Как подсчитал увеличение производительности за счёт твоей разработки?

Методы оценки повышения производительности

В моей практике, повышение производительности после разработки или оптимизации оценивается комплексно, с использованием нескольких ключевых метрик и инструментов. Основной подход всегда строится на сравнении «до» и «после» внедрения решения.

1. Сбор и анализ исходных метрик (Benchmarking)

Первый шаг — создание и фиксация контрольных точек (benchmarks) в текущей системе. Для этого я использую:

• Профилирование в Unity Profiler: Это основной инструмент. Я фиксирую и сохраняю данные по ключевым показателям:

    *   **Время рендеринга одного кадра** (Frame Rendering Time).
    *   **Время выполнения скриптов** (CPU Usage > Scripts).
    *   **Пиковое и среднее использование памяти** (Memory Area), особенно **Heap Memory** и **Managed Heap Used**.
    *   **Количество вызовов `SetPass`** и треугольников (`Batches` и `Tris`).

// Пример: простой скрипт для логирования времени кадра в контрольной точке
public class BenchmarkLogger : MonoBehaviour
{
    private float[] frameTimes = new float[100];
    private int index = 0;

    void Update()
    {
        // Сохраняем время последнего кадра (Time.deltaTime может быть неточен для профилирования)
        frameTimes[index] = Time.unscaledDeltaTime;
        index = (index + 1) % frameTimes.Length;

        if (index == 0)
        {
            // Вычисляем среднее и выводим в лог или файл
            float avgFrameTime = CalculateAverage(frameTimes);
            Debug.Log($"Бенчмарк (до оптимизации): Среднее время кадра = {avgFrameTime * 1000:F2} ms");
            // Также можно записать в файл для дальнейшего сравнения
        }
    }

    float CalculateAverage(float[] array)
    {
        float sum = 0;
        foreach (var t in array) sum += t;
        return sum / array.Length;
    }
}

• Создание стандартизированных тестовых сцен: Я разрабатываю или выделяю специфичные сценарии, которые максимально нагружают систему в проблемных областях (например, сцена с 1000 динамическими объектами, сложным освещением или интенсивными вычислениями AI).
• Измерение времени выполнения ключевых операций: Для локальных оптимизаций (например, нового алгоритма поиска пути) я создаю микро-бенчмарки с использованием System.Diagnostics.Stopwatch.

2. Измерение результатов после внедрения

После реализации оптимизаций (например, внедрения Object Pooling, перехода на Job System/Burst Compiler, оптимизации шейдеров или текстуры, рефакторинга алгоритмов) я повторно запускаю те же тестовые сцен на том же целевом устройстве (или классе устройств) и собираю данные с помощью тех же инструментов.

3. Расчет и представление улучшений

На основе собранных данных я рассчитываю конкретные показатели роста производительности:

• Увеличение FPS (кадров в секунду): Самый понятный для всех показатель. Рассчитывается как (NewFPS - OldFPS) / OldFPS * 100%. Часто представляется и в абсолютном значении: "FPS повысился с 45 до 60 на целевом устройстве".
• Сокращение времени кадра: Уменьшение времени рендеринга одного кадра в миллисекундах. Например, "Среднее время кадра сократилось с 22ms до 16ms".
• Снижение использования памяти: "Пиковое использование Managed Heap снизилось на 40% (с 350MB до 210MB)", что критически важно для мобильных платформ.
• Уменьшение количества операций рендеринга: "Число вызовов SetPass сократилось на 30% благодаря атласу текстуры и оптимизации материалов".
• Ускорение выполнения конкретных операций: "Время расчета пути для 100 агентов сократилось с 120ms до 15ms после перехода на Unity.Jobs".

4. Дополнительные методы и соображения

• Инструментарий и автоматизация: Для сложных проектов я могу создавать собственные инструменты в Editor для автоматического запуска бенчмарков и генерации отчетов в формате CSV или JSON, что позволяет отслеживать прогресс в ходе длительной разработки.
• Субъективная оценка: Кроме цифр, я всегда учитываю субъективное ощущение «плавности» и стабильности, особенно на слабых устройствах. Устранение редких, но резких падений FPS (микро-фризов) часто является важнейшим результатом.
• Сравнение на разных платформах: Оптимизация может иметь разный эффект на PC, консолях и мобильных устройствах. Я стараюсь проводить измерения на всех ключевых целевых платформах.
• Анализ компромиссов: Я всегда отмечаю, какой компромисс был достигнут. Например, "Производительность рендеринга повысилась на 25%, но для этого мы увеличили размер билда на 50MB из-за дополнительных атласов текстуры".

Итог: Моя оценка никогда строится на единичном, субъективном показателе. Это всегда подтвержденный цифрами отчет, основанный на сравнении объективных данных, полученных с помощью стандартизированных инструментов Unity и собственных тестов, что позволяет точно и убедительно демонстрировать ценность внедренных технических решений.