我們平常游戲的很多性能瓶頸都在CPU。例如：MONO內(nèi)存分配帶來CPU開銷，當(dāng)Mono內(nèi)存從50M、60M、70M，一直增大到100M，這些內(nèi)存分配都相當(dāng)于CPU的開銷。當(dāng)在Update函數(shù)中存在比較復(fù)雜的邏輯時，很容易出現(xiàn)每一幀都觸發(fā)內(nèi)存分配，如圖01所示。

　　雖然截圖中一幀里的GC Alloc只有0.6KB，但是當(dāng)游戲運行很長時間后，累計數(shù)量是相當(dāng)高的，這就讓每一幀都存在GC Alloc帶來的CPU開銷。

　　處理客戶端與服務(wù)器通信的數(shù)據(jù)包時，會存在序列化與反序列化，如果實現(xiàn)方式不合理時，會帶來多余的內(nèi)存分配。一般很多項目都現(xiàn)在使用Protobuff，如果是自行設(shè)計的數(shù)據(jù)包格式，就要考慮如何控制序列化與反序列化的內(nèi)存分配。

　　靜態(tài)數(shù)據(jù)表如果使用Json、xml等格式時，同時解析邏輯與數(shù)據(jù)結(jié)構(gòu)設(shè)計不良，在初始化數(shù)據(jù)表時容易由于過大的內(nèi)存分配而撐大MONO堆內(nèi)存。所以要在項目設(shè)計時找到最優(yōu)化的方式來實現(xiàn)功能需求與性能需求。

　　String是一個很常用的引用類型對象。當(dāng)代碼里存在字符串拼接、直接或間接調(diào)用ToString()函數(shù)時，會生成字符串的副本，也就產(chǎn)生了內(nèi)存分配。例如：調(diào)用Object.name屬性，即使每次返回值是固定的，依然是不同的String對象，因為這里每次返回都是一個對象拷貝。所以建議可以通過把這類字符串預(yù)先緩存，或者在打包時生成一個名字的列表作為靜態(tài)數(shù)據(jù)，提供給運行時的邏輯直接讀取。

　　部分Unity內(nèi)置API在被調(diào)用時，都是返回對象拷貝。例如：Getcomponents、Sprite.Vertices、Input.Touches等。從設(shè)計角度是考慮代碼安全性，防止外部直接去修改真正的對象數(shù)據(jù)。所以，這些屬性返回值要做緩存?；蛘咄ㄟ^其他API來實現(xiàn)需求從而規(guī)避掉這個問題。請注意，Getcomponent只會在編輯器環(huán)境下存在內(nèi)存開銷，真機(jī)上不存在，大家在Profiling時不要被誤導(dǎo)。

　　通常Debug.Log一類的日志函數(shù)應(yīng)該只存在Debug階段，但是很多時候這些函數(shù)沒有屏蔽。如果它們出現(xiàn)在調(diào)用次數(shù)較多的邏輯中，就帶來額外的CPU開銷。同樣Warning和Log存在相同的情況。雖然日常在console或真機(jī)Log里常見，但是經(jīng)常沒有被處理。建議對待Warning也要找到它的觸發(fā)原因并解決，防止在Release中出現(xiàn)。Log函數(shù)不會因為打包為release版本就會自動屏蔽，需要使用宏定義來屏蔽。

　　閉包與匿名函數(shù)盡可能不要使用。閉包中調(diào)用外部變量，需要創(chuàng)建一個臨時class對象來包含外部變量并且傳給閉包函數(shù)，從而帶來內(nèi)存開銷。匿名函數(shù)在作為一個函數(shù)的參數(shù)傳入時，也存在內(nèi)存分配。il2cpp中如果使用匿名函數(shù)當(dāng)參數(shù)，不要用預(yù)聲明的函數(shù)。

　　ParticleSystem API在Unity 2017.2之前的版本中，Stop和Simulate內(nèi)部實現(xiàn)使用了閉包。粒子系統(tǒng)的一些API，例如：Start、Stop、Pause、Clear、Simulate在調(diào)用它們時會遞歸調(diào)用當(dāng)前粒子節(jié)點下面的所有子級節(jié)點，并會觸發(fā)GetComponent，這帶來了一定的CPU開銷。如果需要調(diào)這幾個方法的時候，函數(shù)參數(shù)withChildren可以設(shè)為false，不觸發(fā)遍歷子節(jié)點。在粒子對象初始化時，預(yù)存子節(jié)點，在需要時直接根據(jù)緩存的子節(jié)點列表分別調(diào)用它們的Start。

　　Camera.main的調(diào)用是存在開銷的，可以把Object.FindObjectWithTag(“MainCamera”)緩存下來來代替。調(diào)用射線檢測函數(shù)時應(yīng)該使用那些不存在開銷的函數(shù)，例如Physics.RaycastNonAlloc。

