直到现在，大多数图表都是用系列配置的。 数据，对于小样本来说是方便的方法，但当你的实际来源是数据库表、CSV、API 响应或共享仪表盘时，就显得尴尬。
一、ECharts典型数据结构（Dataset）
Dataset本质是：“图表内部临时数据结构”
dataset: { source: [ ['Year', 'Revenue', 'Cost'], [2020, 12, 8], [2021, 15, 10], [2022, 18, 12] ] }再映射：
series: [ { type: 'line', encode: { y: 'Revenue' } }, { type: 'line', encode: { y: 'Cost' } } ]它的问题是：
- 数据与图表强绑定
- 缺乏复用层
- 不具备对象化能力
- 难以跨图表共享
二、Highcharts DataTable数据对象的结构变化
Highcharts V13：
const table = new Highcharts.DataTable({ columns: { Year: [2020, 2021, 2022], Revenue: [12, 15, 18], Cost: [8, 10, 12] } });然后：
Highcharts.chart('container', { dataTable: table, series: [{ dataMapping: { y: 'Revenue' } }] });两者的关键区别：DataTable是“数据对象”，Dataset是“数据配置”
这是本质差异：
| 对比维度 | DataTable | Dataset |
|---|---|---|
| 数据形态 | 对象（Object） | 配置（Config） |
| 生命周期 | 可复用 | 一次性 |
| 跨图表共享 | 支持 | 不支持 |
| 性能优化 | TypedArray支持 | 一般 |
| 与业务系统 | 强绑定能力 | 弱 |
| AI友好度 | 高 | 中 |
最关键差异：是否支持“数据中心化”
ECharts模式
图表A → dataset 图表B → dataset 图表C → dataset每个图表都有自己的数据副本。
Highcharts DataTable模式
↓ DataTable ↓ ┌────┬────┬────┐ 图表A 图表B 图表C一个数据源，多图复用。
BI系统最重要的能力不是画图，而是数据复用 + 多视图表达，DataTable天然支持这一模式。
例如：同一张表可以同时生成：折线图（趋势）、柱状图（对比）、KPI卡片（指标）等。
AI生成图表时代的差异
这是最关键的新变量。
AI生成ECharts：
dataset + encode问题：
- AI容易错字段映射
- encode逻辑复杂
- 结构不稳定
AI生成Highcharts：
dataTable + dataMapping优势：
- 数据结构清晰
- 映射语义明确
- 更少“编程逻辑”
结论：DataTable更适合AI生成环境，V13 DataTable的意义不在于“更方便写图表”，而在于：Highcharts开始具备“数据建模能力”。这一步非常关键，因为它意味着：图表不再只是展示工具而是数据系统的一部分。
本质上总结：
——ECharts Dataset：面向“图表”
——Highcharts DataTable：面向“数据系统”
Highcharts VS ECharts（数据层总结）
| 维度 | Highcharts DataTable | ECharts Dataset |
|---|---|---|
| 数据抽象层级 | 高（数据模型） | 低（配置结构） |
| BI适配能力 | 强 | 中 |
| 多图复用 | 原生支持 | 需复制 |
| AI生成友好度 | 高 | 中 |
| 企业数据中台 | 适配 | 较弱 |
Highcharts V13的DataTable并不是简单替代series.data，而是从根本上重构了数据与图表的关系。它让数据成为独立对象，可以被复用、共享、映射，并支持更高性能的数据处理方式。
相比之下，ECharts Dataset更像是图表内部的数据配置结构，而不是独立的数据模型。在企业级BI、工业互联网和AI生成图表场景中，这种差异会被放大，并最终决定系统的扩展能力上限。
