unity优化zz

本帖最后由 清风 于 2015-8-3 10:05 编辑

　　在今年的CJ CGDC 中国游戏开发者大会上，来自 unity 大中华区的技术支持经理张鑫带来了关于《全新的Unity 移动游戏 优化解决方案》的精彩主题演讲。本次演讲分享的内容，包括从渲染模块、物理模块、动画模块的CPU优化；如何对堆内存的管理以及面对内存泄露和资源冗余的解决方案；以及对代码的优化处理。

　　 CPU优化

　　首先通过Profiler来找到具体的瓶颈，通过Profiler可以看到每一帧里每个函数的具体开销。

 

　　 自身逻辑代码效率

 

　　如果我们的代码逻辑很复杂，上万行，那么可以借助Begin/EndSample 来拆分，得到真正开销大的代码块。

　　 渲染模块效率

 

　　在移动设备上，半透明渲染的开销是需要特别注意的（像花，树，草等），因为在移动设备上会造成更多的overdraw

 

　　不同的设备对Drawcall的敏感度不同，因此可以针对设备做一个“LOD”，在高端机上允许更多的drawcall（即可以开启更多的特效等）。

　 　动画模块效率

 

　　MeshSkinning.Update 是蒙皮计算的开销，Animator.Update 是骨骼动画的更新开销。OptimizeGameObject的优化选项默认是关闭的。在红米上，一个100人的测试案例中，开启之后，前者可以提高70%的效率，而后者可以提高30%的效率。

　　另一个测试也是在红米上，200人同屏，单个角色400个顶点，560面左右，动画的总时长为6秒，骨骼数量平均为12个。通过序列帧的形式实现skinnedMeshRenderer到MeshRenderer 的转换。可以跑到25帧。

　　BakeMesh (SkinnedMeshRenderer.BakeMesh)

• 　　200+
• 　　~400 顶点
• 　　~500
• 　　+ 60 面
• 　　~6 s 动画
  

• 　　~12 骨骼
  

　　 UI模块效率

 

　　上图是一个Ui的例子，由一位工程师在两周左右的时间完成，美术除外（来自scaleform在Assetstore上的资源）。

　　UI系统的渲染顺序是由UI元素在Hierarchy中的顺序决定的。而Ui系统会通过重排UI元素的渲染顺序来减少drawcall，但前提是不改变渲染结果。因此发生重叠之后，drawcall可能会上升。

　　 内存管理

　　游戏制作的中后期通常会开始遇到内存上的 问题 。

• 　　总体内存：
  

 

• 　   Used Total：当前帧的Unity内存、Mono内存、GfxDriver内存、Profiler内存的总和。
  

• 　　Mono内存：
• 　　记录代码堆内存的分配情况，由Mono控制
• 　　内存只增不减
• 　　建议<
• 　　40MB
  

 

　　Mono内存有80%的团队都不太关心，但却是很重要，会影响游戏的流畅性。

• 　　常见问题：Log输出
  

　　StackTraceUtility.PostprocessStacktrace ()

　　StackTraceUtility.ExtractStackTrace()

 

　　Log的输出不仅会消耗CPU，同时也会引起较大的堆内存分配。

　　 内存泄露

• 　　资源被强行Hold无法释放
• 　　表现症状：Profiler中内存增长趋势明显，且资源无法回收
• 　　Detailed
• 　　Memory Profiler
  

• 　　资源冗余
• 　　资源通过AB加载，且资源在AB建立时存在多份
• 　　对AB打包机制进行详细排查
• 　　依赖关系打包
  

 

　　 代码优化

　　 游戏优化深度检测：

• 　　通过Profiler逐帧查看和分析CPU占用较高的函数
  

 

• 　　GC.Alloc
  

 

• 　　Shader.Parse
• 　　Shader加载时的解析耗时
  

　　这部分耗时的避免，可以通过将shader打入单独的assetbundle包，并在进入场景时就进行预加载。

　　同一时间Load过多的非“基础”AB，且不及时Unload，会导致过多的内存消耗，如WebStream 和Serialized File 的内存。

　　而PersistentManager.Remapper 的意义是：PersistentManager维护资源的持久化存储功能,Remapper保存的是加载到内存的资源heapID与源数据FileID的映射关系，但Remapper是memory

　　pool，只增不减，因此建议不要一次性加载过多的assetbundle，而是以流式的方式来加载，以减小其峰值。

　　小结：性能优化是没有定式的，它需要“因时因地”制宜。