　　當(dāng)Canvas重建時，會引起材質(zhì)的重新創(chuàng)建、排序、Mesh重建，這都會帶來CPU的開銷。當(dāng)Canvas內(nèi)容非常復(fù)雜的時候，每次重建很可能會帶來比較明顯的卡頓。UGUI里面的Mask會使用StencilBuffer，蒙版內(nèi)的元素是沒法和外面的元素做合批，即便在圖集與材質(zhì)都是相同的。這時可以用RectMask2D來實現(xiàn)蒙版，可以稍微降低一些開銷。Canvas上的GraphicRaycaster選項，在不需要有交互時可以不勾選。而Layout組件會涉及到節(jié)點的遍歷操作，都有內(nèi)存與CPU的開銷，如果能不用就不用它，或者自行硬編碼實現(xiàn)簡單的自動布局。

　　Canvas都建議做動靜分離，頻繁改動的元素和固定不變的元素分開到不同的Canvas。需要注意Canvas數(shù)量，數(shù)量多少根據(jù)UI的復(fù)雜程度、動靜分離的Canvas個數(shù)進(jìn)行測試，評估多少個Canvas是合理的。目前發(fā)現(xiàn)Unity2017.3中，出現(xiàn)過當(dāng)Canvas數(shù)量達(dá)到十幾個或更多時，帶來的開銷反而比不分拆時還大。

　　UI元素存在半透并很多元素進(jìn)行疊加，就導(dǎo)致OverDraw消耗比較大。可以通過減少疊加層數(shù)、縮小Sprite的空白區(qū)域等方式來控制。

　　當(dāng)Canvas 處于Worldspace或者Screen Space時，Canvas存在Event Camera或者Render Camera屬性，需要掛接Camera。此處若為None，運行時每幀都會有十幾次訪問它，底層默認(rèn)返回Camera.main。所以預(yù)先關(guān)聯(lián)Camera對象。

　　圖集的分類方式直接影響到UI的合批效率。除了幾個通用圖集外，其它圖集按UI模塊類型區(qū)分，一個或多個UI公用一套圖集。圖集的面積利用率要做到最高，避免圖集存在太多空白區(qū)域。而圖標(biāo)是分散還是合并到圖集上，要看項目實際情況，并沒有固定的規(guī)則。

　　UI背景圖不要出現(xiàn)NPOT尺寸，如果要用NPOT，嘗試多個NPOT圖合并為POT尺寸，或者美術(shù)對NPOT圖拉伸為POT，在Unity中還原為原始尺寸。

　　通常靜態(tài)合批通過給場景上的物體勾上Static實現(xiàn)，但是有時會因為導(dǎo)致包體太大，改為運行時調(diào)用staticBatchingUtility.Combine進(jìn)行物件合并。但是運行時手動靜態(tài)合批會有不小的CPU開銷，同時Mesh可讀寫選項也開啟，在內(nèi)存中邊存在雙份的Mesh數(shù)據(jù)，同時合并后模型也是一份新Mesh數(shù)據(jù)。建議可以用第三方插件Mesh Baker來進(jìn)行靜態(tài)合批。同時，各個模型的材質(zhì)也要針對靜態(tài)合批來制作，畢竟相同材質(zhì)的模型才可以合并。

　　動態(tài)合批對于大部分有Lightmap的模型是無效的，還存在900左右頂點的合批限制。在Unity 2017.3支持32bit Mesh index buffers，可以合并Mesh時支持更多的頂點，可以在FBX選項內(nèi)Index Format打開或者運行時設(shè)置Mesh.indexFormat。

　　骨骼蒙皮計算一般使用CPU Skinning，雖然引擎也是支持GPU skinning的，但需要注意性能瓶頸在CPU端還是GPU端。如果GPU端是性能瓶頸時，盲目打開GPU skinning，會變成一種負(fù)優(yōu)化。當(dāng)角色模型的骨骼數(shù)超過100根、150根時，某些身體部位的骨骼動畫，可以用BlendShapes代替。當(dāng)某一部位骨骼動畫不播放時，可以把這個部位的Animator組件關(guān)掉。Animation Instancing也是一個可以優(yōu)化大量角色動畫性能的手段。

　　物理系統(tǒng)中，MeshCollider的使用在場景比較復(fù)雜龐大時，Bake的性能比較差?？梢酝ㄟ^配合射線檢測和自定義高度圖數(shù)據(jù)控制角色高度。
　　以上就是奇酷為大家分享的“Unity3D培訓(xùn)：MMORPG游戲”謝謝大家觀看，如果對unity3D感興趣的話，想學(xué)unity3D培訓(xùn)的，也可以在線咨詢，我們將竭誠為你解答。