更新，缺点是需要了解echarts的基本概念和配置信息，遵循echarts的规范和要求，有一定的学习成本。
如果二次封装，可以将echarts的配置信息给封装掉，例如为饼图专门封装一个组件，暴露一个属性data用来接收数据就好了，其他细节一概不管，由平台提供默认实现，缺点在于，将vue-echarts组件的属性、事件、方法再包装一层提供出去，价值和意义不大。
此外，vue-element-plus-admin框架自带的封装组件中，有对vue-echarts组件的二次封装，使用时只需要输入配置option和高度height即可。

考虑到官方vue-echarts自身封装质量高，灵活性和扩展性强，暂不进行封装，以后有了更明确的封装的必要性后再考虑二次封装。
同时，鉴于echart自身提供了数据集模式，以及提供了数据映射功能，因此专门封装前后端交互的vo对象这件事也不需要做了，完全可以复用现有的rest请求，返回实体的对象数组，在echarts中配置数据映射。

具体实现

安装

pnpm install echarts vue-echarts
1

注意，需要同时安装这两个，而不是只安装vue-echarts就行了。

引入

修改main.js文件，增加echarts的引入和初始化

// echart图表
import "echarts"
import ECharts from "vue-echarts"



// 创建实例
const setupAll = async () => {
  const app = createApp(App)
  略

  // echart图表
  app.component('v-chart', ECharts)

  app.mount('#app')
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

这里实际采用的全量引入模式，后面再优化，实现仅引入折线图、柱状图和饼图这三大类用到的图表，缩减体积。

使用

在前端项目modules目录下新建一个echart的目录，用于存放示例图表，在其下方创建了三个典型图表。并使用了平台的Portlet功能进行了定义。

可以直接通过拖动来配置为自己的桌面，如下图

最终效果如下：

以下是代码实现，注意使用了数据集的方式，

饼图：用户来源

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66

官网基于数据集和数据映射的内容介绍比较分散，实际还是需要自己多尝试修改下配置，来确认参数作用，实现最终效果。
注意点有两个地方。
一是数据映射，如下图。value：0代表将数据集dataset中第0列作为数据，itemName: 1代表将数据集dataset中第1列作为维度。映射错了图表很可能就显示残缺或干脆显示白屏。

encode: {
  tooltip: [0, 1],
  value: 0,
  itemName: 1
}
1
2
3
4
5

二是鼠标悬停某个区域时，浮动显示进一步信息，默认的配置是

如果想显示占比 ，需要自己重写formater方法，如下图所示

 tooltip: {
  trigger: 'item',
  formatter: function (params) {
    // 只返回第一列数据
    return params.data[0] + '(' + params.percent + '%)'
  }
}
1
2
3
4
5
6
7

效果如下：

显示效果确实不如官方默认的美观，不过还是可以进一步控制的，这里只是提供一种定制的思路。

这些内容是官网里没提到的，自己摸索，用console.log打印出了params信息，发现有了percent属性，就不用自己去做计算了。

周活跃用户数：柱状图

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41

注意以下属性必须有
xAxis: { type: ‘category’ },
yAxis: {},
要不然会报一个莫名奇妙的错误uncaught (in promise) Error: xAxis “0” not found

月销售量：折线图

下面实际是一个双折线图

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78

总结

从上面具体使用可以看出来，直接使用官方已经封装好的vue-echarts组件还是比较方便的，配置option是复杂多变的，二次封装的意义不大。在此基础上使用其他类型的图表，也很容易。

echarts自身的概念和配置选项不可避免要花点时间去了解和熟悉，总体而言学习成本还好，注意使用数据集模式。

开发平台资料

平台名称：一二三开发平台
简介： 企业级通用开发平台
设计资料：csdn专栏
开源地址：Gitee
开源协议：MIT
开源不易，欢迎收藏、点赞、评论。