游戏引擎 / 系统课时
先看懂一帧时间花在哪
先看懂一帧时间花在哪
游戏掉到 40 FPS 时,直接优化脚本或减少面数都可能改错方向。本课先用帧预算建立尺度,再在 Unity Profiler 中对照 CPU、GPU、Rendering 和 Scripts,找出拖慢一帧的主要阶段,并通过一次受控实验验证判断。
学习目标
- 把 FPS 换算为每帧时间预算,找到慢帧。
- 区分 CPU 脚本耗时、CPU 渲染准备、GPU 执行与等待时间。
- 使用 Profiler 采样标记和对照实验确认性能热点。
先用毫秒衡量慢帧
60 FPS 的单帧预算约为 16.7 ms,30 FPS 约为 33.3 ms。帧率只是最终表现;真正要找的是哪一段工作超过预算,以及慢帧是偶发尖峰还是持续超时。选择连续一段实际游玩数据,优先检查最慢的几个帧,不只看平均 FPS。
CPU 主线程、渲染线程与 GPU 可以并行或流水线执行,不能简单把所有线程的耗时相加当成屏幕上看到的帧时间。帧率上限、垂直同步和显示刷新也会产生等待,出现等待样本并不自动等于某段代码很慢。
录制可以比较的 Player 数据
打开 Window > Analysis > Profiler,连接启用 Development Build 和 Autoconnect Profiler 的目标平台 Player。先关闭 Deep Profiling,保持相同的画质、分辨率和测试动作,录制一段稳定场景与一次明显卡顿场景。
在 CPU Usage 图表选择慢帧,切到 Timeline 看 Main Thread、Render Thread 的相互等待和工作区段,再用 Hierarchy 按 Time ms 排序寻找热点。Total 包含子采样,Self 才排除子采样;不要把同一条调用链的父子耗时重复相加。

四种指标分别回答什么问题
| 指标 | 主要看什么 | 常见下一步 |
|---|---|---|
| CPU Usage:Scripts | Update、协程等脚本执行时间 |
展开高耗时方法,排查高频调用与 GC 分配 |
| CPU Usage:Rendering | CPU 侧剔除、绘制指令准备等工作 | 检查渲染线程、提交开销和可见对象数量 |
| Rendering 模块 | Batches、SetPass Calls 等渲染工作量统计 | 结合材质切换、合批和可见物体做对照 |
| GPU Usage 模块 | 支持的平台上 GPU 的实际执行阶段与耗时 | 检查 Shader、像素填充、阴影和后处理 |
CPU Usage 中的 Rendering 不是 GPU 执行时间;Rendering 模块的批次数也不是“GPU 用了多少毫秒”。有的平台无法提供完整 GPU 计时,此时先用目标设备的 GPU 工具或分辨率对照实验,不要用 CPU Rendering 类别冒充 GPU 结果。
WaitForTargetFPS 可能是帧率限制或垂直同步等待;Gfx.WaitForPresent 还要结合渲染线程与 GPU 时间分析。只见到 Wait 样本就认定 GPU 瓶颈,容易把正常限帧误诊为性能问题。
看懂并行时间线

当主线程长时间忙于 Scripts,而 GPU 尚有余量,应先优化脚本;当 GPU 执行持续超过预算,降低分辨率或后处理后帧时间明显改善,才更支持 GPU 受限的判断。渲染线程持续繁忙则还要检查提交绘制指令的 CPU 成本。
给自己的更新逻辑加标记
将下面的完整脚本保存为 ScriptCostProbe.cs 并挂到场景对象上。在 Inspector 中调节 iterations,比较两次 Player 采集,避免只凭方法名称猜耗时。
using Unity.Profiling;
using UnityEngine;
public sealed class ScriptCostProbe : MonoBehaviour
{
private static readonly ProfilerMarker WorkMarker =
new ProfilerMarker("Demo.ScriptWork");
[SerializeField, Range(100, 50000)] private int iterations = 10000;
private float checksum;
private void Update()
{
// 用独立标记隔离这段脚本的计算开销。
using (WorkMarker.Auto())
{
float sum = 0f;
// 不在热路径打印日志,以免测量本身引入额外开销。
for (int i = 1; i <= iterations; i++)
sum += Mathf.Sqrt(i);
checksum = sum;
}
}
}预期结果:CPU Usage 的 Timeline 或 Hierarchy 中可找到 Demo.ScriptWork 采样。提高 iterations 后,该区段通常会变长;具体毫秒数随平台、负载与采样开销变化,不应写死为固定值。
只改变一个因素再验收
先保持分辨率和画质不变,只调整 iterations,观察 Demo.ScriptWork 和整帧 CPU 耗时是否同步变化。然后恢复参数,仅降低渲染分辨率,观察 GPU 时间及整体帧时间;有改善才说明原画面工作量值得优先处理。
比较时至少查看持续场景中的典型帧与卡顿帧,并记录同一设备上的帧时间分布,而不是仅凭一次 FPS 峰值下结论。定位的终点不是某个类别颜色最大,而是修改对应工作量后,目标帧时间按预期下降。