Cesium 加载 MVT 矢量瓦片:核心原理、方案选型与性能优化指南
前段时间处理一个区域三维可视化项目,后端直接甩过来一份 GeoJSON,一个区县范围动不动十几 MB,Cesium 加载以后浏览器直接卡成 PPT,缩放拖拽都要等半天。后来把数据切片成 MVT(Mapbox Vector Tiles,矢量瓦片)按需加载,才算把性能和体验都救了回来。这篇把我在 Cesium 里加载 MVT 的完整思路、方案选型和踩坑记录整理一下,给打算用矢量瓦片的同学做个参照。
1. MVT 格式本质:为什么矢量瓦片越来越流行
1.1 一句话认识 MVT
MVT 的全称是 Mapbox Vector Tile,是 Mapbox 提出的一套矢量瓦片规范,后来在 2015 年被 OSGeo 接纳为开放标准。它把地理范围按金字塔结构切分成若干张瓦片,但瓦片里存的不是像素,而是经过二进制编码的矢量几何数据(点、线、面)和属性数据。客户端拿到瓦片后自行渲染,因此放大不模糊、样式可动态替换,交互也比栅格瓦片灵活得多。
最关键的是,MVT 的编码压缩效率极高。它基于 Google Protocol Buffers(也就是 Protobuf)做序列化,字符串按字典存储,坐标用 ZigZag + Delta 编码压缩,体积往往只有同等 GeoJSON 的十分之一到二十分之一。这在处理大范围矢量数据时优势非常明显,也是我最终选择它的核心理由。
1.2 MVT 的内部结构:瓦片、图层、要素
MVT 的结构可以理解成一个三级嵌套:一张瓦片(Tile)里包含多个图层(Layer),每个图层里又包含多个要素(Feature)。
图层相当于一个要素集合,每个图层有名字,比如 road、building、water。地理语义相近的要素往往会放在同一个图层里,客户端可以根据图层名做单独控制。要素则包含几何和属性两部分,几何类型支持 Point、MultiPoint、LineString、MultiLineString、Polygon、MultiPolygon,基本上覆盖了矢量的全部形态。
这里要特别提一下坐标系统。MVT 瓦片的几何坐标并不是经纬度,而是瓦片局部坐标系,标准 extent 通常是 4096。也就是说,一张 256x256 的瓦片,内部坐标被划分成 4096x4096 的网格。这样设计的目的是让精度更高,但也意味着前端拿到几何后必须做一步坐标换算,否则画出来的东西位置完全不对。后面实操部分我会专门演示这个换算过程。
1.3 MVT 和 GeoJSON、栅格瓦片的对比
很多同学会问:GeoJSON 用得好好的,为什么非得换成 MVT?我列过一张对比表,差别其实很直观。
| 对比项 | MVT 矢量瓦片 | GeoJSON | 栅格瓦片(PNG/WebP) |
|---|---|---|---|
| 数据体积 | 极小 | 大 | 小 |
| 矢量交互 | 支持 | 支持 | 不支持 |
| 动态换样式 | 支持 | 支持(需要重新加载) | 不支持 |
| 按需分块加载 | 天然支持 | 需要自己切 | 天然支持 |
| 前端渲染压力 | 中 | 小 | 小 |
| 调试难度 | 高(二进制) | 低 | 低 |
| 后端切片成本 | 低 | 无切片,但传输大 | 高 |
GeoJSON 最大的问题不是格式本身,而是它在海量数据面前体积太大。一次全量加载,网络传输慢、前端解析慢、Entity 创建也慢,三点叠加就是卡顿的根源。栅格瓦片虽然体积小、加载快,但样式是后端渲染定死的,前端没法做要素级交互,比如鼠标划过识别地块ID这种需求它完全做不到。MVT 正好卡在中间,既保留了矢量交互,又靠分块和压缩把体积控制住了。
1.4 MVT 适合解决什么问题
从我自己的实践看,MVT 特别适合下面几类场景。
一是大范围、大数据量的矢量展示。比如全省的道路网络、全国的基础地理图层,全量 GeoJSON 根本没法直接交给浏览器。切成 MVT 后,前端只加载当前视野范围内的瓦片,每张瓦片读取和解析成本都很低。
二是需要动态切换主题的场景。同一个 MVT 数据源,前端可以在运行时把道路的颜色、宽度、透明度全部改掉,不需要重新请求数据,这在做昼间/夜间模式时尤其方便。
三是需要做空间要素交互的场景。用户点击某个地块,前端能直接获取这个要素的属性数据。栅格瓦片做不到这一点,这也是很多业务系统最终倒向 MVT 的原因。
2. 三种加载 MVT 的方案,怎么选最合适
2.1 方案一:服务端转栅格,Cesium 直接加载
