1. 项目概述为什么我们需要深入理解Unreal Engine Profiler如果你正在用Unreal Engine开发游戏或实时应用并且感觉项目运行起来“有点卡”或者某个场景的帧率总是不稳定那么你大概率已经遇到了性能瓶颈。这时候光靠猜测是没用的你需要一个“听诊器”来精确诊断问题所在。Unreal Engine自带的Profiler性能分析器就是这个最强大、最直接的听诊器。今天要聊的这个文件“Unreal Engine Profiler使用Profiler进行CPU分析_2024-07-23_02-03-11.Tex”虽然看起来像是一个分析会话的存档文件但它背后代表的是一个完整的性能分析工作流。这个.Tex文件是Profiler捕获的原始数据而我们要做的就是学会如何捕获、解读并最终利用这些数据来优化你的CPU性能。CPU性能分析是游戏开发中永恒的话题。无论是复杂的AI逻辑、密集的物理模拟还是庞大的蓝图网络最终都会体现在CPU线程的执行时间上。Profiler能帮你把这些抽象的时间消耗具象化为一个个函数调用、一个个游戏线程的堆栈让你清楚地看到每一毫秒CPU时间都花在了哪里。这对于从零基础入门到希望精通性能优化的开发者来说是必须掌握的硬核技能。掌握它你就能从“感觉有点慢”的模糊抱怨进化到“第3帧的GameThread上AIController::Tick函数多消耗了2ms原因是路径查询队列堵塞”的精准定位。2. 核心工具解析Unreal Engine Profiler的架构与启动在深入分析之前我们得先搞清楚手头的工具。Unreal Engine的Profiler不是一个单一的工具而是一个套件主要分为“实时”分析的Insights系统和“快照”式的CPU Profiler。我们标题中提到的更侧重于后者即针对CPU的深度分析。2.1 Insights与CPU Profiler双剑合璧Insights是Epic官方主推的下一代性能分析工具独立于编辑器运行。它通过接收来自游戏运行时无论是编辑器内Play、独立游戏还是真机通过“Trace”通道发送的流式数据实现实时、低开销的性能监控。它的优势在于可以长时间录制观察性能趋势并且能关联GPU、RHI、内存等多维度数据。CPU Profiler通常通过编辑器菜单栏的“Session Frontend”或控制台命令profile启动则更传统也更聚焦。它通过插入检测点或采样捕获一个较短时间窗口内通常是几秒极其详细的CPU调用堆栈信息生成的就是我们标题里那种.tex或.prof文件。这种分析开销相对较大但数据粒度极细适合对已知的性能热点进行“显微镜”级别的观察。对于CPU性能分析尤其是定位深层次的逻辑瓶颈我们往往需要结合两者先用Insights进行大范围的性能普查定位到大致的时间范围和线程然后再用CPU Profiler对特定区域进行高精度“活检”。标题中的.Tex文件就是一次“活检”的病理切片。2.2 启动与捕获配置实战启动一次有效的分析不是简单地点个按钮。错误的配置会导致抓不到数据或者数据没有参考价值。首先确保你的开发配置支持分析。在打包开发版本Development Build时引擎会包含完整的调试符号和性能检测代码。千万不要用发布版本Shipping Build进行分析因为编译器优化如内联函数会打乱调用堆栈让你看不清函数关系。启动Insights进行前期侦察从Unreal Editor启动你的游戏Play in Editor 或 Launch Standalone Game。打开“Window” - “Developer Tools” - “Session Frontend”。切换到“Profiler”标签页点击“Start”按钮。此时游戏就开始向Insights发送Trace数据了。操作游戏重现你关心的性能问题场景比如进入一个复杂场景或触发特定AI行为。点击“Stop”停止捕获数据会自动载入Insights独立窗口。在Insights里重点关注“Timing”视图。你会看到诸如GameThread、RenderThread、RHIThread等线程的时间轴。如果发现GameThread的帧时间Frame出现明显的峰值一个黄色的长条就记下这个时间点。这就是我们需要用CPU Profiler进行深度分析的“案发现场”。启动CPU Profiler进行深度捕获在游戏运行时可以是Insights侦察后的第二次运行打开控制台默认键。