为帧时间、内存与首屏制定预算
适用:引擎无关的性能工程,示例目标 Cocos Creator 3.8.8 + TypeScript。资料核查:2026-11-17。本节数值均为计算或教学目标,不是微信平台限额,也不是本项目实测结果。
性能目标从玩法与设备开始
后端常用吞吐和接口延迟衡量系统,游戏还需要稳定的连续反馈。平均一秒画了多少帧,无法说明其中是否有一次明显停顿。先确定目标设备档位、画面复杂度、操作方式和期望帧率,再定义测试场景。对节奏缓慢的解谜,稳定低帧率可能比不稳定高帧率合适;对动作玩法,输入到画面的延迟与长帧更敏感。
帧率目标可转换为时间预算:六十帧每秒约为每帧 16.67 毫秒,三十帧约为 33.33 毫秒。但一帧并非只有业务 update:还有引擎调度、物理、布局、动画、渲染提交和 GPU 工作。CPU 与 GPU 常存在流水并行,不能把所有面板数字直接相加。预算的目的在于控制余量,不是让某个函数刚好占满整帧。
选择能揭露退化的场景
至少固定一段普通战斗与一段峰值战斗,包含敌人密度、粒子、掉落、伤害数字与 UI 更新。首关加载、切关与长时间游玩分别测,因为它们消耗不同资源。一个空场景达到高帧率只证明空场景很轻,不能代表真实玩法。测试时记录构建、设备、画质、规则、随机种子与操作流程,避免每次比较不同负载。
| 指标 | 教学目标示例 | 为什么分开看 |
|---|---|---|
| 稳态帧时间 | 目标帧率对应预算内保留余量 | 决定持续操作流畅度 |
| 长帧频率 | 统计超过项目阈值的帧数与占比 | 平均 FPS 会掩盖卡顿 |
| 首次可玩 | 分解下载与资源准备耗时 | 能定位网络还是本地阻塞 |
| 切关峰值内存 | 新旧关卡交接不持续抬升 | 稳态低不代表峰值安全 |
| 网络状态积压 | 队列有界、确认能追上 | RTT 正常仍可能持续落后 |
表中目标需要项目测量后填写实际数字。内存预算尤其不能照抄某篇历史机型限制;系统、微信模式和资源组成都会影响可用空间。为低档设备留出余量,比把一次未崩溃时的峰值当作上限更可靠。没有数据就记录未采集,不能用感觉填“性能良好”。
分位数与卡顿解释不同问题
帧时间 p95 表示大约九成五的样本不超过该值,不是“最差九成五帧的平均”。同时报告样本数量、区间和最大值,必要时记录超过阈值的连续帧段。一次切关长帧与持续慢帧的体验不同,分位数也可能掩盖非常稀少但很严重的停顿。把加载期和稳态期分开统计,才能判断优化是否有效。
function percentile(values: number[], p: number) {
if (!values.length) return undefined;
if (p < 0 || p > 1) throw new Error('INVALID_PERCENTILE');
const sorted = [...values].sort((a, b) => a - b);
return sorted[Math.max(0, Math.ceil(p * sorted.length) - 1)];
}
// 教学采用 nearest-rank 定义;正式报告要固定定义并过滤无效样本。
采样本身也有开销,不应每帧构造复杂 JSON 并立即上报。可用固定容量数组或聚合桶在本地累计,按阶段输出摘要。计时来源由平台适配器注入,确保单位一致。游戏暂停、失焦和后台恢复产生的大间隔要单独标记,否则它们会污染战斗帧时间统计。
资源预算要算运行态
一张图片的下载大小不是显存占用。未压缩 RGBA8 纹理的基础像素数据约为宽乘高乘四字节,若有 Mipmap、额外副本或渲染目标,还要另算。屏幕实际渲染尺寸同时影响像素填充和缓冲成本;设备像素比高时无条件满分辨率渲染,可能在画面变化不大的情况下显著增负。画面预算应该包括粒子覆盖面积和透明层数,而不只统计精灵数量。
CPU 预算可从最高频循环开始:实体更新、碰撞候选、路径搜索、文字更新和对象分配。敌人数翻倍时全对全检测可能不止翻倍;用算法和数据规模解释增长,比单纯改写语法有效。对象池可以减少频繁创建的压力,但过量预热会拉长首屏、增加常驻内存,因此也必须进入预算。
画质档位需要稳定策略
低档设备可减少非关键粒子、伤害数字数量、渲染分辨率或背景装饰更新频率,但不能悄悄改变碰撞、攻击频率和公平规则。降级项按体验收益与成本排序,并在设置中有可理解的含义。自动画质不要逐帧来回切换,应用滑动窗口、稳定阈值和冷却时间,避免视觉与资源频繁抖动。
不要为追求单一数字破坏其他预算。把所有精灵放进一张巨大图集可能降低 DrawCall,却增加首关加载和内存;关闭所有特效能提速,却可能让攻击不可读。优化结果要同时观察目标指标、画面质量和玩法正确性。预算是一组约束,不是一个排行榜。
建立回归判断而不是一次性优化
每次改动选择相同流程、多次运行,比较分布与峰值;报告绝对值和变化比例。一次提升很小且落在噪声范围内,应保持不确定,而不是宣布大幅优化。设备温度、充电状态、调试连接与后台负载会影响结果,至少记录这些条件。最终结论在接近发布条件的真机上复核。
常见“越玩越卡”要看内存基线、活跃对象与监听数是否增长;“敌人一多就卡”看算法与渲染是否随数量放大;“每隔几秒卡一次”看分配、GC、资源处理和定时任务。不要看到帧率低就立即合图,先让证据决定优化方向。
用增长曲线检查设计上限
分别运行少量、中量和峰值敌人,观察帧时间、批次与内存如何增长。若增长接近线性,可以估算新增内容的成本;若某个数量后突然恶化,可能是缓存容量、批次切分、物理接触或算法候选数跨过阈值。预算因此应包含允许的内容上限,而不是只对今天这一关承诺流畅。
美术与策划也需要知道这些上限:单屏同时出现多少非关键粒子、同一时刻允许多少伤害文字、关卡能引用多大的常驻图集。将限制关联到已测场景和质量档位,新增内容前就能发现预算冲突。没有依据的硬编码上限会限制玩法;有测量依据的上限则是团队可讨论的生产约束。
交给 AI 的任务与验收
可复制任务:“为俯视角闯关制定性能预算,固定普通与峰值战斗、冷启动、切关和连续游玩流程。增加有界帧时间采样与分位数摘要,区分后台和加载阶段。给出低画质降级项,但不得改变模拟规则,未测指标标未采集。”
验收同一输入流程可重复运行;报告包含样本范围、分位数、长帧与峰值;关闭日志后能复测;画质切换不改变战斗结果。预算达成与否由实际数据决定,再用性能剖析解释原因。
官方来源
- Chrome Performance:录制与分析运行性能的方法,浏览器结果不等于微信真机。
- Cocos 3.8 压缩纹理:文件压缩与 GPU 格式区别。
- MDN WebGL 最佳实践:图形资源预算与渲染成本参考;本文目标表与分位数代码为教学设计。