ChartGPU: когда Canvas уже не тянет — переходим на WebGPU

Вы всё ещё рендерите большие графики на Canvas? Если да, то, скорее всего, знакомы с этой болью: при росте числа точек интерфейс начинает тормозить, FPS падает, а пользователь видит не плавную анимацию, а слайд‑шоу. В таких сценариях привычные решения упираются в потолок производительности — и пора смотреть в сторону технологий, которые дают браузеру прямой доступ к GPU.

Один из самых ярких примеров такого подхода — библиотека ChartGPU. Она построена на WebGPU и демонстрирует результаты, которые ещё недавно казались недостижимыми для браузерной визуализации: порядка 35 миллионов точек при стабильных ~72 FPS. Это не разовый трюк в идеальных условиях, а показатель того, что современный фронтенд способен справляться с действительно тяжёлыми данными.

Помимо высокой плотности точек, ChartGPU поддерживает streaming‑дашборды — то есть динамические панели с несколькими графиками, работающими в рамках одного GPUDevice. Такой подход позволяет эффективнее использовать ресурсы видеокарты, избегать лишних переключений контекста и строить интерфейсы, где данные обновляются в реальном времени без заметных просадок производительности.

Почему это важно именно сейчас? Долгое время визуализация больших данных оставалась зоной ответственности десктопных инструментов или серверного pre‑render: тяжёлые вычисления выносились за пределы браузера, а на фронтенде отрисовывали уже готовые картинки или упрощённые представления. WebGPU меняет эту парадигму: браузер получает полноценный GPU‑пайплайн, typed arrays, shared resources и возможность работать с данными на уровне, близком к нативным приложениям.