输入命令profile start。此时Profiler开始以高采样率记录所有线程的调用堆栈。立即操作游戏让性能问题在接下来的几秒内发生。注意CPU Profiler开销大记录时间最好控制在5-10秒以内否则数据文件会非常庞大也可能影响游戏行为本身。输入命令profile stop。引擎会在Saved/Profiling目录下生成一个.prof或.tex文件这就是我们的分析样本。注意捕获时机的把握是关键。一定要在问题复现的“前一刻”开始并在问题结束后立刻停止。太早开始会记录大量无关数据干扰分析太晚则会错过关键现场。3. 数据解读从.Tex文件到可执行的优化洞察拿到了.Tex文件就像侦探拿到了现场证据。接下来是更关键的环节解读。我们通常使用Unreal Engine编辑器内置的“Session Frontend”中的“Load Profiler Capture”功能来加载这个文件。3.1 核心视图调用树与火焰图加载分析文件后你会面对几个核心视图其中两个最重要调用树视图这是最经典的分析视图。它以树状结构展示了一个线程比如GameThread在采样期间的所有函数调用。根节点通常是线程的主函数子节点是被调用的函数。每个节点都显示了总时间该函数自身及其所有子函数消耗的总时间。自身时间排除子函数后该函数本体代码消耗的时间。这是定位“真凶”的关键指标。一个函数总时间长可能只是因为它调用了很多其他函数但如果它自身时间也很长说明它内部的逻辑就是瓶颈。调用次数该函数被调用的次数。火焰图视图这是一个水平方向的、可视化的调用堆栈。底部是调用栈的底层如线程入口顶部是栈顶当前执行的函数。火焰图的宽度代表该函数在采样中出现的总时间占比。一眼望去最宽的那些“火苗”就是最耗时的代码路径。火焰图特别适合快速发现最宽的“性能热点”区域并且能直观看到完整的调用链。3.2 定位性能热点的实战步骤选择目标线程在Insights中如果你发现是GameThread卡顿那么在CPU Profiler里就重点分析GameThread。排序与筛选在调用树视图中按“自身时间”降序排序。排在最前面的几个函数就是最可疑的“热点”。深入调用链点击热点函数展开它的调用树。看看它的时间主要贡献给了哪些子调用。是某个特定的蓝图函数是一个复杂的物理计算还是一次昂贵的对象查找结合火焰图验证在火焰图中找到对应函数名的宽条观察它所在的整个调用栈。这能帮你理解这个热点函数是在什么上下文中被频繁调用的。识别模式常见的性能问题模式包括高频次调用一个自身时间不长但调用次数极多的函数比如每帧对每个Actor都调用的函数。单次长耗时一个自身时间很长的函数比如同步加载一个大型资源。低效算法在调用树中看到多层嵌套循环导致的指数级时间增长。例如你可能会发现排在首位的是BlueprintFunction自身时间占了10ms。展开后发现它90%的时间都花在了一个叫FindAllActorsOfClass的子调用上。这就是一个明确的信号你在蓝图中使用了低效的全局对象查找应该改用对象引用或更高效的管理方式。3.3 避免分析陷阱理解采样与插桩CPU Profiler的数据主要来自两种方式采样和插桩。采样分析器以固定频率如1000Hz中断CPU记录当前所有线程正在执行的指令地址函数。这是一种统计方法采样时间越长结果越接近真实分布。但它可能错过那些执行时间极短但频率极高的函数。插桩引擎在编译时在特定的函数入口和出口自动插入记录点。这能获得精确的函数计时但只针对引擎标记的重要函数并且会增加一些开销。因此当你看到数据时要明白它是对真实情况的一种“采样近似”。对于非常短促的函数可能需要结合代码审查来确认。另外Profiler自身的开销尤其是插桩模式会使测得的绝对时间比实际稍长但相对时间占比哪个函数最耗资源仍然是极其可靠的优化指导。4. 优化策略从分析结果到性能提升分析出热点只是第一步如何解决才是体现功力的地方。针对不同的热点类型有不同的优化策略。4.1 针对高频次调用的优化问题特征函数自身时间短但调用次数极多累计效应显著。优化策略缓存结果如果函数结果是确定性的或在一定周期内不变计算一次并缓存起来避免每帧重复计算。例如将GetPlayerController的结果存在一个局部变量中供一帧内多次使用。降低调用频率考虑是否真的需要每帧调用。能否改为每2帧、5帧调用一次使用计时器Timer或自定义的帧计数逻辑来稀释调用。批量处理避免在循环内部进行昂贵的操作。