G6 在 Next.js 中拖动画布出现重复渲染问题的解决方案
2025-05-20 19:13:55作者:江焘钦
问题现象
在使用 G6 5.0.19 版本开发 Next.js 应用时,开发者可能会遇到一个奇怪的现象:当拖动画布后,初始位置会留下一个完全相同的布局副本。这种现象会导致画面上出现两个完全一样的图形结构,严重影响用户体验和数据可视化效果。
问题根源
经过分析,这个问题主要与 Next.js 的开发环境特性有关。Next.js 默认启用了 React 的严格模式(Strict Mode),在开发环境下,组件的挂载(Mount)会执行两次。这种设计是为了帮助开发者发现潜在的问题,但它会导致 G6 图形实例被创建两次。
具体表现为:
- 第一次挂载时创建并渲染了一个 G6 实例
- 第二次挂载时又创建了另一个 G6 实例
- 两个实例共享同一个 DOM 容器,导致视觉上的重复渲染
解决方案
方案一:关闭严格模式(不推荐)
虽然可以通过修改 Next.js 配置关闭严格模式来解决问题,但这并不是推荐的做法,因为严格模式能帮助开发者发现许多潜在问题。
方案二:正确管理 G6 实例生命周期(推荐)
正确的做法是在组件卸载时销毁 G6 实例,确保每次渲染前清理之前的实例。以下是实现代码示例:
import { useEffect, useRef } from 'react';
import { Graph } from '@antv/g6';
const GraphComponent = () => {
const graphRef = useRef<Graph | null>(null);
useEffect(() => {
// 初始化图形
const initGraph = async () => {
const response = await fetch('你的数据源URL');
const data = await response.json();
// 如果已有实例则先销毁
if (graphRef.current) {
graphRef.current.destroy();
}
// 创建新实例
graphRef.current = new Graph({
container: 'container',
data,
// 其他配置...
});
graphRef.current.render();
};
initGraph();
// 组件卸载时销毁实例
return () => {
if (graphRef.current) {
graphRef.current.destroy();
graphRef.current = null;
}
};
}, []);
return <div id="container" />;
};
最佳实践建议
-
实例管理:始终使用 ref 来保存 G6 实例,确保在组件生命周期中能够正确访问和销毁它。
-
数据加载:将数据加载和图形初始化分离,确保数据就绪后再创建图形实例。
-
响应式设计:如果容器尺寸可能变化,需要监听 resize 事件并调用 graph.fitView()。
-
性能优化:对于复杂图形,考虑使用 web worker 处理布局计算,避免阻塞主线程。
-
错误处理:添加适当的错误处理逻辑,特别是网络请求和数据解析部分。
总结
在 Next.js 中使用 G6 时出现的重复渲染问题,本质上是由于 React 严格模式下的双重渲染机制与 G6 实例管理不当共同导致的。通过正确管理 G6 实例的生命周期,在组件卸载时销毁实例,可以彻底解决这个问题。这种解决方案不仅适用于 Next.js,对于其他 React 框架也同样有效。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217