思路很简单:MVT 数据放在服务端,用 tileserver-gl、martin 这类工具把矢量瓦片实时渲染成 PNG 栅格瓦片,Cesium 端通过 UrlTemplateImageryProvider 加载普通栅格瓦片接口。
这个方案实现成本最低,代码量也最少,而且兼容性最好,不管 Cesium 几代版本都能跑。但它本质上是把 MVT 的矢量优势给“阉割”掉了,前端拿到的是图片,做不了要素点击,样式定制也受限于服务端渲染规则。适合那种只把地图当底图、不需要交互的业务,比如调度大屏里的背景地图。
2.2 方案二:MVT 转 GeoJSON,用 GeoJsonDataSource 加载
这是目前社区里用得最多的做法。前端用 @mapbox/vector-tile 这个库把 pbf 二进制解析出来,调用 feature.toGeoJSON() 转成 GeoJSON Feature,然后统一收集成一个 FeatureCollection,交给 Cesium 的 GeoJsonDataSource.load 去创建 Entity。
好处是链路非常清晰,Cesium 原生 API 就能搞定,不需要引入复杂的自定义渲染逻辑,项目里只要会 Cesium 基本操作的同学都能上手。缺点是 GeoJsonDataSource 内部是逐要素创建 Entity 的,要素数量一旦上去,性能就会明显下降。对于中低数据量、快速验证原型、交互要求一般的项目,这个方案足够用。
2.3 方案三:自定义 Primitive,按几何类型直接绘制
如果想要大数据量下的极致性能,就需要绕开 Entity 机制,自己解析 MVT 后把同类型几何合并,用 Cesium.Primitive 或 GeometryInstance 批量绘制。
这个方案性能最好,但开发成本也最高。你需要自己处理坐标换算、几何合并、多边形环绕顺序、材质覆盖、视野裁剪等等问题,很多细节在网上找不到现成答案。适合数字孪生、大屏指挥中心这类需要海量数据且性能要求极高的项目。
2.4 我建议的选型逻辑
我的经验是:项目初期不要一上来就追求 Primitive。先用方案二把 MVT 解析工具层做好,跑通业务效果,然后再根据实际帧率决定要不要向方案三迁移。多数业务场景下,方案二配合瓦片缓存和数量控制,是性价比最高的选择。如果一开始就啃 Primitive,很容易陷入几何调试的海洋,业务迟迟出不了成果。
我整理了一个简单的选型思路供参考:
| 判断条件 | 推荐方案 |
|---|---|
| 只需要底图,无交互 | 方案一:服务端转栅格 |
| 交互为主,单屏要素 5000 以内 | 方案二:GeoJsonDataSource |
| 单屏要素 5000 以上,或需要动画高性能 | 方案三:自定义 Primitive |
| 团队对 Cesium 底层不熟,想快速上线 | 方案二,后续再升级 |
3. 实操:在 Cesium 里一步步加载 MVT
3.1 准备数据与依赖
第一步先把数据源搞定,MVT 服务要返回标准的 pbf 二进制,接口形式一般是 https://your-host/tiles/{z}/{x}/{y}.pbf。如果你手头只有 GeoJSON,也可以先用 geojson-vt 在服务端切片成 MVT,或者用 tippecanoe 离线切片再发布。
前端依赖安装两个库就够了:
pbf 负责解析 Protobuf,@mapbox/vector-tile 负责把二进制数据抽象成瓦片、图层、要素对象。另外建议装一个 @mapbox/tilebelt,用来做经纬度和瓦片编号的换算,非常省事。
Cesium 版本我建议用 1.98 以上,新一些的版本对 GeoJsonDataSource 的加载和渲染稳定性更好。我这里用的是 1.107,实测没有问题。
3.2 核心流程总览
整个加载链路按顺序拆开是这样:
- 根据当前相机视野,计算出需要加载哪些 z/x/y 瓦片
- 对每个瓦片发 fetch 请求,拿到 arrayBuffer
- 用 pbf + vector-tile 解析出图层和要素
- 把每个要素转成 GeoJSON Feature
- 收集成一个 FeatureCollection,交给 GeoJsonDataSource 加载
- 把瓦片数据源缓存起来,相机移动后清理视野外的瓦片
核心难点在第 1 步和第 4 步。第 1 步需要理解 Cesium 的相机坐标系,第 4 步需要注意 toGeoJSON 的参数是瓦片编号 z/x/y,不是经纬度。
