对于超大数据量的接口来说，如果前端直接一股脑的渲染出来，必然会导致渲染超时、操作卡顿、内存爆表、网页奔溃等情况，因此一般的对于大数据量的列表处理，无非就以下几种方式

1. 采取分页的方式，减少每页的数量 比如每页10条
2. 采取懒加载的方式，滚到底部再加载第二页数据（缺陷就是后面会越来越卡）
3. 采用可见范围渲染的方式，这需要判断当且节点是否在可见范围（利用高度计算或者用IntersectionObserver）
4. 采用虚拟列表的方式（原理就是切片+滚动  让用户察觉不到）

由于我们的业务需要每次查看成千上万条数据，并需要对行数据进行各种操作，如下图

 

因此用分页是不满足需求的,一开始我也是直接采用渲染的方式，结果就是

 

 

这种结果肯定达不到上线的性能要求的，经过对比 我决定采用虚拟列表+滚动分页加载数据的方式来处理，最终优化后的性能达到2s内渲染完成。下面就将改造步骤和遇到的问题跟大家进行分享。

首先跟大家简单讲讲虚拟列表的原理,这里借用下网络上大神总结的图

 

简单说就是将大数据切片成只显示在可见范围内的一小段，然后结合容器的滚动事件不断地改变前后下标从而切割大数据，再结合缓冲区和填充以及requestAnimationFrame等api的运用让滚动更丝滑，让用户无感。

那具体怎么做呢？

1. 获取容器元素

 

 

1. 计算容器可视高度及上下padding 从而撑开容器

1. 监听容器的滚动事件，滚动的时候不断修改startIndex 和endIndex

 

以上都完成就能实现基本的虚拟滚动了，这里为了解决快速滚动出现白屏现象，采用了缓冲区的方式，往下滚动时设置了Math.floor(this.containerSize / 3)范围的缓冲，向上滚动的时候采用了startIndex>6就为6行缓存。同时解决全选和排序等table原有的功能。

改造了table的onChange方法：

排序：

全选：

首先定义了两个变量来存储全选的key和rows数据

 

其次通过onSelectAll事件来判断是否点击了全选按钮

那么我们怎么判断是否滚动到了当前数据的底部，从而再次获取数据呢？我的思路就是判断endIndex是否大于或等于了tableData.length  当然为了保证在一定高度就去请求新数据  我们这里不能直接判断  而应该使用一个缓冲数  比如 tableData.length-endIndex >=4  距离底部还有4行的时候就去请求数据，从而优化体验。具体代码就交给大家 自己实现啦，相信你一定行

至于table里每行的操作，比如input select radio 等如何保证修改后能保存呢，这里我充分利用了数组的浅拷贝，就是响应式的数据+computed+v-model 修改后依然会修改原数组的值 从而不需要在每行的input都增加@change事件，省了一大堆代码

 

看看chatGPT的解释