Java 打印/使用100万个节点

我正忙于在窗格上绘制节点的练习。我的第一个目标是使用100万个节点，然后将其增加到1500万个

我有一个自定义的对象图，我可以向这个对象添加边和节点。每个节点对象都有一个椭圆，我可以调用它并绘制它，而边对象也是如此。 目前，我有一个函数，为节点生成一个随机位置

我目前正在使用滚动窗格来启用围绕窗格的平移并查看所有节点

我认为使用hashmap是个好主意

Map<String, ArrayList<Node>> mapX = new HashMap<String, ArrayList<Node>>();
Map<String, ArrayList<Node>> mapY = new HashMap<String, ArrayList<Node>>();

Map mapX=newhashmap（）；
Map mapY=新的HashMap（）；

我使用以下代码向hashmap添加节点：

int  tempXFloor = (int)Math.floor(tempX);
ArrayList<Node> tempList = mapX.get(tempXFloor+"");
if(tempList == null){
tempList = new ArrayList<>();
}
tempList.add(node); 
mapX.put(tempXFloor+"",tempList);

inttempxfloor=（int）数学地板（tempX）；
ArrayList templast=mapX.get（tempXFloor+“”）；
if（templast==null）{
templast=newarraylist（）；
}
添加（节点）；
放置（tempXFloor+“”，圣殿骑士）；

然后，当我平移时，我得到当前位置，将其落地并检查地图中是否存在条目。如果存在一个条目，我会将ArrayList中的所有节点添加到NodeSensScreen。 nodesOnScreen是一种ArrayList类型，我将在平移时将节点添加到该列表中，同样，屏幕外的节点也将从nodesOnScreen变量中删除

我只打印ArrayList NodesScreen中的节点

---

我希望能在这方面提供一些指导，以及如何处理这样的大数据结构。我是朝着正确的方向走，还是我错过了一个明显的“窍门”呢。

你想要的属于你的范畴

你所描述的是一种特殊形式的语言。通用版本与您的不同之处在于，每个箱子的大小可能超过1个单位，因此更适合不同分辨率的数据集。BIN通常适用于或多或少均匀分布的数据集，它的实现也非常简单。查找屏幕上的元素只需查找视口中的所有容器

如果您的数据集是非统一的，即存在紧密的束和较大的空白，您可能需要尝试类似的替代结构

---

此外，如果您使用的是哈希表或任何其他java容器，请通过将int装箱为整数（

Map

）来使用int，不要将其转换为字符串，因为字符串速度慢得多，占用的内存也多。

您可以尝试使用数据虚拟化和数据提供程序“动态”构建它。不要使用RAM来保存大数据。使用数据库查询。在那里实现列表类型和索引器，它将从数据库返回一个项目。

有几点需要考虑：

你的节点有多复杂？如果它们只是点，你可以考虑把它们画在A上，并保存大量的记忆。对于更复杂的情况，您可能需要使用。无论采用哪种方式，您都可以节省事件处理程序、属性和其他数量较大的小事

另一个重要问题是数据视图的相关性。若你们展示了一张地图或类似的东西，那个么用户只关心可见的部分。其余的数据可以存储在磁盘缓存中，只有20%的数据会很有用。所以，您可以相应地进行规划，并且只有可视部分才有真正的图形节点（并且可能为了用户体验而预加载一些调整后的部分）

“分而治之”的概念。即使您不想根据计划（2）限制用户视图，也不能总是需要1500万个节点。UI库中没有，恐怕没有足够大的监视器。因此，将数据拆分为多个段，并一次加载一个段。如果您需要在整个集合上执行任何类型的计算——不要使用节点，请使用最简单的实现，并在一些后台进程中执行计算

现有的解决方案总是在做大事之前先进行调查。例如，有许多类似的缓存库，它们无缝地允许您仅在将数十亿个节点拆分为组后处理相关数据

---

考虑细节的层次。你不可能在屏幕上看到15米不同的点（没有足够的像素使单个节点前景在背景上可见）。有两种详细等级方法可用：

• 图形化：使用一个非常大的画布（比如，10M x 10M），一次绘制小瓷砖（比如，1K x 1K像素），然后缩小比例以合成最终图像（例如，1K x 1K->10 x 10，两次，允许将10M x 10M虚拟画布缩小为1K x 1K图像）

• 语义：将节点束聚合为单个节点，并绘制束节点而不是单个节点。您可以在多个级别执行此操作。事实上，如果您计划绘制图形，这正是图形绘制算法在下面要做的事情（如果没有某种层次分解，任何图形绘制算法都无法在合理的时间内处理>50K个节点）

---

在这两种情况下，您都会根据需要提供某种缩放和细节；主概览将仅用于平移和放大特定细节。某种类型的空间索引（四叉树是最常见的一种）将允许您从磁盘或辅助存储中快速检索磁贴。在语义缩放场景中，您将为每个节点添加“父”字段，构建一个巨大的节点树（外部序列化；除非您真的需要，否则不要在内存中加载15万个节点）。

四叉树是的。空间索引是OP将加载的数据保持在最小值所需要的。感谢hashmap提示。我一定会实现垃圾箱的想法，并尝试将我不使用的垃圾箱存储在数据库中。我必须查看四叉树，看看我能用它们做些什么。我找到了Geo4j，一个基于图形的数据库。将我的所有节点存储在Geo4j数据库中，然后使用四叉树检查下一步需要哪些节点，这听起来像是个好主意吗？不确定是否需要一个图形