图形渲染与 Shader / 系统课时
沉淀场景优化检查表
沉淀场景优化检查表
大型场景优化真正难的是把一次性的调参经验变成可重复执行的发布流程。本节把资产、LOD、HLOD、植被、材质、流式加载和性能回归整理成一份可落地检查表,并用简单脚本把关键性能预算变成发布门禁。
学习目标
- 能按资产、渲染、加载和回归四个层面完成发布前检查
- 能为 LOD、HLOD、植被、材质和流式加载定义可验证的验收项
- 能用自动化脚本阻止关键性能指标回退
先把检查项写成可验证结论
检查表不能只写“LOD 已优化”“材质已处理”这类无法判定的描述。每一项都应包含对象、检查方法和通过条件,例如“主视角下没有可感知的 LOD 跳变”“远景 HLOD 已替代高成本原始对象”“流式加载峰值不造成连续卡顿”。
发布前可以按下表逐项确认:
| 范围 | 核心检查项 | 通过条件 |
|---|---|---|
| 资产 | 网格密度、贴图尺寸、碰撞体、重复资源 | 不存在明显超预算资产,重复资源已复用 |
| LOD | 层级数量、切换距离、屏幕占比、跳变 | 关键视角无明显突变,远距离三角形持续下降 |
| HLOD | 聚合范围、代理网格、切换边界 | 远景对象数量和 Draw Call 明显下降 |
| 植被 | 密度、阴影、风动、剔除距离 | 远距离实例被剔除,阴影成本受控 |
| 材质 | 材质数量、变体、透明、纹理采样 | 没有无必要的高成本材质和过多变体 |
| 流式加载 | 分块、预加载距离、卸载条件 | 移动过程中无长时间阻塞或内存持续攀升 |
| 回归 | CPU、GPU、帧时间、内存、Draw Call | 同一测试路径下不超过既定预算 |
按场景生命周期组织检查顺序
检查顺序应从静态资产开始,再进入运行时表现。先确认源资产没有明显浪费,再看 LOD 与 HLOD 是否按距离降低复杂度,随后检查植被和材质等高频渲染对象,最后验证流式加载与整体帧时间。这样一旦出现异常,更容易定位问题属于资产本身还是运行时调度。
实际执行时建议固定一条代表性测试路线,覆盖出生点、复杂建筑区、密集植被区、长距离观察点和高速移动区。每次发布候选版本都沿相同路线采样,避免“这次站的位置不一样”导致数据不可比。
为每类优化项设置预算
预算不需要一开始就非常精细,但必须有明确上限。例如目标平台要求稳定 60 FPS,可以把单帧预算理解为约 16.7 ms,再继续拆分 CPU、GPU、加载峰值和内存预算。LOD 与 HLOD 的作用不是追求某个固定层级数量,而是让远距离复杂度下降到预算允许范围。
对于植被和材质,除了平均成本,还要关注最坏场景。大片半透明植被、动态阴影和复杂材质容易在特定视角突然放大 GPU 成本;流式加载则更应该关注峰值帧时间,而不是只看平均 FPS。
把性能回归变成自动门禁
发布前人工走查仍然必要,但关键数字可以自动判断。下面的 Python 脚本读取一次测试结果,并检查 CPU 帧时间、GPU 帧时间、峰值内存和 Draw Call 是否超过预算。它只使用标准库,可以直接运行。
import json
import sys
BUDGET = {
"cpu_ms": 8.0,
"gpu_ms": 12.0,
"memory_mb": 4096,
"draw_calls": 1800,
}
with open("perf-result.json", "r", encoding="utf-8") as file:
result = json.load(file)
failed = []
for key, limit in BUDGET.items():
value = result[key]
if value > limit:
failed.append(f"{key}: {value} > {limit}")
if failed:
print("PERF CHECK FAILED")
for item in failed:
print(item)
sys.exit(1)
print("PERF CHECK PASSED")准备一份测试结果:
{
"cpu_ms": 7.4,
"gpu_ms": 10.8,
"memory_mb": 3720,
"draw_calls": 1650
}在脚本和 perf-result.json 位于同一目录时执行:
python perf_check.py预期输出:
PERF CHECK PASSED当任一指标超过预算时,脚本会以非零状态退出,持续集成流程即可阻止该版本进入发布阶段。真实项目中应把预算值替换成目标平台、目标画质和固定测试路线对应的数据。
发布前形成闭环
最终检查表不应停留在“是否做过优化”,而要回答三个问题:资产是否满足约束、运行时是否在预算内、同一路径下是否发生回归。LOD、HLOD、植被、材质和流式加载各自解决不同成本来源,只有把它们放进统一的测试路线和性能预算中,场景优化才从经验调参变成可重复验证的工程流程。