在绝大多数Highcharts项目中，开发人员都会经历这样一个过程：

从数据库查询数据 →转换为JSON格式 →重新组织为series.data →最后渲染图表。

例如：

数据库中的数据可能是：

Year	Revenue	Cost
2020	12	8
2021	15	10
2022	18	12
2023	22	15

而最终为了适配图表，开发人员通常需要转换成：

series: [{
    name: 'Revenue',
    data: [12,15,18,22]
},{
    name: 'Cost',
    data: [8,10,12,15]
}]

看似简单，但在企业级项目中，这种方式会带来大量重复工作：

• 数据转换代码越来越多

• 多个图表重复使用同一数据源

• API返回结构频繁变化

• 数据维护成本不断增加

在Highcharts V13中，官方推出全新的 DataTable数据模型，让图表第一次能够直接理解表格数据。

这不仅仅是一个新的数据接口，更代表Highcharts正在从“图表组件”向“数据驱动可视化平台”演进。

为什么Series.Data逐渐暴露局限性？

过去十多年中：

series.data

一直是Highcharts最经典的数据配置方式。

例如：

series: [{
    data: [29, 71, 106, 129]
}]

对于演示案例非常方便。

但在真实业务系统中，数据往往来自：

• MySQL

• Oracle

• PostgreSQL

• SQL Server

• REST API

• CSV文件

• Excel文件

• 数据仓库

• BI平台

这些数据天然就是：表格结构（Tabular Data）而不是Series结构。

开发者不得不进行大量转换工作。

本质上：图表在适应数据，而不是数据驱动图表。

DataTable：让数据保持原来的样子

Highcharts V13引入全新的：

Highcharts.DataTable

开发者可以直接使用表格数据。

例如：

const dataTable =
new Highcharts.DataTable({
    columns: {
        Year: [2020,2021,2022,2023],
        Cost: [11,13,12,14],
        Revenue: [12,15,14,18]
    }
});

这里的数据结构与数据库表结构高度一致。

不需要拆分。

不需要转换。

不需要重新组织。

一张表驱动多个系列

DataTable最大的优势之一是：一个数据源驱动多个Series。

例如：

Highcharts.chart('container', {

    dataTable,

    plotOptions: {
        series: {
            dataMapping: {
                x: 'Year'
            }
        }
    },

    series: [{
        dataMapping: {
            y: 'Cost'
        }
    },{
        dataMapping: {
            y: 'Revenue'
        }
    }]
});

这里：

Year

作为共享X轴。

Cost
Revenue

分别映射为两个系列。

最终生成：

• 成本趋势线

• 收入趋势线

整个过程无需重复数据数组。

Data Mapping：图表与数据的桥梁

DataTable真正的核心能力并不是表格本身。

而是：

dataMapping

映射机制。

例如：

dataMapping: {
    x: 'Year',
    y: 'Revenue'
}

意味着：

数据列	图表字段
Year	X轴
Revenue	Y轴

开发者无需关心数据存储方式。

只需告诉Highcharts：

哪一列代表什么。

这与现代BI工具的数据建模思路非常接近。

自动映射机制

如果数据列名称符合标准命名规范：

columns: {
    x: [...],
    y: [...],
    name: [...]
}

Highcharts甚至可以自动识别。

无需额外配置：

dataMapping

直接完成映射。

进一步减少代码量。

Chart级DataTable

在V13中：

DataTable可以挂载到整个图表。

例如：

Highcharts.chart('container', {
    dataTable: dataTable
});

优势：所有Series共享同一数据源。

特别适合：

• BI报表

• 数据驾驶舱

• 分析平台

等场景。

Series级DataTable

如果某些Series拥有独立数据源。

也可以：

series: [{
    dataTable: ...
}]

例如：

series: [{
    name: 'Revenue',
    dataTable: revenueTable
},{
    name: 'Cost',
    dataTable: costTable
}]

这样：每个Series独立维护，适用于复杂业务场景。

TypedArray支持：性能进一步提升

对于工业互联网和金融系统而言：

性能始终是重点关注问题。

Highcharts V13允许：

Uint8Array
Uint16Array
Float32Array
Float64Array

等TypedArray直接作为列数据。

例如：

columns: {
    x: new Uint16Array([...]),
    y: new Uint8Array([...])
}

这意味着：

• 内存占用更低

• 数据处理效率更高

• 浏览器垃圾回收压力更小

尤其适合：

• 实时监控

• 高频数据采集

• 大规模数据分析

场景。

50万数据点性能提升约20%

根据Highcharts官方测试：

在结合Boost模块使用时：

500,000 Points

数据量场景下：

DataTable + TypedArray

相比传统：

series.data

方案可获得约：

20%
Performance Gain

性能提升。

对于工业监控平台而言：

这是非常可观的优化。

为什么DataTable更适合企业项目？

传统模式：

数据库
 ↓
接口
 ↓
JSON
 ↓
转换
 ↓
Series
 ↓
图表

DataTable模式：

数据库
 ↓
DataTable
 ↓
Mapping
 ↓
图表

整个链路更短。

结构更清晰。

维护成本更低。

工业互联网应用场景

例如设备运行数据：

时间	温度	压力	电流
08:00	35	0.5	12
08:01	36	0.6	13

通过一个DataTable：

即可生成：

• 温度曲线

• 压力曲线

• 电流曲线

无需维护三套数据。

金融分析场景

股票数据：

Date	Open	High	Low	Close

可以直接映射：

• K线图

• 成交量图

• 技术指标图

实现统一数据管理。

BI与数据中台场景

对于企业数据中台而言：

一个数据集往往服务于：

• 柱状图

• 折线图

• 饼图

• 地图

过去需要分别转换。

现在：

一个DataTable即可支持多个视图。

真正实现：

一次建模，多处复用。

DataTable与ECharts Dataset对比

很多开发者会联想到：

ECharts Dataset。

两者确实理念相近。

但DataTable更偏向：

Highcharts DataTable

• 独立数据模型

• 支持实例对象

• 支持TypedArray

• 支持DataGrid生态

• 与Boost深度集成

ECharts Dataset

• 配置驱动

• 偏向图表内部使用

从企业级架构角度看：

DataTable更接近数据层设计。

而不仅仅是图表配置项。

Highcharts观点

DataTable是Highcharts V13最具战略意义的升级之一。

因为它改变的不是图表样式。

而是数据组织方式。

过去：

开发者围绕图表组织数据。

未来：

图表围绕数据工作。

这种转变对于：

• 数据中台

• 工业互联网

• 医药研发平台

• 金融分析系统

• 企业BI平台

都具有深远影响。

随着未来Highcharts Grid、Dashboards和DataTable生态持续完善，一个统一的数据模型将成为企业级可视化平台的重要基础设施。

---

结语

Highcharts V13推出的DataTable不仅让数据组织更加规范，也让图表开发更加接近真实业务场景。

通过DataTable和DataMapping机制，开发者可以直接利用数据库、API和业务表格数据构建图表，而不再需要繁琐的数据转换工作。

对于大型项目而言，这不仅意味着代码减少，更意味着架构更加清晰、性能更优、维护成本更低。

下一篇《Highcharts V13新功能解读》将深入解析Autoload自动模块加载机制，看看Highcharts如何解决开发者最常见的“忘记加载模块”问题，以及为什么它将成为AI生成图表时代的重要能力。