例如不要在每帧对每个AI都进行一次LineTrace可以尝试将多个查询合并或者使用空间分区数据结构如网格、四叉树来减少不必要的检测。事件驱动替代轮询将“每帧检查某个条件是否满足”改为“当条件改变时触发事件”。这在UI更新、状态同步中非常有效。4.2 针对单次长耗时函数的优化问题特征函数自身执行一次就需要很长时间。优化策略算法优化这是根本。检查函数内部逻辑是否存在时间复杂度为O(n²)或更差的循环能否用更高效的数据结构如TMap代替TArray查找能否用空间换时间异步化/延迟加载如果函数在做IO操作如读取文件、同步加载资源或复杂的生成计算考虑是否可以将它移到异步任务中避免阻塞游戏线程。使用AsyncTask或ParallelFor。简化计算在游戏开发中近似解常常比精确解更受欢迎。能否用查表代替实时计算能否降低物理模拟的精度能否使用Level of Detail逻辑对远处的物体进行简化计算剖析子调用如果长耗时函数内部调用了其他函数继续用Profiler深入分析那些子调用找到最耗时的具体操作。4.3 蓝图与C的协同优化很多性能热点最终会追溯到蓝图。蓝图的便利性是以一定的性能开销为代价的。将热点蓝图节点迁移到C如果你发现某个复杂的蓝图逻辑如包含大量循环、数学运算的宏是热点最有效的办法就是将其重写为C函数然后在蓝图中调用。C的执行效率通常比蓝图虚拟机高一个数量级。减少蓝图Tick检查场景中所有Actor的Event Tick禁用那些不需要每帧更新的Actor的Tick。这是最容易获得性能收益的方法之一。优化蓝图通信避免在Tick中使用Cast To或Get All Actors Of Class进行频繁的类型转换和查找。使用直接的对象引用、事件分发器或游戏实例子系统来管理通信。5. 高级技巧与长期性能管理掌握了基础分析和优化后一些高级技巧和良好习惯能让你的性能管理工作事半功倍。5.1 对比分析与自动化一次优化是否有效需要数据对比。建立性能基准在优化前针对目标场景进行一次标准的Profiler捕获保存好.Tex文件。实施优化进行你的代码修改。再次捕获在完全相同的场景和操作下再次进行Profiler捕获。对比分析直接比较两次捕获的数据。最理想的情况是原来那个热点函数从调用树顶部消失了或者自身时间显著减少。同时也要警惕“性能转移”——一个热点消失另一个热点冒出来。对于大型项目可以考虑将性能测试自动化。编写一个简单的自动化脚本在特定地图上执行固定路径的操作并自动触发Profiler捕获、生成报告与历史基准进行比较。这能在日常开发中及早发现性能回归。5.2 内存与CPU的关联分析CPU性能问题有时是内存问题的表象。频繁的内存分配与释放尤其是在Tick中会导致内存碎片并可能引发垃圾回收而垃圾回收会严重阻塞游戏线程。在Insights的“Memory”视图中观察Alloc和Free的调用频率。在CPU Profiler中关注FMemory::Malloc和FMemory::Free相关的调用。如果它们出现在热点附近说明你的代码可能存在不必要的堆内存分配。考虑使用对象池、预分配数组或在栈上分配对象来缓解。5.3 平台差异与真机分析在编辑器中分析是一个很好的起点但最终的性能表现要以目标平台如PC、主机、移动设备为准。不同平台的CPU架构、缓存大小、内存带宽差异巨大。使用目标平台的分析工具链对于主机平台通常有厂商提供的专用性能分析工具如PlayStation的Razor, Xbox的PIX。它们能与Unreal Profiler数据互补提供硬件计数器级别的信息如缓存命中率、分支预测失败率。在真机上捕获.tex文件Unreal Engine支持在非桌面平台上运行带有分析功能的开发版本并将分析数据通过网络传回开发机的Insights。这能让你获得最真实的性能画像。具体设置涉及在打包时启用-trace相关参数并在设备上启动特定的命令行。性能优化是一个迭代和权衡的过程。没有一劳永逸的银弹。通过熟练使用Unreal Engine Profiler这个强大的工具你将从一个被性能问题牵着鼻子走的开发者转变为主动掌控性能、心中有数的架构师。每一次捕获、分析、优化都是对你代码和设计理解的一次深化。记住最好的优化往往是那些不需要复杂技巧的优化减少不必要的计算缓存能缓存的一切以及在开始写代码之前就多思考一下数据流动与架构。
Unreal Engine性能分析实战：CPU Profiler与Insights工具深度解析
