MOBA移动游戏性能分析报告:渲染、UI和逻辑代码是性能头号杀手!
◆◆◆
总体性能
MOBA游戏类型是目前所有游戏中性能最难把控(CPU开销最大)的游戏类型,在Android中低端机器上流畅运行,是当前MOBA项目最大的挑战。
- MOBA游戏中,同屏众多的英雄、小兵和血条HUD等,使得渲染、UI和自身逻辑代码的开销都大大高于引擎的其他系统开销;
- 在UWA以往优化的MOBA项目中,UI优化是最为难啃的骨头。不仅数量众多,而且出现和消失时机完全随机,如何做到较为理想的动静分离,是MOBA项目中UI性能优化的关键。
下面我们就来具体分析下这些主流模块的开销情况。
◆◆◆
主流模块性能
一、渲染模块
严重程度:噩梦
Draw Call的主体使用范围为34~142,峰值平均为215;
渲染三角面片的峰值集中在42K~291K,峰值平均为113K面。
UWA推荐:渲染三角面片峰值< 100K,目前达标比例: 35.6%。
不透明物体的渲染耗时平均为3.3ms,半透明物体的渲染耗时平均为6.1ms。相机后处理特效的CPU耗时主要集中在0.1~10.5 ms。
小结:
- MOBA游戏的场景渲染三角形面片数量普遍较高,仅35.6%的项目能够将场景的渲染三角形面片数峰值控制在10w以下;
- 半透明物体的渲染开销较高,这主要与UI界面、技能特效、野外树林和草丛量有关。
建议:
- 如果渲染面片数过高,则优化可从两方面入手,一是对场景模型、英雄小兵模型尝试进行网格简化,二是对中低端机器上渲染Shader进行简化,尽可能做到单Pass渲染;
2.如果是UI HUD开销很高(比如CreateVBO较高等),则需要对UI系统进行优化,具体可见UWA之前的UI优化相关的视频、文章和PPT对UI模块进行完善(可以参考UWA公众号的历史推送:uwatech 或者UWA博客:blog.uwa4d.com)。
二、UI模块
严重程度:地狱
- 使用NGUI作为UI解决方案的项目占据了相当高的比例,NGUI目前仍然是研发团队对于UI系统使用的主要解决方案;
- UI模块的性能开销很高,将近74%的研发团队都面临较为严重的性能问题;
- 建议研发团队根据UWA之前的UI优化相关的视频、文章和PPT对UI模块进行完善(可以参考UWA公众号的历史推送或者UWA博客:blog.uwa4d.com)。
三、逻辑代码
严重程度:地狱
- GC触发频率很高,是造成卡顿的主要原因之一;
- 90%以上的游戏团队需要对GC的调用进行进一步规划,对代码的堆内存分配进行大力优化。
- Instantiate实例化操作平均每次调用的CPU耗时主要分布在: 1.6~64.4 ms,均值为6.9ms,每1万帧总调用次数主要分布在: 55~5452 次;
- Instantiate的频繁实例化是太多数研发团队非常容易忽视的问题。
Log输出操作平均每次调用的CPU耗时主要分布在: 4.0~114.0 ms,均值为13.7 ms。
- Shader解析操作平均每次调用的CPU耗时主要分布在: 19.4~257.9 ms,均值为66.8ms;
- Shader解析时间较高,且大多数情况是相同Shader的重复开销,值得研发团队密切关注。
四、粒子系统
严重程度:地狱
五、动画模块
严重程度:噩梦
目前仅使用Mecanim动画系统的MOBA游戏项目占比为58.9%,仅使用Unity 3.x老版本动画系统的占比为4.1%,两种系统混合使用的占比为37.0%。
小结:
MOBA类型的动画模块开销是目前所有游戏类型中CPU开销最高的,ARPG可以根据设定好的剧情分布加载和卸载,MMORPG可以根据玩家的位置来动态加载,但MOBA是允许玩家根据小地图快速切屏的,所以以上方式均不适用。经过统计,MOBA游戏中一场5V5战斗基本上需要保证90-110个Skinned Mesh在不停进行动画和蒙皮计算,这是动画系统开销如此高的原因之一。
建议:
- 根据场景中角色位置或者视域体范围,对场景中的英雄、小兵和炮塔等需要进行动画计算的GameObject进行分级控制,比如Disable其Animator组件等;
- 开启Optimize Game Objects选项,一切策划需求为其让路;
- 善用缓存池,尽可能避免如下图中Animator.Initialize的频繁耗时。
◆◆◆
内存模块
目前MOBA项目中的内存占用普遍较高,但泄露问题的占比仅为23.3%,大幅低于其他游戏类型游戏。
总体内存
严重程度:地狱
总体堆内存
严重程度:地狱
纹理资源
严重程度:地狱
Mesh资源
严重程度:地狱
RenderTexture资源
严重程度:噩梦
字体资源
严重程度:普通
Shader资源
严重程度:地狱
动画资源
严重程度:地狱
音频资源
严重程度:普通
希望以上数据能给大家的开发提供帮助。之后我们将不断与大家分享其他类型的数据,如ACT,SLG等。我们深信数据是会说话的,总有规律值得我们追溯求实、鉴往知来。同时我们也会不断细化评析的标准、划分,以使得这些数据更有代表性和说服力。