图表快照必须用fast-copy实现深拷贝，因其能正确处理函数、循环引用、Date/Map/Set等原生类型及原型链，避免JSON序列化缺陷，并支持定制化跳过不可序列化字段，确保语义正确与业务可用。
在大屏可视化系统中，图表快照常用于状态回滚、审计留痕、多版本对比或异常恢复。但若用 JSON.parse(JSON.stringify()) 或浅拷贝实现，极易因函数丢失、循环引用报错、Date/Map/Set 失效、原型链断裂等问题导致快照不可用。真正可靠的图表快照，必须依赖高性能深拷贝能力——而 fast-copy 正是为此类场景量身优化的方案。
为什么图表快照特别需要 fast-copy？
大屏图表组件（如 ECharts 实例、自定义 Canvas 渲染器、带事件监听器的 React 组件状态）往往包含：
- 嵌套极深的配置对象（含 callback 函数、thunk、Promise 状态）
- 运行时生成的 Map/Set/TypedArray/Blob 等原生结构
- 实例级属性（如
chartInstance._dom、chartInstance.getModel()返回的模型对象） - 隐式循环引用（例如图表配置中引用了自身图例项，或数据项反向持有视图句柄）
fast-copy 的类型分发机制能精准识别并调用对应拷贝器（如对 Date 直接 new Date(value)，对 Map 迭代重建），WeakMap 缓存则天然规避循环引用死循环，同时保留构造函数与原型链，确保拷贝后的图表状态对象仍可被原有校验逻辑、diff 算法或序列化工具正确识别。
在图表快照流程中集成 fast-copy
以主流大屏编辑器架构为例，可在“保存快照”动作触发时插入 fast-copy 调用：
- 不直接存储原始 chartOptions 对象，而是执行
const snapshot = fastCopy(chartOptions, { array: 'structuredClone' }) - 若图表状态含不可序列化字段（如 canvas 引用、WebSocket 实例），提前通过
options.custom配置跳过或替换（例如将canvas: null） - 对整个大屏画布状态做快照时，遍历图层区所有组件实例，统一用 fast-copy 批量克隆其
props与state，再组合为完整快照对象 - 搭配 WeakMap 缓存已拷贝过的复杂子对象（如共享的数据集缓存对象），避免重复深拷贝开销
避免常见陷阱：快照 ≠ 全量内存复制
fast-copy 解决的是“语义正确性”，但快照设计还需兼顾业务意图：
- 不要拷贝 DOM 节点、canvas 元素、event handler 引用等运行时资源——它们属于视图层，快照只需记录可重建的配置与数据
- 对只读元数据（如组件 ID、创建时间戳）可考虑浅拷贝以节省性能；对动态数据（如实时更新的 series.data）必须深拷贝
- 若图表使用 WebGL 上下文或大量 GPU 资源，快照中应剔除
glContext、texture等字段，改用 lazy-reinit 机制按需重建 - 测试快照还原能力：用拷贝结果重新初始化图表，验证渲染结果、交互响应、数据联动是否与原状态一致
性能实测建议：快照不是越频繁越好
即使使用 fast-copy，高频快照仍有成本。建议结合业务节奏控制：
- 用户手动点击“保存快照”时必触发一次全量 deepCopy
- 自动快照采用节流策略（如每 30 秒最多 1 次），且仅 deepCopy 变更过的组件配置（配合 useDeepCompareEffect 或 immer 的 produceWithPatches）
- 对超大型图表（series > 10 万点），启用分块快照：先拷贝 schema 和 metadata，数据体用 hash 标识+懒加载，降低单次内存峰值
- 上线前用真实大屏数据跑基准测试：对比 fast-copy 与 JSON 方案在 100ms 内完成快照的成功率与内存增长幅度
