随着人工智能的发展和网络带宽的增加,大数据的深度学习为信息技术的外延应用提供了更多的契机,可以通过高性能计算获得新的运用,然而海量的数据整理分类和制作报表也成为一项庞大而复杂的工作。通过对现有的报表工具的分析,发现其存在使用繁琐、加载速度慢等一系列问题。本文使用了组件方式进行系统开发,就前端组件间接数据获取方式和渲染卡顿问题进行了综合分析,设计并实现了直接获取数据的组件模型,同时结合前端缓存技术,改进了模板渲染方案,增加了开发可视化报表渲染引擎的灵活性,降低了计算复杂度,并提升渲染报表的速度。本论文所述方案如下:1.针对Vue组件无数据获取功能问题,对其生命周期模型进行改进,在组件模型中嵌入Axios异步获取数据模块,使得组件能够自动获取报表数据,并且实现按期望顺序响应请求的功能。2.针对报表系统中因数据冗余导致渲染卡顿问题,本文设计了两类加速方法,首先在Vue模板引擎的基础上结合底层渲染函数的编程方式,提升编译速度;然后是设计一种基于前端缓存的渲染方法,降低网络请求时间,从而提高页面渲染速度。最终通过改进前后实验对比得出加速方法可提高页面渲染速度的结论。3.基于上述组件模块和渲染模块的改进,本文实现了一套可视化报表渲染引擎,用于用户快速设计和生成报表,实验表明了该引擎在提升报表页面构建速度的同时也提高了报表的渲染速度,降低了时间复杂度。