发布时间：2026/7/30 16:37:37
1. 项目概述为什么我们需要深入理解Unreal Engine Profiler如果你正在用Unreal Engine开发游戏或实时应用并且感觉项目运行起来“有点卡”或者某个场景的帧率总是不稳定那么你大概率已经遇到了性能瓶颈。这时候光靠猜测是没用的你需要一个“听诊器”来精确诊断问题所在。Unreal Engine自带的Profiler性能分析器就是这个最强大、最直接的听诊器。今天要聊的这个文件“Unreal Engine Profiler使用Profiler进行CPU分析_2024-07-23_02-03-11.Tex”虽然看起来像是一个分析会话的存档文件但它背后代表的是一个完整的性能分析工作流。这个.Tex文件是Profiler捕获的原始数据而我们要做的就是学会如何捕获、解读并最终利用这些数据来优化你的CPU性能。CPU性能分析是游戏开发中永恒的话题。无论是复杂的AI逻辑、密集的物理模拟还是庞大的蓝图网络最终都会体现在CPU线程的执行时间上。Profiler能帮你把这些抽象的时间消耗具象化为一个个函数调用、一个个游戏线程的堆栈让你清楚地看到每一毫秒CPU时间都花在了哪里。这对于从零基础入门到希望精通性能优化的开发者来说是必须掌握的硬核技能。掌握它你就能从“感觉有点慢”的模糊抱怨进化到“第3帧的GameThread上AIController::Tick函数多消耗了2ms原因是路径查询队列堵塞”的精准定位。2. 核心工具解析Unreal Engine Profiler的架构与启动在深入分析之前我们得先搞清楚手头的工具。Unreal Engine的Profiler不是一个单一的工具而是一个套件主要分为“实时”分析的Insights系统和“快照”式的CPU Profiler。我们标题中提到的更侧重于后者即针对CPU的深度分析。2.1 Insights与CPU Profiler双剑合璧Insights是Epic官方主推的下一代性能分析工具独立于编辑器运行。它通过接收来自游戏运行时无论是编辑器内Play、独立游戏还是真机通过“Trace”通道发送的流式数据实现实时、低开销的性能监控。它的优势在于可以长时间录制观察性能趋势并且能关联GPU、RHI、内存等多维度数据。CPU Profiler通常通过编辑器菜单栏的“Session Frontend”或控制台命令profile启动则更传统也更聚焦。它通过插入检测点或采样捕获一个较短时间窗口内通常是几秒极其详细的CPU调用堆栈信息生成的就是我们标题里那种.tex或.prof文件。这种分析开销相对较大但数据粒度极细适合对已知的性能热点进行“显微镜”级别的观察。对于CPU性能分析尤其是定位深层次的逻辑瓶颈我们往往需要结合两者先用Insights进行大范围的性能普查定位到大致的时间范围和线程然后再用CPU Profiler对特定区域进行高精度“活检”。标题中的.Tex文件就是一次“活检”的病理切片。2.2 启动与捕获配置实战启动一次有效的分析不是简单地点个按钮。错误的配置会导致抓不到数据或者数据没有参考价值。首先确保你的开发配置支持分析。在打包开发版本Development Build时引擎会包含完整的调试符号和性能检测代码。千万不要用发布版本Shipping Build进行分析因为编译器优化如内联函数会打乱调用堆栈让你看不清函数关系。启动Insights进行前期侦察从Unreal Editor启动你的游戏Play in Editor 或 Launch Standalone Game。打开“Window” - “Developer Tools” - “Session Frontend”。切换到“Profiler”标签页点击“Start”按钮。此时游戏就开始向Insights发送Trace数据了。操作游戏重现你关心的性能问题场景比如进入一个复杂场景或触发特定AI行为。点击“Stop”停止捕获数据会自动载入Insights独立窗口。在Insights里重点关注“Timing”视图。你会看到诸如GameThread、RenderThread、RHIThread等线程的时间轴。如果发现GameThread的帧时间Frame出现明显的峰值一个黄色的长条就记下这个时间点。这就是我们需要用CPU Profiler进行深度分析的“案发现场”。