游戏引擎 / 系统课时
设置性能回归门槛
设置性能回归门槛
性能优化最怕“感觉变慢”却没有判定标准。本节把帧时间等关键指标转成可执行的回归门槛:先固定基线与测试条件,再同时检查相对退化和绝对上限,最后让脚本用退出码告诉流水线是否应阻止合并或发布。
学习目标
- 能为稳定指标定义基线、相对退化比例和绝对上限。
- 能用脚本比较当前结果与基线,并输出明确的通过或失败原因。
- 能区分真实回归与采样波动,避免门槛过严或过松。
门槛不是一个固定百分比
只写“性能下降超过 5% 就失败”通常不够。项目真正关心的是两件事:相对上一份可靠基线退化了多少,以及当前值是否已经越过产品预算。例如 60 FPS 场景的单帧预算约为 16.67 ms,即使相对基线只退化 2%,也可能已经跨过不能接受的硬上限。
建议每个核心指标至少记录三个值:基线 baseline、允许相对退化 maxRegressionPct、绝对上限 hardLimit。对“越小越好”的耗时指标,当前值必须同时满足相对门槛和绝对门槛。

先固定可比较的测试条件
回归门槛只有在“同条件比较”时才有意义。基线与当前构建应尽量使用同一台机器或同一类固定规格机器、同一地图与镜头路径、相同分辨率和画质等级,并保持预热时间与采样时长一致。
对帧时间类指标,不要直接比较单帧极值。更稳妥的做法是对固定区间统计中位数或高分位数,并让一次短暂卡顿通过单独的 hitch 指标处理。GPU 驱动更新、系统后台任务、首次 Shader 或资源加载也会制造假回归,因此应在采样前完成预热。
用配置表达可接受范围
下面的配置把 Game Thread 和 GPU 帧时间都定义为“越小越好”。这是配置数据,不直接执行;CI 中的比较脚本读取它后决定是否通过。
{
"game_thread_ms": {
"baseline": 16.0,
"maxRegressionPct": 5.0,
"hardLimit": 18.0
},
"gpu_ms": {
"baseline": 13.5,
"maxRegressionPct": 5.0,
"hardLimit": 16.0
}
}当前测试结果可以保存成独立文件,避免把采集与判定逻辑耦合在一起。
{
"game_thread_ms": 16.6,
"gpu_ms": 14.7
}验证方法是让判定脚本同时检查两个条件:current <= baseline * (1 + maxRegressionPct / 100),并且 current <= hardLimit。任意一个指标违反任一条件,就把该次构建判为回归。
让门槛真正阻断回归
下面的 Python 脚本读取 thresholds.json 与 current.json,打印每个指标的判断结果,并在存在回归时返回退出码 1。保存为 check_perf_gate.py 后即可接入常见 CI。
import json
import sys
with open("thresholds.json", encoding="utf-8") as f:
thresholds = json.load(f)
with open("current.json", encoding="utf-8") as f:
current = json.load(f)
failed = False
for name, rule in thresholds.items():
value = current[name]
relative_limit = rule["baseline"] * (1 + rule["maxRegressionPct"] / 100)
hard_limit = rule["hardLimit"]
relative_ok = value <= relative_limit
hard_ok = value <= hard_limit
status = "PASS" if relative_ok and hard_ok else "FAIL"
print(
f"{status} {name}: current={value:.3f}, "
f"relative_limit={relative_limit:.3f}, hard_limit={hard_limit:.3f}"
)
if status == "FAIL":
failed = True
sys.exit(1 if failed else 0)预期输出如下;gpu_ms 虽未超过 16 ms 的绝对上限,但已经超过基线加 5% 后的 14.175 ms,因此本次回归检查失败。
PASS game_thread_ms: current=16.600, relative_limit=16.800, hard_limit=18.000
FAIL gpu_ms: current=14.700, relative_limit=14.175, hard_limit=16.000此时进程退出码为 1,流水线应把该性能检查标记为失败。若所有指标均通过,则退出码为 0。
给噪声留下空间,但不要掩盖趋势
门槛应来自重复采样,而不是拍脑袋。先连续运行多次稳定版本,估算正常波动范围,再决定允许的相对退化比例。波动较大的指标可以增加样本数,或先要求连续多次超限再升级为阻断;但不要简单把阈值放宽到任何变化都能通过。
基线也不应每次构建自动覆盖。更安全的做法是只在确认优化有效、硬件和测试场景没有改变时更新基线,并把基线文件与代码版本一同审查。这样一次性能下降不会因为“自动刷新基线”而在下一次运行中被悄悄接受。