你的游戏项目有这些问题吗？

作者：admin
/
时间：2023年09月22日
/
浏览：2548 次
/
分类：充电一刻

在移动游戏对高品质画面的要求不断增加的背景下，我们一直专注于移动设备GPU性能的优化，以确保您的游戏体验得以最佳展现。然而，不同GPU芯片之间的性能差异以及由此可能引发的GPU瓶颈问题使得优化工作更加具有挑战性。

因此，在不久前，基于UWA最新发布的GOT Online GPU模式，我们为开发者提供了GPU性能优化免费试用测评和技术问诊服务。在总结经验时，我们发现了许多在开发、制作或优化性能过程中场景的问题，现在与大家分享，希望能够为大家提供一些有益的启示。

在GOT Online GPU模式报告中，UWA将GPU Clocks作为衡量GPU性能的主要指标，当GPU Clocks*目标帧率>=GPU最大频率*80%时，这一帧会被判定为GPU Bound并标记为粉色背景。GPU Bound反映了GPU在当前帧中计算所耗费的时钟周期数过高，使得单位时间内GPU的额定时钟周期数无法支持游戏满帧运行，即GPU压力。

当GPU出现Bound时，我们就需要通过一些更为细化的参数来分析，结合UWA报告的参数，例如GPU Shaded、GPU Primitive，Overdraw等走势，自行排查哪些参数造成的GPU渲染计算压力，并采取相应的优化方案。

1. 渲染密度顶点较多的网格

中招率：93%

网格最小渲染密度则可以用于排查网格资源的精度是否合理，同时可以帮助降低网格渲染面片数。

渲染密度表示在平均每一万像素（100*100，仅指甲盖大小的像素区）中网格的顶点数，如果该值大于1000，则说明我们在很小的画面中绘制了过于复杂的网格。

因此，当此网格的渲染密度最小时，如果该数值仍然高于1000，那么此网格的顶点数大概率是过高的，开发者可以考虑对这些网格资源进行减面操作，或使用LOD分级处理。

建议项目团队结合资源的渲染走势、生命周期和使用情况，进而更好地判断该资源是需要减模还是做Culling直接裁剪掉。

2. GPU不可见图元过多

中招率：92%

渲染面是产生GPU压力的重要因素之一。渲染面过多，一方面可能是模型过于复杂，一般可以通过 LOD、HLOD 等常用技术来简化远距离的模型，在不影响画质的情况下显著降低渲染面；另一方面，可能是地形、大建筑物等大面积模型没有进行适当的拆分，导致进入视域体的面片可能不多，但提交到GPU的渲染面依然很多。

在UWA的Primitive曲线中，我们可以看到：

总图元数：提交到GPU端的图元总数，该数值基本等同于引擎端统计的渲染面片总数。

可见图元数：在GPU端通过各种裁剪之后，留下的参与渲染的三角面。

在3D场景中，比较理想的情况下，可见图元的数量应该接近或高于 50%（对于大部分模型，有一半三角面会因为朝向被裁剪）。如果某些角度下，可见图元的比例非常低，则很可能存在上文提到的第二种情况，从而可以针对性地检查和优化场景中，这个角度下，被提交到GPU的大面积模型。

在如上项目中，我们看到大家这个裁剪的占比非常高，大部分场景下会有70%的比例。

我们建议应尽量在CPU端完成剔除，并减小送往GPU的图元数。

3. Overdraw较高

中招率：91%

Overdraw即多次绘制同一像素造成的GPU开销。在场景中渲染顺序控制合理的理想状况下，不透明物体的Overdraw应该尽量接近1。所以，造成Overdraw的主要元凶就是半透明物体，即粒子系统和UI。

在GPU模式中，我们定义了两种Overdraw，一种是“硬件”Overdraw，是由Fragment Shaded除以硬件分辨率得出，这种Overdraw是统计了后处理在内的渲染，也包括一些BlitCopy，如Copy Depth、Copy Color等；

另外一种是传统意义上的Overdraw，通过替换Shader渲染来计算叠加颜色的亮度从而计算得到的数值，这种Overdraw通常只统计场景或者UI，不会统计后处理以及BlitCopy，对于这种Overdraw，GPU模式提供了Overdraw视图。

这两种数值会存在一定的偏差，当偏差较大时，我们需要考虑是否是后处理造成的，如后处理中有较多的全屏BlitCopy。

结合热力图，也可以帮助排查导致Overdraw较高的来源。

如上图，从获得的Overdraw热力图中可以看到，爆炸特效对应的区域亮度较高，结合该场景截图判断该帧Overdraw较高应为爆炸特效所致。可以考虑以下方法进行：

（1）对粒子系统的最大粒子数量进行限制；

（2）在中低端机型上只保留“重要的”的粒子系统，对于该爆炸特效，可以只保留火焰本身，而关闭掉周边的烟尘效果；

（3）尽可能降低粒子特效在屏幕中的覆盖面积，覆盖面积越大，越容易产生重叠遮盖，从而造成更高的Overdraw。

4. 带宽过高

中招率：88%

由于GPU读、写带宽较高时都会造成大量的发热和耗电，需要开发者重点关注。

带宽分为 “读带宽”和“写带宽”，一般来说“读带宽”是个较高的占比，其中又分为读纹理和读顶点，我们需要关注以下这些方向：

>> 压缩格式

使用合理的压缩格式，能够有效降低纹理带宽。

>> 是否开启Mipmap

对于3D场景而言，对其中的物体材质的纹理开启Mipmap设置，能够用一小部分内存上升作为代价有效降低带宽。

>> 纹理的采样格式

纹理的各向异性采样和三线性插值采样，对于手游来说的性能开销都是较大的，应当尽量避免。概括来说，纹理采样时会去读OnChip缓存里面的内容，如果没命中就产生了Cache Miss，就会往离GPU更远的内存去读System Memory，因此会产生更大的Read带宽。当使用三线性插值采样或者各项异性采样时，纹理采样点会增多，在OnChip上的Cache Miss的概率就会变大，因此会造成带宽上升。

>> RT 相关采样的设置

比如Bloom的上下采样次数和采样的分辨率、Blur、DOF、CopyColor CopyDepth，以及一些AA等操作，也是对带宽有较大的影响。

>> 分辨率

修改渲染分辨率为0.9倍乃至更低，会减少参与纹理采样的像素，也会降低渲染的RT的Load/Store的开销，最终降低带宽。

同时，功率和带宽是一个互相影响的逻辑，一般1G/S的带宽，会造成差不多 80 ~ 100 mw的功率开销。因此，也可以结合报告中的功率走势查看是否导致掉电过快的问题。

5. Shader复杂度过高

中招率：87%

片元阶段还有一个较为重要的影响因素，就是Shader Cycles，代表GPU花在Shader上的计算周期数。报告还列出了Shader Arithmetic Cycles、Shader Interpolator Cycles、Shader LoadStore Cycles、Shader Texture Cycles四项数据。用户可以快速定位到高Shader复杂度场景下，数学计算、顶点到像素插值、寄存器读取、纹理处理相关Cycles数中，哪一个单元是Shader复杂度过高的瓶颈，以便针对性地对项目的Shader复杂度情况进行排查和优化。