figure().line()无法直接支持实时流式缩放，因其面向静态场景，追加数据会触发全量重绘并重置视图；必须通过columndatasource.stream()实现增量更新，绑定渲染器后复用，避免重建图表或重置范围。
为什么 figure().line() 无法直接支持实时流式缩放
Bokeh 默认的 figure().line() 绘图方式在追加新数据时会触发全量重绘，导致浏览器卡顿、缩放状态丢失（比如你刚放大到某段数据，新点一来视图就自动跳回原始范围）。这不是 bug，而是设计使然：它面向静态或低频更新场景。实时流式图表必须用「增量更新」机制，核心是操作 ColumnDataSource 的 .stream() 方法，而非反复调用 line()。
如何用 ColumnDataSource.stream() 实现带缩放的流式图表
关键在于两点：数据源只增不删（避免重置视图），且图形对象绑定到该数据源后不再重建。示例中用 curdoc().add_root() 启动服务后，每次仅调用 source.stream(dict(x=[new_x], y=[new_y])) —— Bokeh 自动将新点追加到底层数组，并保持当前 x/y 轴缩放范围不变。
- 必须提前初始化
ColumnDataSource，至少含一个空列表：source = ColumnDataSource(data=dict(x=[], y=[])) -
.stream()的第二个参数rollover控制最大保留点数（如rollover=1000），超出时自动丢弃最老数据，防止内存暴涨 - 不要在回调里调用
figure().line()或renderers重建；应复用首次创建的renderer = p.line('x', 'y', source=source) - 若需手动限制 x 轴显示范围（比如只看最近 60 秒），用
p.x_range.follow = "end"+p.x_range.follow_interval = 60，但此模式下用户手动缩放会被覆盖
缩放失效或跳变的常见原因和修复
用户反馈最多的问题是：缩放后几秒内视图突然“弹回”初始范围。这通常由三类操作触发：
Secure Python Code Sandbox
下载
安全 Python 代码沙箱：在隔离的沙箱中执行任意 Python 代码，预装 requests、NumPy、pandas 库。返回 stdout、stderr。
- 误在回调中调用
p.x_range.start = ...或p.reset()—— 删除这些行 - 使用了
reset工具（小齿轮图标）并勾选了「Reset ranges on data update」—— 在图表初始化时显式禁用：p.add_tools(ResetTool(reset_size=False)) - 数据时间戳非单调递增（如网络延迟导致旧时间戳后到）—— 在
.stream()前对新数据按 x 排序，或改用source.patch()精确插入 - 启用了
hover工具但未设置renderers=[renderer]，导致悬停时 Bokeh 尝试重算所有 renderer 范围 —— 显式指定渲染器
部署时要注意的性能陷阱
本地 notebook 跑得流畅，一上服务器就卡顿，往往不是代码问题，而是默认配置没调：
- Bokeh server 默认每 50ms 检查一次数据变更（
curdoc().add_periodic_callback()的 interval），高频流（>20Hz）建议设为10或更低，但需权衡 CPU 占用 - Websocket 消息体过大（比如单次
.stream()传 10000 点）会阻塞主线程 —— 拆成多次小批量（如每次 50 点） - 未启用
num_procs=0启动多进程时，单核处理所有连接，高并发下延迟飙升 —— 生产环境务必加bokeh serve --num-procs 0 app.py - Chrome 浏览器对 Canvas 渲染有帧率限制，超过 1000 点/秒建议开启 WebGL 后端：
p = figure(output_backend="webgl")（需 Bokeh ≥ 3.0）
缩放行为是否稳定，最终取决于你有没有让 Bokeh「信任」当前视图范围 —— 它不会主动干预，除非你写了重置逻辑或用了冲突的工具。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
