unity性能分析之Profiler工具的使用

　　　　　　　　　　　　圖 1 -1   Profiler 入口

 

    要分析獨立應用程序 需要勾選以下量兩項，否則不精准

 　　　　　　　　　　　　　　　　圖 1- 2 啟動標志

 

打開Profiler ，

 　　　　　　　　　　　　　　　　　　　　　　圖 1-3  Profiler 界面常規設置

 

 PlayModel ：運行模式下  我們就用這個

Hierarchy: 表示瀏覽視圖 選擇這個 便於觀察

DeepProfiler:表示深層次探測，選中此選項 會重新編譯項目，而且堆棧信息比較全面，層次太深，不方便查看。一般不需要選中。

 

我們經常聽說幀率：每秒 30Fps ,45FPS , 60FPS ，那么每幀的時間是多少? 1秒是1000ms，每幀的時間 = 1000 /  幀率 。如果游戲設定是30FPS ，那每幀的時間是 1000 / 30 = 33.3ms ,也就是說 留給CPU 每幀計算的時間只有 33.3ms.

可以通過API 強制設置幀率：Application.targetFrameRate  = 30 ，設置-1為不限制幀率，同時 我們要關閉掉 垂直同步Vsync。垂直同步：應用程序的幀率會受監視器的幀率限制。

　　　　　　　　　　　　　　　　　　　　 圖 1- 4  關閉垂直同步

 

 

運行游戲 ，點擊游戲中的球員管理，里面是有2000多張卡牌的 需要計算戰力的，比較耗時。

 

 

　　　　   　　　　　　　　　　　　　　　　　　　　　　圖 1-5 打開球員管理界面 有一個瞬間高峰

用鼠標選中高峰，查看此時的 GC及相應的耗時

 

　　　　　　　　　　　　　　　　　　　　　　　　圖1- 6  打開球員管理 標記耗時操作

 

GetPower 耗時 31.78毫秒，其中 GetPower0  25.22毫秒

那么這些BaseCardModel xxx =====>>> 是怎么來的呢？ 使我們在代碼中寫的，便於識別：

　　　　　　　　　　　　　　　　　　　　　　　　圖 1-7  代碼采樣

 

 代碼中BeginSample 一層套一層，在Profiler窗口中也是如此展示，為了便於得知每一層的耗時是多少。

　　　　　　　　　　　　　　　　　　　　 圖 1-8  不同層次的耗時

 

 

 打開發現 GetPower0 里面還有2層 , 這是因為：我們調用了GetCardAbilityAllPower() 方法 

 

 這里也是為了 弄清楚 耗時出現在一塊，便於我們去優化。

LuaProfilerUtl 的代碼 僅對 Profiler采樣進行簡單的封裝，會了更加便於獲知 耗時。代碼如下：

local LuaProfilerUtl = {}  2 local _isOpen = Application.isEditor == true or is_show_profiler_log == true
local __profilerMap = {}  4 
local function _getkey(...)  6     local par = { ... }  7     local key = ""
    for _, value in pairs(par) do
        if key == "" then
            key = tostring(value) 11         else
            key = key .."_"..tostring(value) 13         end
    end
end

function LuaProfilerUtl.Begin(...) 18     if _isOpen == false then return end
    local key = _getkey(...) 20     __profilerMap[key] = Time.realtimeSinceStartup 21 end


function LuaProfilerUtl.End(...) 25     if _isOpen == false then return end
    local key = _getkey(...) 27     if type(__profilerMap[key]) ~= "number" then return end
    if is_show_profiler_log then
        print(key.. "======>" .. string.format("%.4f", Time.realtimeSinceStartup  - __profilerMap[key] )) 30     else
        print(key.. "======>" .. string.format("%.4f", Time.realtimeSinceStartup  - __profilerMap[key] )) 32     end
end

function LuaProfilerUtl.BeginSample(...) 36     if _isOpen == false then return end
    local key = _getkey(...) 38  Profiler.BeginSample(key) 39 end

function LuaProfilerUtl.EndSample(params) 42     if _isOpen == false then return end
 Profiler.EndSample() 44 end

return LuaProfilerUtl

 

繼前面說的FPS，我們切換到Timeline 視圖，如圖 1-5 ，高峰耗時達到73.87ms , 1000 / 73.87ms = 13.5FPS 。數據太多，cpu計算耗時，界面打開一瞬間FPS降低。 GPU 在未收到CPU的數據期間一直處於等待狀態。

 

 

 　　　　　　　　　　　　　　　　　　　　　　　　　　　　圖1-9Timeline 視圖

 

Gfx.WaitForGfxCommandsFormMainThread：GPU正在等待CPU完成計算，GPU處於空閑階段。 

由此我們可以得出：性能瓶頸是卡在CPU 還是GPU ，便於我們進一步的精准優化。