renderHighcharts 与 renderUI；渲染多个图时哪一个更快

Question

我正在构建一个应用程序，它有时会在网格布局中呈现 7-16 个 Highcharts。 这些 Highcharts 的渲染速度相当慢，我正在努力使其更快。

现在我正在使用 renderUI()、htmlOutput() 和 highcharter::hw_grid() 来渲染图表。 （参见代码块 1） 我发现了这个帖子，他们在那里尝试首先使用 highcharter::renderHighchart() 渲染图形，然后在 renderUI() 函数中使用 highcharter::higchartOutput() 来提高性能。我对代码进行了一些更改，以便它的输出与我的第一个版本中的相同，但想法应该保持不变。（参见代码块 2）

我现在已经在两个闪亮的应用程序中实现了两个版本并尝试评估他们与专业人士。我对 profvis 很陌生，我不知道在哪里可以准确地比较这两个选项。所以我刚刚查看了 RunApp() 花费的总时间。我使用 renderUI() 和 htmlOutput() 的第一个版本似乎比第二个版本更快。这与前面提到的帖子的结果相矛盾。

现在我想知道哪些选项更快以及为什么。我是否应该将代码从版本 1 更改为版本 2 以提高性能？

代码块 1

samp <- sample(5000, 100, replace = TRUE)
library("highcharter")
library(shiny)

ui <- shinyUI(fluidPage(
    htmlOutput('plots')
))



server <- shinyServer(function(input, output) {
    

    
    output$plots <- renderUI({
        
        output=list()
        for (i in 1:50) {
            n <- i # Make local variable
            plotname <- paste("plot", n , sep="")
            
            output[[plotname]] <- 
                highchart() %>%
                hc_chart(type = "column") %>%
                hc_title(text = "renderHighchart()") %>%
                hc_xAxis(categories = seq_along(samp)) %>%
                hc_add_series(
                    data = samp,
                    name = "Downloads"
                )
        }
        hw_grid(output,ncol=3)
    })
})

app=shinyApp(ui=ui,server=server)

profvis::profvis(runApp(app))

代码块 2

samp <- sample(5000, 100, replace = TRUE)
library("highcharter")
library(shiny)


ui <- shinyUI(fluidPage(
    uiOutput('plots')
))


server <- shinyServer(function(input, output) {
    
    n.col <- 3
    
    output$plots <- renderUI({
        col.width <- round(12/n.col) # Calculate bootstrap column width
        n.row <- ceiling(50/n.col) # calculate number of rows
        cnter <<- 0 # Counter variable
        
        # Create row with columns
        rows  <- lapply(1:n.row,function(row.num){
            cols  <- lapply(1:n.col, function(i) {
                cnter    <<- cnter + 1
                plotname <- paste("plot", cnter, sep="")
                column(col.width, highchartOutput(plotname))
            }) 
            fluidRow( do.call(tagList, cols) )
        })
        
        do.call(tagList, rows)
    })
    
    for (i in 1:50) {
        local({
            n <- i # Make local variable
            plotname <- paste("plot", n , sep="")
            output[[plotname]] <- renderHighchart({
                highchart() %>%
                    hc_chart(type = "column") %>%
                    hc_title(text = "renderHighchart()") %>%
                    hc_xAxis(categories = seq_along(samp)) %>%
                    hc_add_series(
                        data = samp,
                        name = "Downloads"
                    )
            })
        })
    }
})

app=shinyApp(ui=ui,server=server)

profvis::profvis(runApp(app))

Answer 1

我现在已将这两个选项放在一个应用程序中

samp <- sample(5000, 100, replace = TRUE)
library("highcharter")
library(shiny)


ui <- shinyUI(
    fluidPage(
    fluidRow(uiOutput('plots')),
    fluidRow(htmlOutput('rUI')))
)


server <- shinyServer(function(input, output) {
    
    n.col <- 3
    
    output$plots <- renderUI({
        col.width <- round(12/n.col) # Calculate bootstrap column width
        n.row <- ceiling(50/n.col) # calculate number of rows
        cnter <<- 0 # Counter variable
        
        # Create row with columns
        rows  <- lapply(1:n.row,function(row.num){
            cols  <- lapply(1:n.col, function(i) {
                cnter    <<- cnter + 1
                plotname <- paste("plot", cnter, sep="")
                column(col.width, highchartOutput(plotname))
            }) 
            fluidRow( do.call(tagList, cols) )
        })
        
        do.call(tagList, rows)
    })
    
    for (i in 1:50) {
        local({
            n <- i # Make local variable
            plotname <- paste("plot", n , sep="")
            output[[plotname]] <- renderHighchart({
                highchart() %>%
                    hc_chart(type = "column") %>%
                    hc_title(text = "renderHighchart()") %>%
                    hc_xAxis(categories = seq_along(samp)) %>%
                    hc_add_series(
                        data = samp,
                        name = "Downloads"
                    )
            })
        })
    }
    
    output$rUI <- renderUI({
        
        output=list()
        for (i in 1:50) {
            n <- i # Make local variable
            plotname <- paste("plot", n , sep="")
            
            output[[plotname]] <- 
                highchart() %>%
                hc_chart(type = "column") %>%
                hc_title(text = "renderUI") %>%
                hc_xAxis(categories = seq_along(samp)) %>%
                hc_add_series(
                    data = samp,
                    name = "Downloads"
                )
        }
        hw_grid(output,ncol=3)
    })
})

app=shinyApp(ui=ui,server=server)

profvis::profvis(runApp(app))

如果我现在查看 profvis 中 output$plots 和 output$rUi 的聚合时间，我可以看到聚合时间对于 output$plots 确实更快