Canvas大量图形渲染瓶颈在CPU，优化需重构流水线：按样式批量绘制、空间索引加速可见性判断、动静分离+离屏缓存、计算移至Web Worker。
Canvas 渲染大量图形时，性能瓶颈通常卡在 CPU 而非 GPU——因为 2D 渲染路径完全由 CPU 执行光栅化，而万级对象逐个调用 fill()、stroke() 会触发高频状态切换、路径重建和内存拷贝。真正有效的优化不是“少画点”，而是重构渲染流水线。关键从四个环节切入：
html-to-pptx-converter
下载
使用 PptxGenJS 和 Python 解析，将结构化的 HTML/CSS 幻灯片内容转换为原生、可编辑的 PowerPoint（.pptx）演示文稿。
按样式批量合并绘制，减少上下文开销
Canvas 每次设 fillStyle、调 beginPath() 或 fill() 都有固定 CPU 开销。5000 个不同颜色的圆逐个画，等于执行 5000 次状态切换。
- 将图形按 fillStyle、lineWidth、globalAlpha 等属性分组，每组只做一次样式设置
- 同一组内复用路径：
ctx.beginPath()→ 循环ctx.arc(x, y, r, 0, PI2)→ctx.fill() - 避免在循环中读写 ctx 属性（如
ctx.globalAlpha = alpha[i]），改用离线计算后统一赋值
用空间索引加速可见性判断，跳过全量遍历
即使加了脏矩形，每帧仍需遍历全部对象判断是否在视口内——这是典型的 O(N) CPU 热点。
- 引入四叉树或网格哈希（Grid Hash），把坐标映射到二维桶中
- 渲染前仅查询与当前视口相交的几个桶，获取候选对象（通常不到总数的 5%）
- 动态对象移动时主动更新其在索引中的位置，不等每帧重建整棵树
动静分离 + 离屏缓存，复用不变内容
背景、UI 图标、地图格子等静态内容反复重绘是纯 CPU 浪费。
- 创建多个
<canvas>元素分层：background-canvas、game-canvas、ui-canvas - 对静态层启用离屏缓存：先绘制到
OffscreenCanvas，再用drawImage()一次性贴图 - 若某层长期不变，可转为
ImageBitmap，避免像素拷贝开销
把计算移出主线程，释放渲染资源
粒子轨迹、坐标投影、路径变形等纯数学运算不该阻塞渲染和交互。
- 用 Web Worker 处理数据准备（如批量计算缩放后坐标、顶点偏移）
- 主线程通过
OffscreenCanvas.transferControlToOffscreen()获取句柄传给 Worker - Worker 完成绘制后，主线程直接合成，跳过
getImageData/putImageData的内存复制
不复杂但容易忽略
