游戏客户端架构 / 系统课时

为什么大量对象更新会变慢

为什么大量对象更新会变慢

当场景里有十万个单位需要逐帧检查时,卡顿未必来自复杂计算,也可能来自反复访问无关对象、追踪零散引用和无法充分优化的调用路径。本课用一个可运行的小实验识别这些成本,再看 ECS 为什么强调按数据组织更新。

学习目标

  • 区分实际计算、无效遍历、引用追逐与动态调用的成本。
  • 解释组件存储方式如何影响缓存局部性和系统查询范围。
  • 用程序验证扫描范围的差异,并知道如何测量真实瓶颈。

慢在计算之外的哪些地方

假设场景中有 100000 个实体,其中只有 5000 个拥有移动能力。传统做法可能在每帧遍历所有对象,先判断能否移动,再读取速度、修改位置。即使移动计算只有一次加法,另外 95000 次判断也不会自动消失。

常见成本需要分开看:

  • 无效遍历:每帧检查不参与本系统的对象,工作量随全部实体数增长。
  • 引用追逐:List<Unit> 通常保存对象引用;对象在堆中的位置可能分散,依次访问时容易降低缓存命中率。
  • 动态分派:对多种子类调用虚方法可能增加间接调用成本,或妨碍内联;但现代运行时也可能消除部分虚调用,不能直接认定它是主因。
  • 数据混装:移动系统只需要位置和速度,却穿过包含 AI、背包、表现状态的对象布局,可能把不相关数据带入缓存。

这些成本通常叠加出现。垃圾回收也是可能的额外来源,但对象多不等于每帧都在分配;是否产生 GC 压力要单独测量。

为什么按组件组织更容易批量更新

面向对象设计常从“一个单位有什么行为”出发;面向数据的更新则先问“本帧哪些位置和速度需要一起处理”。在 ECS 中,移动系统查询同时具备 Position、Velocity 的实体,只对匹配结果执行更新,不必向所有实体询问是否能移动。

如果组件被放进相邻的数组或块中,系统还可顺序读取必需字段,减少引用跳转,提高缓存利用率。具体收益取决于存储实现:只有查询过滤,不代表内存天然连续;稀疏索引也可能导致随机读取。

对象遍历与组件批量更新的访问路径对比

用代码验证无效遍历

下面的 C# 示例可直接放入 .NET 6 或更新版本的控制台项目 Program.cs。先扫描全部 100000 个编号,再清空位置,只遍历事先登记的 5000 个移动实体。两种方法执行的是同一份移动操作,统计的是访问范围,而不是执行耗时。

csharp
using System;
using System.Collections.Generic;

const int count = 100_000;
var positions = new float[count];
var hasMovement = new bool[count];
var movers = new List<int>();

// 每 20 个实体中,只有 1 个参与移动。
for (int id = 0; id < count; id++)
{
    if (id % 20 != 0) continue;
    hasMovement[id] = true;
    movers.Add(id);
}

int inspected = 0;
for (int id = 0; id < count; id++)
{
    inspected++;
    if (hasMovement[id]) positions[id] += 1f;
}

// 恢复初始位置,再只更新匹配的实体编号。
Array.Clear(positions, 0, positions.Length);
foreach (int id in movers)
{
    positions[id] += 1f;
}

Console.WriteLine($"全量检查: {inspected}");
Console.WriteLine($"定向更新: {movers.Count}");
Console.WriteLine($"实体 20: {positions[20]}");
Console.WriteLine($"实体 21: {positions[21]}");

预期输出:

text
全量检查: 100000
定向更新: 5000
实体 20: 1
实体 21: 0

前一种路径检查 100000 次,后一种仅更新 5000 次。示例中的 movers 仍通过编号访问 positions,没有模拟完整 ECS 的连续组件查询,更不能据此声称实际加速了 20 倍。实体获得或失去移动组件时,还必须维护匹配集合。

怎样确认项目真的需要调整

先在同一构建模式、相同硬件和相同场景下,用性能分析器找出 CPU 时间集中在哪个系统;再查看每帧分配、对象数量、分支与缓存未命中等可用指标。让实体规模从一万增长到五万、十万,观察更新时间是否随扫描总数还是实际参与数量增长。

如果热点是全量遍历和零散数据访问,可优先缩小查询集合、重排数据布局,再评估是否引入 ECS。若场景只有少量对象,或成本主要来自寻路、物理查询、渲染提交,那么改成 ECS 未必解决问题。优化目标是减少被证实的浪费,而不是仅仅换一种代码组织名称。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

为什么大量对象更新会变慢

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通