前面说的thematic出图流程有一个明显诟病，从软件开发的角度上看相当的不成熟，就是一个纯业务流程的产物，前后端耦合极高，再加上很多很多业务化服务希望能自动集成出图的结果，所以一直有重构的想法，并让其更加易用、易扩展。之后幸运的看到了这么一篇文章精读《前端与 BI》，让我对整个流程有了新的想法。

在气象行业，将各类型数据保存成图片，附着在各类文档材料中是个很常见的需求，其实行业内有些成熟的软件去处理这个事情，比方说常用的NCL，python中也有matplotlib包来绘制各类型的图片。从系统的角度上来说，业务人员会希望有一个交互性更好的平台来实现出图。

在Cesium中对点、线、面不同类型feature做贴地的具体操作，就不再赘述了，我们在二维的地图sdk使用过程中经常会开发一些自定义图层，大多基于canvas来实现，例如热力图、色板图、echarts图等，像leaflet中通常是一个新的dom来与主地图做同步，mapbox等新生代选手则可以直接添加到主地图的dom中。

对于这类自定义的canvas图层，在cesium中想要贴在地形之上进行展示，其实也很简单，GroundPrimitive配合上自定义material就好了，具体过程可以参考代码的注释。

在四步走，墨迹天气雷达数据可视化指南这篇文章中，提到了用矢量瓦片代替传统传统栅格图像可视化方案，可以达到更流程的性能，更高清的数据展示，更灵活的样式表达。感觉挺有意思，同时也为了考察这么做的成本，就试着还原做了下。

从文章来看整个过程总结起来就是准备数据geojson，切成pbf或者mbtiles在 mapbox 中展示。

在地理信息行业中，我们常遇见的数据中有这么两类：

• 一类是站点（散点）数据。地图上分布着位置不均匀的各种站点，比方说气象站，水文站，如果我们需要查看站点数值趋势，就可以通过等值线图等方式，比如d3 的 contour，turf 的 isolines，还可以通过插值方法将站点插值到网格上，转化成格点数据，后面我们也会讨论。
• 也有一类是格点数据。这个在气象上就非常常见，气象预报数据通常是模式跑出来的，如同渔网一样的格点，这种数据提供了查询任意位置数值的作用，它的渲染也同样常见，传统的方法是在服务器端生成好对应图片，在浏览器上贴图，这里追求实现的是前端渲染。

之前写过一个基于 Leaflet 的标注点图层插件，Leaflet.Canvas-Marker-Layer，今天简单的说一下为什么需要用到它。在 Leaflet 中如果你需要渲染 marker，有两种方式：

Tilestrata的插件开发基本围绕着生命周期各个阶段展开，如果要开发一个自己的插件，首先想清楚插件的功能属于生命周期的哪个阶段，依据官方规定好的该阶段代码结构，写好插件内容，在服务端利用use进行注册就好。个人觉得Tilestrata吸引人的一个地方就是在于插件机制非常的灵活和便捷，十分好上手。

简单来说Tilestrata就是一个瓦片地图服务器。根据其自身的介绍，它有如下的特点：零配置，简洁，测试覆盖率高，性能高，拓展性强。可以通过TileStrata Balancer实现负载均衡，无缝伸缩。可以通过内置控制台去调试查看渲染时间。

tilestrata-disk插件可以在磁盘中存储/检索瓦片。它可以兼顾瓦片缓存和瓦片提供两个功能，代码虽简单，但是功能十分全面，个人感觉非常的实用，很值得推荐。

用它来缓存瓦片时，一定要为每个图层使用不同的目录（例如：”tiles/layer_a”, “tiles/layer_b”）。如果设置了maxage参数，插件会检查瓦片的最近一次修改时间，如果间隔过长，将返回null。如果 设置maxage=0，就相当于没有开启缓存功能。

tilestrata-etag插件可以在 tilestrata 的请求中设置 ETag，可以让服务缓存变得更加高效可控，节省带宽。如果客户端的 ETag 的版本和服务器要发送的一致，则可以直接使用缓存中的数据，不再重新发送数据。