启动CPU Profiler进行深度捕获在游戏运行时可以是Insights侦察后的第二次运行打开控制台默认键。输入命令profile start。此时Profiler开始以高采样率记录所有线程的调用堆栈。立即操作游戏让性能问题在接下来的几秒内发生。注意CPU Profiler开销大记录时间最好控制在5-10秒以内否则数据文件会非常庞大也可能影响游戏行为本身。输入命令profile stop。引擎会在Saved/Profiling目录下生成一个.prof或.tex文件这就是我们的分析样本。注意捕获时机的把握是关键。一定要在问题复现的“前一刻”开始并在问题结束后立刻停止。太早开始会记录大量无关数据干扰分析太晚则会错过关键现场。3. 数据解读从.Tex文件到可执行的优化洞察拿到了.Tex文件就像侦探拿到了现场证据。接下来是更关键的环节解读。我们通常使用Unreal Engine编辑器内置的“Session Frontend”中的“Load Profiler Capture”功能来加载这个文件。3.1 核心视图调用树与火焰图加载分析文件后你会面对几个核心视图其中两个最重要调用树视图这是最经典的分析视图。它以树状结构展示了一个线程比如GameThread在采样期间的所有函数调用。根节点通常是线程的主函数子节点是被调用的函数。每个节点都显示了总时间该函数自身及其所有子函数消耗的总时间。自身时间排除子函数后该函数本体代码消耗的时间。这是定位“真凶”的关键指标。一个函数总时间长可能只是因为它调用了很多其他函数但如果它自身时间也很长说明它内部的逻辑就是瓶颈。调用次数该函数被调用的次数。火焰图视图这是一个水平方向的、可视化的调用堆栈。底部是调用栈的底层如线程入口顶部是栈顶当前执行的函数。火焰图的宽度代表该函数在采样中出现的总时间占比。一眼望去最宽的那些“火苗”就是最耗时的代码路径。火焰图特别适合快速发现最宽的“性能热点”区域并且能直观看到完整的调用链。3.2 定位性能热点的实战步骤选择目标线程在Insights中如果你发现是GameThread卡顿那么在CPU Profiler里就重点分析GameThread。排序与筛选在调用树视图中按“自身时间”降序排序。排在最前面的几个函数就是最可疑的“热点”。深入调用链点击热点函数展开它的调用树。看看它的时间主要贡献给了哪些子调用。是某个特定的蓝图函数是一个复杂的物理计算还是一次昂贵的对象查找结合火焰图验证在火焰图中找到对应函数名的宽条观察它所在的整个调用栈。这能帮你理解这个热点函数是在什么上下文中被频繁调用的。识别模式常见的性能问题模式包括高频次调用一个自身时间不长但调用次数极多的函数比如每帧对每个Actor都调用的函数。单次长耗时一个自身时间很长的函数比如同步加载一个大型资源。低效算法在调用树中看到多层嵌套循环导致的指数级时间增长。例如你可能会发现排在首位的是BlueprintFunction自身时间占了10ms。展开后发现它90%的时间都花在了一个叫FindAllActorsOfClass的子调用上。这就是一个明确的信号你在蓝图中使用了低效的全局对象查找应该改用对象引用或更高效的管理方式。3.3 避免分析陷阱理解采样与插桩CPU Profiler的数据主要来自两种方式采样和插桩。采样分析器以固定频率如1000Hz中断CPU记录当前所有线程正在执行的指令地址函数。这是一种统计方法采样时间越长结果越接近真实分布。但它可能错过那些执行时间极短但频率极高的函数。插桩引擎在编译时在特定的函数入口和出口自动插入记录点。这能获得精确的函数计时但只针对引擎标记的重要函数并且会增加一些开销。因此当你看到数据时要明白它是对真实情况的一种“采样近似”。对于非常短促的函数可能需要结合代码审查来确认。另外Profiler自身的开销尤其是插桩模式会使测得的绝对时间比实际稍长但相对时间占比哪个函数最耗资源仍然是极其可靠的优化指导。4. 优化策略从分析结果到性能提升分析出热点只是第一步如何解决才是体现功力的地方。针对不同的热点类型有不同的优化策略。4.1 针对高频次调用的优化问题特征函数自身时间短但调用次数极多累计效应显著。优化策略缓存结果如果函数结果是确定性的或在一定周期内不变计算一次并缓存起来避免每帧重复计算。例如将GetPlayerController的结果存在一个局部变量中供一帧内多次使用。降低调用频率考虑是否真的需要每帧调用。能否改为每2帧、5帧调用一次使用计时器Timer或自定义的帧计数逻辑来稀释调用。