本文首发于 NebulaGraph 公众号
前言图数据可视化是现代 Web 可视化技术中比较常见的一种展示方式，NebulaGraph Explorer 作为基于 NebulaGraph 的可视化产品，在可视化图数据领域，尤其是在图形渲染性能等领域积累了较丰富的经验。本文将系统性分享 NebulaGraph Explorer 在 3D 图数据展示上的一些应用。以下演示皆可在 https://explorer.nebula-graph.com.cn/explorer 在线试用。二维力导图目前业界常用的图数据展示都采用 2D 力导图的逻辑，如下图所示：
这种二维化的可视化模式，在图形语义上对物理世界数据进行了降维，通过点、边形状来描述实体和关系，符合人脑的习惯性直觉，简化了图数据的理解成本。D3-force，G6 等所采用的就是这样一种布局模式，也是大部分图类场景的基础算法。其布局的力导算法则是大部分基于经典的 Fruchterman 布局算法，模拟弹簧的胡克定律和物体的万有引力，制造相互牵引和排斥的力算法，再通过模拟冷却收敛，最终得到减少交叉、步长等距、点分离独立 的二维图布局。这也是可视化的基本诉求，即能够无遮挡地清晰查看各类繁杂的数据。然而，2D 场景并不一定适用所有场景，主要有以下原因：空间信息展示部分数据具有原生的空间坐标信息，且这部分信息也不可降维，如分子结构、经纬度的球坐标展示、具有层级高度的数据等。这类数据通过 3D 展示会更符合人的习惯和直觉。大数据量布局展示在较大的数据集情况下，由于 2D 没有深度，导致所有的数据需要被平铺在画布上，可以想象一个西瓜的所有西瓜籽平铺的情况，占地面积要远远大于西瓜本身。因此这种情况需要将数据本身信息可视化还原，就需要 3D 可视化技术来实现了。
图数据 3D 可视化图数据的 3D 可视化在逻辑上和 2D 比较像，我们一般依然是采用 2D 的 Fruchterman 力导图逻辑，也依然需要尽量避免交叉遮挡，但维度升了一维，逻辑复杂的也上升不少。因此我们重新自研了 3D 力导向算法来获得更好的效果和性能。可以看到下图同样的复杂网络关系中，3D 显示则会有较为明确的关系展示。提供不同角度的图结构
对于高密度的点边，可以像 3D 游戏一样，将视角转移，切换，观察到不同角度的图数据结构
相同的数据也可以有完全不同的可视化效果。提供鸟瞰视角
在 3D 鸟瞰情况下，可以将点再空间方向散射开，同样数据量下，画布能清晰的标识出节点团簇，也可以轻松的识别出超级节点。通过屏幕内的整体颜色分布，能大致看出来整个可视化图中的节点 Tag 占比。身临其境的体验感
用户可以再整个空间内搜索节点，直接定位到对应节点上，查看相关连的其余节点数据。高性能可视化目前我们的 3D 可视化可以支持 10w 点，10w 边同时渲染。渲染数量是由渲染性能，布局计算性能，内存占用，网络速率，NebulaGraph 性能等各方面因素综合决定的，上限主要由硬件和外部条件限制(网速，客户度机器配置，NebulaGraph机器性能)决定，下限则是由图形渲染及布局算法决定。我们为了提高下限，自研了图形渲染和布局算法部分，得到了较好的效果。海量数据渲染WebGL 是 web 端直接利用 GPU 进行渲染的方式。我们为了提高每一帧的图形渲染能力，在 3D 模式下采用 WebGL 来进行渲染。并且支持高低性能模式：
分别通过原生 shader 和 Mesh 绘制，用户可以根据自己电脑终端的硬件情况选择对应的渲染模式。其中高性能模式下，我们通过自研优化的 shader，利用 GPU 并行计算的能力，将一些渲染效果放到着色器中计算，极大的提高了渲染速率，让渲染性能不再成为瓶颈。这也基本上达到了目前浏览器的极限。快速算法布局在图布局算法方面，我们用八叉树优化了力导过程的算力消耗，并且针对使用 LinLog 模型对超级点进行了受力优化，由于算法性能消耗比较大，我们使用 Golang 对八叉树算法和力导算法进行了重写，最终可以支持在 20w 图元的情况下，预热完成后稳定在 1s 以下完成一次运算。
另外为了图布局计算不影响前台页面渲染，我们利用多个 worker 进程，将不同的 CPU 任务分布下去，这样木桶的各个短板不会影响渲染和交互的长板，用户在布局的时候依然可以灵活的操作。利用上述的一些手段，我们将 3D 可视化的性能几乎提升到浏览器极限，对于一些不大的图空间数据，完全可以一次性载入分析。后续方向由于 3D 模式的开发复杂度较 2D 提升较多，因此目前仅用于一种特殊的图数据展示方式。在未来，我们会综合实际的业务场景，进行更多的体验优化。时序及 GIS 领域的图布局映射图数据坐标到渲染中增加边的相关交互行为
原文链接：https://www.nebula-graph.com.cn/posts/dag-controller
交流图数据库技术？加入 NebulaGraph 交流群请先填写下你的 NebulaGraph 名片，NebulaGraph 小助手会拉你进群~~