На что обращал внимание при оптимизации?

Стратегия оптимизации проектов Unity

При оптимизации проектов Unity я всегда начинаю с профилирования, чтобы точно локализовать узкие места, а не действовать наугад. Мой подход системный и многоуровневый, охватывающий ключевые подсистемы движка.

1. Производительность рендеринга и графика

Здесь основное внимание уделяется снижению нагрузки на GPU и количеству draw calls.

• Статический и динамический батчинг: Объединение объектов со схожими материалами для минимизации вызовов отрисовки. Статический батчинг используется для неподвижных объектов, динамический — для движущихся.
• Уровень детализации (LOD): Создание упрощенных моделей для дальних объектов через компонент LODGroup.

  // Пример настройки LOD в скрипте
  LODGroup lodGroup = GetComponent<LODGroup>();
  LOD[] lods = new LOD[2];
  // LOD 0: высокодетальная модель на расстоянии до 20 метров
  lods[0] = new LOD(0.5f, new Renderer[] { highDetailRenderer });
  // LOD82 1: низкополигональная модель на расстоянии от 20 до 50 метров
  lods[1] = new LOD(0.2f, new Renderer[] { lowDetailRenderer });
  lodGroup.SetLODs(lods);
  lodGroup.RecalculateBounds();
  

• Окклюзия (Occlusion Culling): Отсечение объектов, невидимых для камеры из-за перекрытия другими объектами. Это критически важно для сложных интерьеров.
• Оптимизация материалов и шейдеров: Минимизация количества различных материалов, использование атласов текстур, выбор простых шейдеров (например, Mobile/Diffuse вместо Standard).

2. Производительность процессора и логики

Цель — снизить нагрузку на CPU, особенно связанную со скриптами и физикой.

• Оптимизация вызовов Update(): Строгий контроль над тем, что выполняется каждый кадр. Использую паттерны вроде кэширования ссылок и условного выполнения.

  private Transform myTransform;
  private float checkTimer = 0f;
  public float checkInterval = 0.5f; // Проверяем не каждый кадр, а раз в 0.5 секунды
  
  void Start()
  {
      myTransform = transform; // Кэшируем ссылку
  }
  
  void Update()
  {
      checkTimer += Time.deltaTime;
      if(checkTimer >= checkInterval)
      {
          PerformExpensiveCheck();
          checkTimer = 0f;
      }
      // Лёгкая логика может выполняться каждый кадр
      myTransform.Rotate(Vector3.up * Time.deltaTime * 10f);
  }
  

• Пулы объектов (Object Pooling): Кардинальное решение проблемы производительности при частом создании/уничтожении однотипных объектов (пули, эффекты).
• Физика: Замена MeshCollider на примитивные коллайдеры, максимальное использование статических объектов для запекания физического мира, настройка частоты обновления физики (Fixed Timestep) в Time settings.

3. Управление памятью и сборка мусора (GC)

Неожиданные просадки из-за Garbage Collection (GC) — частая проблема. Я минимизирую аллокации в куче в runtime:

• Избегаю частого создания новых строк, массивов, коллекций внутри циклов и Update().
• Использую StringBuilder для динамического формирования строк.
• Предпочитаю массивы фиксированного размера или коллекции, которые позволяют задавать начальную емкость (new List<T>(capacity)).
• Повторно использую структуры данных вместо создания новых.

4. Оптимизация ассетов

• Текстуры: Правильный выбор формата (ASTC, ETC2, PVRTC), размера и степени сжатия под каждую платформу. Использование Mip Maps и атласов.
• Модели: Контроль полигонов, оптимизация скелетной анимации (количество костей, сжатие ключевых кадров).
• Аудио: Использование сжатых форматов (MP3, Vorbis), настройка загрузки в память (Streaming для длинных треков, Decompress on Load для коротких).

5. Анализ и инструменты

Весь процесс строится вокруг данных:

• Unity Profiler: Постоянный мониторинг CPU, GPU, памяти, аудио. Анализ глубоких вызовов (Deep Profile) для скриптов.
• Frame Debugger: Пошаговый разбор всех draw calls конкретного кадра.
• Статистика рендерера (Stats Window): Быстрая оценка FPS, треугольников и батчей в редакторе.
• Платформенные профилировщики: Например, Instruments для iOS, Snapdragon Profiler для Android.

Итог: Моя философия оптимизации — это баланс между качеством визуала и производительностью, достигаемый через итеративное профилирование и целенаправленные изменения, основанные на точных данных, а не на предположениях. Каждая правка должна быть измеримой и подтверждённой профилировщиком.