批量处理避免在循环内部进行昂贵的操作。例如不要在每帧对每个AI都进行一次LineTrace可以尝试将多个查询合并或者使用空间分区数据结构如网格、四叉树来减少不必要的检测。事件驱动替代轮询将“每帧检查某个条件是否满足”改为“当条件改变时触发事件”。这在UI更新、状态同步中非常有效。4.2 针对单次长耗时函数的优化问题特征函数自身执行一次就需要很长时间。优化策略算法优化这是根本。检查函数内部逻辑是否存在时间复杂度为O(n²)或更差的循环能否用更高效的数据结构如TMap代替TArray查找能否用空间换时间异步化/延迟加载如果函数在做IO操作如读取文件、同步加载资源或复杂的生成计算考虑是否可以将它移到异步任务中避免阻塞游戏线程。使用AsyncTask或ParallelFor。简化计算在游戏开发中近似解常常比精确解更受欢迎。能否用查表代替实时计算能否降低物理模拟的精度能否使用Level of Detail逻辑对远处的物体进行简化计算剖析子调用如果长耗时函数内部调用了其他函数继续用Profiler深入分析那些子调用找到最耗时的具体操作。4.3 蓝图与C的协同优化很多性能热点最终会追溯到蓝图。蓝图的便利性是以一定的性能开销为代价的。将热点蓝图节点迁移到C如果你发现某个复杂的蓝图逻辑如包含大量循环、数学运算的宏是热点最有效的办法就是将其重写为C函数然后在蓝图中调用。C的执行效率通常比蓝图虚拟机高一个数量级。减少蓝图Tick检查场景中所有Actor的Event Tick禁用那些不需要每帧更新的Actor的Tick。这是最容易获得性能收益的方法之一。优化蓝图通信避免在Tick中使用Cast To或Get All Actors Of Class进行频繁的类型转换和查找。使用直接的对象引用、事件分发器或游戏实例子系统来管理通信。5. 高级技巧与长期性能管理掌握了基础分析和优化后一些高级技巧和良好习惯能让你的性能管理工作事半功倍。5.1 对比分析与自动化一次优化是否有效需要数据对比。建立性能基准在优化前针对目标场景进行一次标准的Profiler捕获保存好.Tex文件。实施优化进行你的代码修改。再次捕获在完全相同的场景和操作下再次进行Profiler捕获。对比分析直接比较两次捕获的数据。最理想的情况是原来那个热点函数从调用树顶部消失了或者自身时间显著减少。同时也要警惕“性能转移”——一个热点消失另一个热点冒出来。对于大型项目可以考虑将性能测试自动化。编写一个简单的自动化脚本在特定地图上执行固定路径的操作并自动触发Profiler捕获、生成报告与历史基准进行比较。这能在日常开发中及早发现性能回归。5.2 内存与CPU的关联分析CPU性能问题有时是内存问题的表象。频繁的内存分配与释放尤其是在Tick中会导致内存碎片并可能引发垃圾回收而垃圾回收会严重阻塞游戏线程。在Insights的“Memory”视图中观察Alloc和Free的调用频率。在CPU Profiler中关注FMemory::Malloc和FMemory::Free相关的调用。如果它们出现在热点附近说明你的代码可能存在不必要的堆内存分配。考虑使用对象池、预分配数组或在栈上分配对象来缓解。5.3 平台差异与真机分析在编辑器中分析是一个很好的起点但最终的性能表现要以目标平台如PC、主机、移动设备为准。不同平台的CPU架构、缓存大小、内存带宽差异巨大。使用目标平台的分析工具链对于主机平台通常有厂商提供的专用性能分析工具如PlayStation的Razor, Xbox的PIX。它们能与Unreal Profiler数据互补提供硬件计数器级别的信息如缓存命中率、分支预测失败率。在真机上捕获.tex文件Unreal Engine支持在非桌面平台上运行带有分析功能的开发版本并将分析数据通过网络传回开发机的Insights。这能让你获得最真实的性能画像。具体设置涉及在打包时启用-trace相关参数并在设备上启动特定的命令行。性能优化是一个迭代和权衡的过程。没有一劳永逸的银弹。通过熟练使用Unreal Engine Profiler这个强大的工具你将从一个被性能问题牵着鼻子走的开发者转变为主动掌控性能、心中有数的架构师。每一次捕获、分析、优化都是对你代码和设计理解的一次深化。记住最好的优化往往是那些不需要复杂技巧的优化减少不必要的计算缓存能缓存的一切以及在开始写代码之前就多思考一下数据流动与架构。