3.3 关键代码实现:计算视野内瓦片范围
先看怎么根据相机视野计算瓦片范围。我一般用 camera.computeViewRectangle 拿到当前视角对应的经纬度矩形,然后用 tilebelt 换算成瓦片编号。
这里 zoom 怎么定?最简单的方式是根据相机高度估算,也可以用 Cesium 的分屏器计算。我在项目里用的是高度估算法,经验公式大致是:zoom 越小,视野越广;zoom 越大,视野越细。你可以在 camera.changed 事件里打印 camera.positionCartographic.height,对照你想要加载的数据量,调出一个适合自己项目的经验值。这个值不需要特别精确,因为后面的瓦片缓存机制会把重复请求挡住。
3.4 关键代码实现:解析 MVT 并转 GeoJSON
拿到瓦片编号后,重点来了——把 pbf 二进制解析成 GeoJSON。这一步是整个方案的核心,理解了这段代码,后续就畅通了。
很多刚接触 MVT 的同学会在 toGeoJSON 这里踩坑,误以为参数要传坐标范围,其实这里需要的就是瓦片编号 x/y/z。vector-tile 内部会自动计算当前瓦片的经纬度范围,把局部坐标换算成真实经纬度,这个细节务必记住。
3.5 关键代码实现:加载到 Cesium 并动态设置样式
解析完成后,后续就是 Cesium 的常规操作了。把 FeatureCollection 交给 GeoJsonDataSource.load,设置默认样式,然后遍历 entities 根据属性重新设置颜色。
有一点需要注意,GeoJsonDataSource 加载后的 entity.properties 是 Cesium 的 PropertyBag 类型,直接取属性值需要调用 getValue(JulianDate.now())。如果属性是普通字符串或数值,也可以直接引用,但为了稳妥,统一用 getValue 方式处理最不容易出错。
3.6 瓦片缓存与视野外清理
如果每次相机一移动就反复请求瓦片,性能和网络压力都很差。这里加一个简单的 Map 缓存,同时监听 camera.moveEnd,在移动结束后清理视野外的瓦片。
移动结束事件里一次最多加载 16 张瓦片,这是一个经验值。加载太多,解析和建 Entity 的任务积压,反而会让场景卡顿。你可以根据机器性能适当调大或调小。
3.7 性能调优的四个要点
第一,控制 Entity 总量。GeoJsonDataSource 是逐个建 Entity 的,单场景超过两三万个 Entity,普通电脑就会明显掉帧。建议在加载瓦片时统计要素数量,超过阈值就跳过细粒度要素,或者做抽稀。
第二,用 requestRenderMode 模式。Cesium 默认是持续渲染,即使画面没变化也在消耗 GPU。开启 requestRenderMode 后,只有场景变化或数据更新时才重新渲染,对 CPU 和 GPU 占用都有帮助。
第三,合并同类几何。如果同一个瓦片里有很多小多边形,可以先合并成一个 MultiPolygon 再交给 Cesium,Entity 数量会大幅下降。这个操作可以在解析 MVT 时顺手完成,后端如果支持输出合并后的集合,效果更好。
第四,控制并发请求。sessionStorage、浏览器同一域名并发限制通常在 6 个左右。一次性发 20 个瓦片请求并不会让整体速度变快,反而会阻塞后续请求。用 Promise 并发控制,一次处理 4 到 6 个,整体体验是最稳的。
4. 踩坑实录:这些问题我替你先试过了
4.1 坐标偏移严重,要素跑到了地图外面
我第一次接入 MVT 时,加载出的道路线直接偏了半个中国,当时第一反应是代码写错了。排查后发现,数据源本身是 EPSG:3857(Web Mercator)投影,而地图底图用的坐标基准或者后端切片参数不统一,导致换算结果完全不对。
解决办法是在服务端把数据源投影标准化。如果数据源是 3857,前端 toGeoJSON 默认会转成 WGS84 经纬度,这是常规流程。但如果你用的是 4326 切片的数据源,则需要额外的坐标翻转逻辑,不能直接套标准解法。
建议在一开始做数据对接时,就和后端明确约定切片的投影、extent、瓦片编号规则,把这些写进接口文档。坐标系的坑,越早约定越省心。
4.2 多边形填充错乱,孔洞变成实心
