游戏引擎 / 系统课时
给场景设定帧时间预算
给场景设定帧时间预算
性能优化不是“把能省的都省掉”,而是先确定目标帧率,再把每帧允许消耗的毫秒分配给 CPU、GPU 和运行时任务。预算明确后,Profile 结果才有判断标准,也能区分真正的瓶颈和暂时可接受的成本。
学习目标
- 能从目标 FPS 换算出总帧时间预算
- 理解 CPU 线程时间与 GPU 时间为什么不能简单相加
- 能为 Game、Render/Draw、GPU 与加载尖峰建立可执行的预算线
先把目标帧率换成毫秒预算
帧时间预算的起点只有一个:目标 FPS。换算关系是:
60 FPS 的理论上限约为 16.67 ms,120 FPS 只有约 8.33 ms。这个数不是“GPU 可以用完的时间”,而是整条帧流水线必须满足的节奏约束。实际项目还应留出余量,否则一旦遇到复杂视角、粒子爆发或流送尖峰,就很容易越线。
| 目标 | 理论单帧预算 | 更适合作为警戒线的思路 |
|---|---|---|
| 30 FPS | 33.33 ms | 不要长期贴着上限运行 |
| 60 FPS | 16.67 ms | 预留若干毫秒应对波动 |
| 120 FPS | 8.33 ms | 需要更严格控制 CPU 与 GPU 峰值 |
CPU 和 GPU 预算看关键路径,不做简单加法
在稳定流水状态下,CPU 与 GPU 会并行处理不同帧。某一帧的 Game Thread、Render/Draw Thread 和 GPU 时间存在前后依赖,但并不等于把所有数字直接相加后才得到最终 Frame Time。初步判断时,更应该找出当前限制吞吐的最长路径。

下面的脚本用一个简化模型快速判断当前样本离目标预算还有多少余量。它只用于初筛,正式定位仍要依赖 Unreal 的性能分析工具查看真实线程与 GPU 事件。
target_fps = 60
game_ms = 6.2
draw_ms = 8.4
gpu_ms = 14.8
budget_ms = 1000.0 / target_fps
critical_ms = max(game_ms, draw_ms, gpu_ms)
headroom_ms = budget_ms - critical_ms
times = {
"Game Thread": game_ms,
"Draw Thread": draw_ms,
"GPU": gpu_ms,
}
limiter = max(times, key=times.get)
print(f"Target budget: {budget_ms:.2f} ms")
print(f"Critical path estimate: {critical_ms:.2f} ms")
print(f"Headroom: {headroom_ms:.2f} ms")
print(f"Likely limiter: {limiter}")预期输出:
Target budget: 16.67 ms
Critical path estimate: 14.80 ms
Headroom: 1.87 ms
Likely limiter: GPU这里 GPU 已接近 16.67 ms 上限,虽然还没有越线,但只剩约 1.87 ms 余量。进入更复杂镜头后,很可能直接跌破 60 FPS。
把预算拆成可监控的几类
预算不必一开始就精确到每个函数,但至少要区分持续成本和偶发成本。持续成本包括 Game Thread 逻辑、Render/Draw Thread 提交、GPU 渲染;偶发成本则常见于资源流送、对象创建、GC、Shader 或 PSO 准备等。
给每一类预算时,应围绕“超过后会发生什么”来定。例如目标 60 FPS 时,如果 GPU 经常达到 16 ms,即使 CPU 很轻也几乎没有波动空间;如果 Game Thread 平时只有 6 ms,但偶发跳到 30 ms,平均帧率可能尚可,1% Low 却会明显恶化。
预算要和测试场景绑定
一份可执行的预算必须同时写清目标平台、分辨率、画质档、目标 FPS 和测试路径。否则“GPU 12 ms”既可能是健康结果,也可能是在低分辨率下掩盖了问题。
建议先选一段能稳定复现的代表性场景,记录典型镜头与高压镜头的 Game、Draw/Render、GPU 和 Frame Time,再给每项设置警戒线。后续每次优化都回到同一路径复测,比较毫秒变化,而不是只看一次性的 FPS 峰值。
当预算建立后,Profile 数据就从“很多数字”变成了决策依据:先找超过警戒线的关键路径,再判断它是持续瓶颈还是偶发尖峰,最后只优化真正影响目标帧率和稳定性的部分。