游戏引擎 / 系统课时
对比开发版和发布版帧耗时
对比开发版和发布版帧耗时
Unity 6 的开发构建会启用调试与性能采样能力,直接把开发版的 Profiler 数值当成玩家实际帧耗时,容易误判。本课在同一设备、同一场景中对比开发版未连接、开发版连接 Profiler 和发布版三种状态,区分构建差异与采样开销。
学习目标
- 配置只改变开发构建选项的对照实验,排除脚本后端和画质差异。
- 在两类 Player 中记录 CPU、GPU 帧耗时的 P50 与 P95。
- 根据三组结果判断调试开销、发布风险和需要复查的配置。
固定设备与构建变量
在 Unity 6(6000.0)中打开 File > Build Profiles,选定目标平台与相同场景。再到 Edit > Project Settings > Player > Other Settings > Configuration,确认两次构建的 Scripting Backend 相同,例如都使用 IL2CPP。如使用 IL2CPP,IL2CPP Code Generation、目标架构和托管代码裁剪设置也要一致。
| 测试组 | Development Build | Profiler 连接 | 目的 |
|---|---|---|---|
| A:开发版离线 | 开 | 不连接 | 测开发构建本身 |
| B:开发版采样 | 开 | 手动连接 | 测采样附加开销 |
| C:发布版 | 关 | 不连接 | 测接近交付的表现 |
A、B 使用完全同一个安装包。制作 A 时关闭 Autoconnect Profiler、Deep Profiling Support 和 Script Debugging;运行 B 时再到 Window > Analysis > Profiler,通过 Target Selection 选中设备并开启 Record。C 则关闭 Development Build 后重新构建。发布版一般不能像开发版一样直接连接 Unity Profiler,因此用下面的轻量采样脚本统一读数。
同时固定分辨率、渲染管线、画质档位、图形 API、动态分辨率策略及帧率上限。桌面端核对 QualitySettings.vSyncCount,移动端核对 Application.targetFrameRate;测试时保持电量、散热环境和操作路线相近,避免把降频或锁帧误当作代码变化。
在两个版本中记录相同指标
Unity 6 的 FrameTimingManager 能在 Player 内读取帧时序。发布版先在 Edit > Project Settings > Player > Other Settings > Rendering 启用 Frame Timing Stats;开发版默认启用此能力。该功能依赖平台和图形 API 支持,某些设备的 GPU 时间可能不可用。
新建 BuildFrameSampler.cs,挂到测试场景中的空 GameObject。脚本先预热 5 秒,再采集 30 秒;仅在采集完成后输出结果,避免逐帧写日志引入额外尖峰。
using System;
using System.Collections.Generic;
using UnityEngine;
public sealed class BuildFrameSampler : MonoBehaviour
{
readonly FrameTiming[] last = new FrameTiming[1];
readonly List<double> cpu = new List<double>(5000);
readonly List<double> gpu = new List<double>(5000);
float startTime;
string result;
void Start() => startTime = Time.realtimeSinceStartup;
void Update()
{
if (result != null) return;
float elapsed = Time.realtimeSinceStartup - startTime;
if (elapsed < 5f) return; // 排除启动与资源预热
if (elapsed >= 35f)
{
cpu.Sort();
gpu.Sort();
if (cpu.Count == 0)
result = "无有效样本:检查 Frame Timing Stats 与平台支持";
else
{
string gpuP95 = gpu.Count == 0 ? "N/A" : $"{Percentile(gpu, 0.95):F2} ms";
result = $"n={cpu.Count} CPU P50={Percentile(cpu, 0.50):F2} ms; " +
$"CPU P95={Percentile(cpu, 0.95):F2} ms; GPU P95={gpuP95}";
}
Debug.Log(result); // 只在测量结束后记录一次
return;
}
FrameTimingManager.CaptureFrameTimings();
if (FrameTimingManager.GetLatestTimings(1, last) == 0) return;
FrameTiming frame = last[0];
if (frame.cpuFrameTime > 0) cpu.Add(frame.cpuFrameTime);
if (frame.gpuFrameTime > 0) gpu.Add(frame.gpuFrameTime);
}
static double Percentile(List<double> sorted, double q)
{
int index = Math.Max(0, (int)Math.Ceiling(sorted.Count * q) - 1);
return sorted[index];
}
void OnGUI()
{
if (result == null) return;
GUI.skin.label.fontSize = Mathf.Max(18, Screen.height / 35);
GUI.skin.label.wordWrap = true;
GUI.Label(new Rect(20, 20, Screen.width - 40, 160), result);
}
}预期结果:进入场景约 35 秒后,屏幕显示与日志输出相同格式的一行统计信息;具体数值由设备决定。
n=<COUNT> CPU P50=<TIME> ms; CPU P95=<TIME> ms; GPU P95=<TIME> ms<COUNT> 和 <TIME> 代表实际样本数与毫秒数。如果 GPU 不支持计时,末尾显示 GPU P95=N/A。这里的 CPU P50/P95 是含等待时间的总帧间隔,不等于纯脚本执行时间;需要找方法级热点时,再看 B 组的 CPU Usage/Timeline。
判断差异是不是 Profiler 带来的
同一设备依次跑 A、B、C,每组至少重复三次;保持相同的战斗波次、镜头路径和热机时长。下面仅为计算示例,不是实际测试结果:
| 组别 | CPU P50 | CPU P95 | GPU P95 |
|---|---|---|---|
| A 开发版离线 | 16.8 ms | 24.5 ms | 12.2 ms |
| B 开发版采样 | 18.9 ms | 28.1 ms | 12.8 ms |
| C 发布版 | 15.9 ms | 20.4 ms | 11.9 ms |
B 相比 A 的 CPU P95 高 3.6 ms,说明连接采样器后尾部帧时间变差;A 相比 C 高 4.1 ms,说明开发构建与发布构建仍有差异。两个分位数的差只是统计对照,不能直接断言某一帧被 Profiler 增加了恰好这些毫秒。
若目标为 60 FPS,每帧预算约 16.67 ms。示例中 C 的 P95 仍为 20.4 ms,不能因为 Release 比 Dev 快就宣告达标;应检查超预算帧出现的场景,并借 B 组 Profiler 定位脚本、渲染或等待热点。
排除采样与发布配置误判
Frame Timing Stats 自身也会增加测量成本,且计时数据存在延迟;Unity 官方的 FrameTimingManager 说明明确指出采样结果不等于完全无插桩的真实性能。三组使用同一采集脚本是为了统一口径,最终还要关闭统计、使用真实发布包验证流畅度与平台帧率表现。
若差异异常大,优先检查:开发版是否误开 Deep Profiling、Script Debugging;两次构建是否一个用 Mono 一个用 IL2CPP;是否触发 DEVELOPMENT_BUILD 条件分支;是否混用了分辨率、质量或帧率上限。GPU 读数为 N/A 时不要填零,更不能据此认定不存在 GPU 瓶颈。
最后保存每轮的构建设置、设备型号、温度状态、P50/P95 和长帧复现场景。只有相同条件下的发布版也达到目标帧预算,才能将优化结论用于交付。