MVT 解析后的多边形渲染出来颜色像“打翻了的调色盘”,有些面填充到孔洞里,河流显示成块状,这是因为多边形的顶点环绕顺序(winding order)不正确。Cesium 在默认情况下要求多边形的外环是逆时针方向、内环是顺时针方向,如果 MVT 里的几何顺序恰好相反,填充就会被反算。
GeoJsonDataSource 加载时会自动做一部分容错处理,所以方案二遇到这个问题概率较低。但如果你升级到自定义 Primitive,这一块就要自己处理了。可以写一个简单的方向校正函数,遍历 Polygon 的坐标组,用鞋带公式判断方向,不对就反转。
4.3 样式颜色不对,明明设置了 fill 还是默认蓝
这个问题很经典。MVT 数据本身是按照一套 Mapbox Style Spec 来配色的,但 Cesium 的 GeoJsonDataSource 并不认识这套规范,它会统一套用 load 方法里的 fill、stroke 参数。结果就是所有要素都是同一个颜色,跟你在 Mapbox 里看到的效果天差地别。
解决思路是放弃“一次 load 全部设置样式”的做法,改为加载完成后按属性或者按图层名逐个设置。
这算是 Cesium 加载 MVT 时绕不开的一个环节,也侧面说明用 Cesium 做矢量底图,不如 Mapbox GL JS 那么“开箱即用”。
4.4 瓦片加载越多帧率越差,最终直接卡死
我遇到过这样一个场景:瓦片加载逻辑写完后,整个地图滑几下就卡死了,打开浏览器性能面板一看,Entity 数量破了两万,渲染引擎一直在做几何更新。
这个问题的本质是方案二的天花板被触碰了。我的处理分三步:第一步,降低最大加载瓦片数量,比如一次只处理 9 张或 16 张;第二步,开启 requestRenderMode,减少不必要的渲染帧;第三步,对数据做抽稀,过滤掉过小或者非关键的要素。
如果这三步做完仍然卡顿,那就说明业务的数据量确实超过了 GeoJsonDataSource 的能力边界,此时再考虑迁移到自定义 Primitive。我的经验是:单屏要素超过 5000 就要开始关注性能,超过 20000 就要立刻启动优化。
4.5 相机移动后老瓦片不清除,要素越堆越多
这是缓存逻辑没写好的典型表现。viewer 里的 dataSource 只增不减,每次移动都加载新瓦片,老瓦片一直挂着,内存和渲染压力越来越大。
解决办法就是前面代码里的 clearInvisibleTiles,在相机移动结束时算一次当前可见瓦片集合,用一个 Set 保存可见 key,遍历缓存表删掉不在集合里的项。这个逻辑写起来不难,但千万别忘了,否则项目跑长了必出问题。
4.6 网络异常和空瓦片处理
MVT 服务在数据稀疏区域会返回 404 或者空 pbf,这是正常现象。空瓦片直接跳过,不要报错中断整个流程;404 的瓦片也不要立刻缓存失败状态,否则移动相机回来后又要重复请求。我的做法是给失败请求加一个短期重试标记,比如 30 秒内不再请求同一瓦片,超时后重新尝试。
5. 一些额外的实操建议
如果你看完上面的内容,决定在项目里引入 MVT,我再补充几个贯穿始终的经验。
第一个建议是做好工具层抽象。把 fetchMvtToGeoJson、getVisibleTiles、loadTileWithCache 这些函数封装成一个独立的 mvt-loader 模块,不要散落在业务代码里。后续不管是换 Cesium 版本,还是迁移到自定义 Primitive 方案,这个工具层都可以原样复用,迁移成本会低很多。
第二个建议是重视瓦片数据的调试。写一个简单的瓦片查看器,输入 z/x/y 编号,能直接打印出该瓦片的图层、要素数、属性字段。MVT 是二进制格式,直接看数据看不出问题,这个调试工具能帮你省下大量排查时间。
第三个建议是性能优化要先用数据说话。不要凭感觉调参数,先在浏览器 Performance 面板里记录 Entity 创建时间、渲染帧率、内存占用曲线,找到真正的瓶颈,再针对性优化。很多时候卡顿的原因不在解析层面,而在 Entity 数量或样式更新策略上。
第四个建议是不要过早追求方案三。Primitive 路线不是不能碰,而是在项目初期、数据量还没有明确压力的情况下,投入产出比太低。先用 GeoJsonDataSource 把业务跑起来,积累一段真实运行数据,再决定要不要重构成 Primitive,这是更稳妥的路径。
MVT 在 Cesium 里的接入其实没有想象中那么神秘,关键就是搞清楚坐标换算、瓦片缓存、样式控制这几个核心点。把这几个点逐个击破,后续无论数据量膨胀到多大,你都会有一条清晰的优化路径可以走。