图形渲染与 Shader / 系统课时
移动端和主机平台关注点不同吗
移动端和主机平台关注点不同吗
同一套 Instancing 策略移植到移动端和主机后,瓶颈可能完全变化。移动设备通常更受功耗、共享内存带宽和持续散热约束,而主机拥有更稳定的硬件环境与更高预算,但 CPU 提交、Shader 成本和海量实例数据仍然不能忽略。
学习目标
- 区分移动端与主机在批量渲染中的主要性能约束
- 理解实例数量、实例数据和 Shader 成本为何不能只看 Draw Call
- 建立基于目标设备实测数据选择 Instancing 参数的方法
不要把 Draw Call 当成唯一指标
Instancing 最直接的收益是减少重复绘制对象的提交次数,因此 CPU 提交成本较高时收益尤其明显。但合并之后,每个实例仍然要执行顶点处理、材质计算和像素着色,实例变换等数据也必须被 GPU 读取。Draw Call 降低并不意味着总渲染成本按相同比例下降。
移动设备的 CPU、GPU、驱动和内存架构差异很大,而且持续高负载会受温度与功耗影响;主机硬件固定,开发者更容易针对单一平台长期调优,但目标分辨率、复杂材质和高密度场景仍可能快速消耗 GPU 时间。
| 关注点 | 移动端常见压力 | 主机常见压力 |
|---|---|---|
| CPU 提交 | 需要压低主线程与驱动调用开销 | 仍需避免大量细碎提交和状态切换 |
| 内存带宽 | 共享内存与功耗使无效传输更敏感 | 带宽更高,但高分辨率和大型资源仍会消耗预算 |
| 实例数据 | 应尽量减少每实例上传字段和更新频率 | 可容纳更大规模,但动态数据仍有传输成本 |
| Shader | 复杂分支、纹理采样和 Overdraw 容易放大功耗 | 更高画质预算下,复杂 Shader 仍可能成为主瓶颈 |
这里描述的是调优方向,不是所有设备的固定排序。高端移动 SoC 与不同代际主机的差异可能很大,最终判断必须回到目标机器上的 CPU/GPU Profiler 数据。
先算清实例数据的传输规模
实例数量增大时,一个经常被忽视的问题是每个实例携带多少字节。如果每帧都重写实例缓冲区,单实例多增加几十字节,乘上数万实例和刷新率后就会形成持续的数据传输。
下面的程序只估算实例数据自身的上传量,不代表整机内存带宽。可以把实例数量、每实例字节数和帧率替换为项目实测值。
def estimate_instance_upload(instance_count: int, bytes_per_instance: int, fps: int) -> None:
# 只计算实例缓冲区更新产生的数据量,不包含纹理、顶点和渲染目标流量。
bytes_per_frame = instance_count * bytes_per_instance
mb_per_frame = bytes_per_frame / 1_000_000
mb_per_second = mb_per_frame * fps
print(f"per_frame={mb_per_frame:.2f} MB")
print(f"per_second={mb_per_second:.2f} MB/s")
estimate_instance_upload(
instance_count=50_000,
bytes_per_instance=80,
fps=60,
)预期输出:
per_frame=4.00 MB
per_second=240.00 MB/s这 240 MB/s 只是示例中实例缓冲区的理论写入规模,不能拿它直接与厂商公布的峰值内存带宽比较。真正需要关注的是这些上传是否每帧发生、是否与其他资源传输竞争,以及它最终有没有表现为 GPU 等待或帧时间升高。
移动端优先控制持续成本
移动端调优不能只看刚启动时的一两帧。设备可能在持续高负载后降低频率,因此一个短时间稳定 60 FPS 的场景,运行几分钟后仍可能出现帧率下降。Instancing 应同时减少 CPU 提交,并控制每实例数据、材质复杂度和 Overdraw,避免把节省下来的 CPU 时间换成更高 GPU 功耗。
对于大量静态或低频变化对象,可以避免每帧重新上传全部实例数据,只更新真正变化的部分,具体能力取决于所用引擎和图形 API。还应配合 LOD、遮挡或视锥裁剪,让远处和不可见实例尽早退出后续阶段,而不是依赖一个超大批次解决所有问题。
主机更适合针对固定硬件做预算
主机平台的优势之一是硬件组合稳定,可以针对固定 CPU、GPU 和内存系统建立更可靠的帧预算。因此可以在目标机上测出不同批次规模、实例数量和 Shader 版本的成本,再选择稳定的上限,而不是为了兼容大量未知设备保留非常宽的安全区间。
但固定硬件不等于可以无限扩大实例批次。如果实例数量很多、每个实例 Shader 很重,或者批次跨越过大的空间范围导致裁剪效率下降,GPU 时间依旧会上升。主机项目同样应该分别观察 CPU 提交阶段、顶点阶段、像素阶段和内存访问,而不是只检查 Draw Call 数字。
用同一套测试方法比较平台
跨平台项目最好准备固定相机、固定实例数量和固定材质的压力场景,在每个目标设备上记录 CPU 帧时间、GPU 帧时间、实例数量、提交次数以及温度稳定后的持续帧率。只有测试内容一致,平台之间的数据才有比较价值。
如果移动端主要卡在 GPU,就应优先降低 LOD、Shader、Overdraw 或实例数据成本;如果 CPU 提交占比明显,再扩大 Instancing 批次或减少状态变化。主机也按同样方法定位,只是可用预算和瓶颈位置可能不同。平台差异决定的是优化优先级,而不是需要两套完全不同的渲染原则。