游戏引擎 / 系统课时

写一份性能变更记录

写一份性能变更记录

性能优化不是“改完变快就结束”。本节把一次优化整理成可复查的变更记录:明确原问题、采样证据、具体修改、前后指标和剩余风险,让后来者能判断结论是否可信,也能在回归时快速定位相关改动。

学习目标

  • 能用固定字段记录一次性能优化的证据链
  • 能用同口径数据比较修改前后差异
  • 能把收益、风险和回退条件写到团队可复查的程度

记录的核心不是结论,而是可复现证据

一份有用的性能记录至少要回答五个问题:哪里慢、在什么条件下慢、依据什么证据判断、改了什么、改完后是否真的改善。只写“优化了 Tick,帧率提升明显”无法复查,因为构建版本、场景、分辨率、设备和采样窗口都可能改变结果。

建议把“问题”和“根因”分开写。问题描述观察到的现象,例如某战斗场景 GPU 时间持续超过预算;根因只写已经被采样数据支持的结论,例如某个后处理 Pass 在目标分辨率下占用显著上升。还没有证据时,应标记为“假设”,不要写成确定事实。

用固定模板约束信息完整性

团队可以把下面的 Markdown 作为每次性能改动的最小记录模板。字段名称可以调整,但前后数据的测试条件必须明确,否则数字无法比较。

yaml
问题:
  现象: ""
  影响场景: ""
  目标预算: ""
测试条件:
  构建版本: ""
  平台与硬件: ""
  地图或关卡: ""
  分辨率与画质: ""
  预热方式: ""
  采样区间: ""
证据:
  使用工具: ""
  关键指标: ""
  根因结论: ""
修改:
  修改内容: ""
  影响范围: ""
  关联提交: ""
前后对比:
  修改前: ""
  修改后: ""
  改善幅度: ""
风险与回退:
  可能副作用: ""
  回归检查点: ""
  回退条件: ""

这个模板不要求把所有分析过程写成流水账,只保留能够支撑结论的信息。大型优化可以附 Unreal Insights、GPU 捕获或自动化报表的链接,但正文中仍应写出关键指标,避免记录只剩一个失效附件。

用同一口径计算前后变化

前后数据最好来自相同设备、相同构建配置、相同场景路径和相近采样时长。不要拿一次峰值和另一组平均值比较,也不要把编辑器数据和目标平台数据混在一起。

下面示例用五次重复测量的帧时间计算平均值和改善比例,可直接替换成你的实际样本。

python
from statistics import mean

before_ms = [18.4, 18.7, 18.2, 18.6, 18.5]
after_ms = [14.9, 15.2, 15.0, 14.8, 15.1]

before_avg = mean(before_ms)
after_avg = mean(after_ms)
delta_ms = after_avg - before_avg
improvement = (before_avg - after_avg) / before_avg * 100

print(f"before={before_avg:.2f} ms")
print(f"after={after_avg:.2f} ms")
print(f"delta={delta_ms:.2f} ms")
print(f"improvement={improvement:.1f}%")

预期输出

text
before=18.48 ms
after=15.00 ms
delta=-3.48 ms
improvement=18.8%

这里的“18.8%”只表示这组帧时间样本的平均改善,不等于所有地图、设备或负载下都有同样收益。若波动明显,应同时记录多次运行结果或 P50/P95 等统计量,而不是只挑最好的一次。

把风险写成可以验证的条件

性能优化经常用空间换时间、精度换速度,或减少某些计算频率,因此记录不能只写收益。风险应该能转化为测试项,例如“降低阴影更新频率可能导致快速移动光源出现滞后”,并明确在哪些场景复测。

提交前再检查三件事:测试条件是否足以复现,前后指标是否同口径,风险是否有明确检查点。做到这三点,性能变更记录就不只是说明“改了什么”,而是团队未来做回归、审查和回退时可以直接使用的证据。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

写一份性能变更记录

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通